[发明专利]一种水泥分解炉窑尾分解率SVR软测量方法

说明书

技术领域

本发明涉及水泥生料预分解过程的窑尾分解率软测量技术领域，具体的说是一种 经过格罗布斯误差处理后，经过灰色关联度降维优化计算量，利用遗传算法优化参数的SVR (支持向量回归)窑尾分解率软测量方法。

背景技术

当今水泥行业中，水泥分解炉是新型干法水泥生产过程中的主要设备，水泥窑尾 分解率是影响最终水泥熟料质量的重要因素，目前仍没有在线准确测量水泥窑尾分解率的 仪表。传统实验室化验方法虽然准确，但其严重的滞后性难以为水泥生产的优化控制提供 参考。

由于整个预分解系统是多变量、非线性、强干扰的复杂系统，传统机理建模的测量 方法难以实现。

发明内容

本发明提供了一种经过格罗布斯误差处理后，经过灰色关联度降维优化计算量， 利用遗传算法优化参数的水泥分解炉窑尾分解率SVR软测量方法，可以得到准确的窑尾分 解率，方便实现后期对水泥预分解系统的优化，解决了现有窑尾分解率化验过程滞后的缺 点。

本发明技术方案结合附图说明如下：

一种水泥分解炉窑尾分解率SVR软测量方法，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：

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。

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；