[发明专利]一种基于数据挖掘的立磨运行调控系统及方法

权利要求书

1.一种基于数据挖掘的立磨运行调控系统，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、立磨稳定工况模式库建立模块、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、立磨运行智能调控模块；

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，利用一种综合的特征筛选方法对工况数据进行挖掘分析，得到影响立磨稳定的关键参数，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，获得历史工况中的各个状态分布情况；

立磨稳定工况库建立模块，根据聚类分析的挖掘结果，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，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算法对立磨健康状态特征获取模块中确定的特征值训练模型，对参数的变化趋势进行预测，用预测值辅助状态识别；

立磨运行智能调控模块根据该时刻的状态指标的数值，并结合ARIMA模型给出的预测值，对立磨的运行状态进行判断，当判定该时刻的运行状态为异常时，从稳定工况模式库中读取工况记录，得到推荐的调控目标值，然后根据推荐的目标值对该时刻的可控参数进行调控。

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；数据异常值处理、空值处理，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，所述的立磨健康状态评估指标挖掘模块中，一种综合的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，对工况数据进行挖掘分析，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。

4.如权利要求1所述的系统，其特征在于，所述的综合的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。

5.如权利要求1所述的系统，其特征在于，所述的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k-means聚类挖掘分析，得到的各个工况簇的特点，获得历史工况中的各个状态分布情况，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。

6.如权利要求1所述的系统，其特征在于，所述的立磨稳定工况库建立模块，根据聚类分析的挖掘结果，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，把稳定工况类别标签设置为0，非稳定工况标签设置为1，并从中提取稳定工况，建立稳定模式工况库。

7.如权利要求1所述的系统，其特征在于，所述的立磨状态评估指标特征获取模块，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，把得到的结果作为稳定工况判断的特征变量。