[发明专利]一种水泥分解炉窑尾分解率SVR软测量方法

权利要求书

1.一种水泥分解炉窑尾分解率SVR软测量方法，其特征在于，该方法包括如下步骤：

步骤一、原始变量的采集；

根据实验室取得的水泥窑尾解率数据，确定窑尾分解率的采样时刻，选取采样前10分 钟内三次风温、分解炉炉内温度、分解炉炉内压力、分解炉出口温度、分解炉出口压力、提升 机电流各个量，并取其平均值作为原始变量；

步骤二、原始变量的误差处理；

对步骤一中所采集的原始变量与窑尾分解率化验结果依据格罗布斯准则进行误差处 理，剔除数据中的粗大误差；

步骤三、使用灰色关联度分析进行原始数据降维；

对步骤二中已经剔除粗大误差的原始数据进行灰色关联度分析，选取三次风温、分解 炉炉内温度、分解炉炉内压力、分解炉出口温度、分解炉出口压力、提升机电流中与窑尾分 解率关联度较高的参数做软测量模型的辅助变量；

步骤四、使用遗传算法对SVR进行参数寻优；

使用遗传算法对SVR的惩罚系数C、核宽系数gamma和不敏感损失系数epsilon的值进行 参数寻优并作为最优参数组合；其中惩罚系数C与SVR对误差的宽容度有关，核宽系数gamma 对SVR核函数RBF的核宽有关，不敏感损失系数epsilon与模型复杂度有关；SVR的回归方程 为：

2、f(x)=Σi=1l(ai-ai*)K(xj,x)+b]]>

其中，ai、ai*为拉格朗日算子，b为阈值，K(xj，x)为核函数exp(-gamma*|u-v|^2)；步骤 五、软测量模型建立；

利用对经格罗布斯误差处理及灰色关联降维后的数据，以及经遗传算法优化过的惩罚 系数C、核宽系数gamma和不敏感损失系数epsilon，采用SVR(支持向量回归)建立软测量模 型；

步骤六、软测量结果预测；

根据当前时刻DSC中的过程变量，通过步骤五辨识得到的软测量模型在线计算当前时 刻分解炉的窑尾分解率；

步骤七、实时优化软测量模型；

根据步骤六的测量结果与离线化验所得真实结果利用步骤四和步骤五再进行模型优 化。

2.根据权利要求1所述的一种水泥分解炉窑尾分解率SVR软测量方法，其特征在于，所 述的步骤四具体步骤包括如下：

Step1：设置惩罚系数C、核宽系数gamma和不敏感损失系数epsilon的范围，产生初始群 体；

Step2：使用惩罚系数C、核宽系数gamma和不敏感损失系数epsilon组合下的反应SVR回 归性能的均值方差作为适应度值；

Step3：开始遗传操作，计算每组惩罚系数C、核宽系数gamma和不敏感损失系数epsilon 的下SVR(支持向量回归)模型均方根差，若该组下均方根差最小，设定此次惩罚系数C、核宽 系数gamma和不敏感损失系数epsilon更新Cbest、gbest、pbest，否则保留此前Cbest、 gbest、pbest；

Step4：停止条件定为最大进化代数；未达到停止条件，执行Step3，进行迭代操作；当满 足停止条件，即已达到进化代数，此时的Cbest、gbest、pbest即为最优解。