[发明专利]一种基于数据挖掘的矿渣粉磨系统健康状态识别系统及方法

权利要求书

1.一种基于数据挖掘的矿渣粉磨系统健康状态识别系统，其特征在于，该系统包括：数据预处理模块、立磨健康状态评估指标挖掘模块、立磨健康状态聚类分析模块、立磨状态评估指标特征获取模块、立磨实时特征参数预测模块，其中：

数据预处理模块，对立磨采集的数据进行异常值处理、空值处理、离散化处理和归一化处理；

立磨健康状态评估指标挖掘模块，利用一种综合特征筛选方法对工况数据进行挖掘分析，所述综合特征筛选方法由随机lasso、岭回归、随机森林、稳定性选择和递归特征消除这五种方法综合组成，得到影响立磨稳定的关键参数，确定振动、料层厚度、磨机压差、磨机出口温度4个参数共同作为立磨健康状态评估的指标；

立磨健康状态聚类分析模块，基于确定的立磨健康状态评估的指标，对工况状态进行聚类挖掘分析，得到的各个工况簇的特点，获得历史工况中的状态分布情况，定义历史工况中的运行状态类别，对工况所属的状态进行类别标注和筛选，得到稳定模式工况库；

立磨状态评估指标特征获取模块，分析立磨运行状态下的采集的实时数据的特点，以振动、料层厚度、磨机压差、磨机出口温度这4个状态评估指标的实时数据为基础，计算每个参数在取数窗口时间内的均值、方差和异常值出现次数，确定进行实时状态判断的特征值；

立磨实时特征参数预测模块，利用ARIMA算法对立磨状态评估指标特征获取模块中确定的特征值进行模型训练，预测参数的变化趋势，用预测值辅助状态识别。

2.如权利要求1所述的系统，其特征在于，所述的数据预处理模块中，数据异常值处理、空值处理，通过数据筛选和数据清洗实现；离散化处理和归一化处理，由特征简约和数据变换实现。

3.如权利要求1所述的系统，其特征在于，所述的综合特征筛选方法，通过求解输入变量和输出变量之间的关系，对每种算法的得分结果均利用最大最小值的规范化方法进行处理，把得分限制在了[0，1]之间，然后求每个参数特征的平均得分，把平均值作为特征重要性排序的依据，按照处理后的得分结果对特征的重要度进行评估，进行特征值选择。

4.如权利要求1所述的系统，其特征在于，所述的聚类挖掘分析为k-means聚类分析，选取k＝3，得到的类别0定义为非稳定状态，类别1和2中的记录定义为稳定状态；类别0特点：料层厚的取值范围在125～135mm之间，磨机出口温度在100～108℃，磨机压差在2800～3200Pa，振动值集中在7、8、9三个值附近；类别1特点：料层厚的取值范围在125～144mm之间，磨机出口温度在95～103℃，磨机压差在2800～3200Pa，振动值集中在6、7、8三个值附近；类别2特点：料层厚的取值范围在140～150mm之间，磨机出口温度在102～108℃，磨机压差在3200～3500Pa，振动值集中在6～8之间。

5.如权利要求1所述的系统，其特征在于，所述的立磨实时特征参数预测模块，采用下式的ARIMA算法对立磨状态评估指标特征获取模块中确定的特征值进行模型训练：

x_t＝φ₀+φ₁x_t-1+φ₂x_t-2+...+φ_px_t-p+ε_t-θ₁ε_t-1-θ₂ε_t-2-...-θ_qε_t-q

其中，x_t-p为前p期的x取值，ε_t-q为前q期的干扰取值，φ₀～φ_p为不同时间x值的系数，θ₁～θ_q为不同时间ε值的系数。