[发明专利]基于LS_SVM软测量的水泥回转窑烧成带温度的混杂建模方法

说明书

技术领域

本发明基于LS_SVM软测量的水泥回转窑烧成带温度的混杂建模方法，涉及支持向量机模型，属于机器学习建模领域。

背景技术

现在的水泥行业中，回转窑已经成为了现代水泥生产中煅烧水泥熟料的主要仪器。由于烧成带温度在回转窑内部，温度极高，目前没有准确测量烧成带温度的仪器，而烧成带温度是影响熟料烧成质量的重要因素之一。

由于整个回转窑控制系统的干扰因素很多，容易出现不利于回转窑系统稳定运行的突变工况，因此，为了使回转窑能够更好更优的稳定运行，需要将对具有离散性质的回转窑突变工况的识别与回转窑连续变量动态系统的控制结合起来，这样既包含离散系统又不丢失连续变量动态系统的具有混杂性质的动态系统能够使回转窑系统长期稳定运行在最佳状态，为了准确得到这一数据，本发明通过LS_SVM(基于最小二乘支持向量机方法)软测量的方法将烧成带温度得出。

发明内容

本发明要解决的技术问题是提供一种基于LS_SVM软测量的水泥 回转窑烧成带温度的混杂建模方法。

为了解决上述技术问题，本发明采用的技术方案是，一种基于LS_SVM软测量的水泥回转窑烧成带温度的混杂建模方法，包括如下步骤：

(一)数据处理：对水泥厂给出的设计数据进行整理计算，选取足量的可以确定水泥回转窑混杂特性曲线的数据，整理得出下列参数，窑头喷煤量m、游离CaO的含量M、窑头罩温度、窑主机电流、烟室温度；在所有设计数据中选取适量作为训练数据用于建模，所有设计数据都用来测试模型准确度；

(二)最小二乘支持向量机训练建模：首先，以二次风温、烟室温度、窑主机电流作为训练模型的输入，游离CaO的含量M作为训练模型的输出，进行试验建模，利用测试数据检测模型精度，建立精度符合标准的虚拟测量模型；然后，利用游离CaO的含量与烧成带温度T之间的关系T＝1454-20*M，建立窑头罩温度、窑主机电流、烟室温度与烧成带温度之间的虚拟测量模型；

(三)修正模型：将步骤(二)所得水泥回转窑烧成带温度的混杂建模T＝f(m)与实际运行数据相比较，若存在较大误差，则用实际运行数据代替设计数据，按照上述步骤一和步骤二重新建立模型。

(四)回转窑烧成带温度离散事件动态系统模型：基于水泥生产线DCS可采集的相关检测量，通过工况识别器对不同工况进行识别，建立水泥回转窑烧成带温度的离散事件动态系统(DEDS)模型。

(五)回转窑烧成带温度连续变量动态系统模型：对需要建模的 数据滑动平均处理，建立不同工况下窑头喷煤量和烧成带温度之间的连续变量动态系统(CVDS)模型。

本发明有以下优点：

1、本发明利用最小二乘支持向量机建立水泥回转窑烧成带温度模型可以避免以往多项式建模准确度较差的问题，实现对水泥回转窑烧成带温度的准确模拟。

2、本发明实现了对水泥回转窑烧成带温度的建模，对于水泥回转窑的实际运行过程中窑头喷煤量的大小提供了很好的指导作用。

3、本发明基于水泥生产线DCS可采集的相关检测量，通过工况识别器对不同工况进行识别，建立了水泥回转窑烧成带温度的离散事件动态系统(DEDS)模型，并结合了各工况下的喷煤量与烧成带温度的连续变量动态系统(CVDS)模型，实现了对不同工况下喷煤量和烧成带温度之间的模拟。

4、建立各工况下的喷煤量与烧成带温度的连续变量动态系统(CVDS)模型，实现了对不同工况下喷煤量和烧成带温度之间的模拟。

5、由于采用机器学习建模方法，本发明模型的建立和修正仅依赖于训练数据，当水泥回转窑烧成带温度特性发生变化时，可以实现实时修正。

附图说明

下面结合附图和具体实施方式对本发明做进一步详细的说明。

图1是水泥回转窑混杂系统模型。

图2是喷煤量为11.3t时CaO的软测量模型。

图3是喷煤量为11.3t时烧成带温度软测量模型。

图4是喷煤量基准值为11.3t时，当喷煤量发生改变时相应的烧成带温度软测量数据。

图5是喷煤量和软测量所得烧成带温度的关系图。

图6是喷煤量基准值为为11.3t时，窑头喷煤量和烧成带温度数据均一化处理结果。

图7是喷煤量为11.1t时CaO的软测量模型。

图8是喷煤量为11.1t时烧成带温度软测量模型。

图9是喷煤量基准值为11.1t时，当喷煤量发生改变时相应的烧成带温度软测量数据。