[发明专利]一种沸腾焙烧炉产品质量软测量方法及装置

权利要求书

1.一种沸腾焙烧炉产品质量软测量方法，其特征在于，包括：

获取沸腾焙烧炉的多组生产数据，其中，所述生产数据是所述沸腾焙烧炉在生产时的多个参数；

建立所述沸腾焙烧炉的机理模型，其中，所述机理模型用于指示所述沸腾焙烧炉的生产特性，所述机理模型为包括未知模型参数的函数；

将所述多组生产数据代入到所述机理模型中，通过迭代优化获取所述未知模型参数的最优值，并将所述未知模型参数的最优值代入到所述机理模型中；

根据所述机理模型得到每组生产数据对应的质量分数的预测序列；

根据多组训练数据构建神经网络模型，其中，每组所述训练数据包括：一组生产数据以及根据所述机理模型得到的该组生产数据对应的质量分数的预测序列；所述神经网络模型用于根据生产数据输出预测的质量分数；其中，根据所述多组训练数据构建所述神经网络模型包括：对于每一组生产数据构建第一特征变量；根据所述第一特征变量以及该组生产数据对应的质量分数的化验值得到所述神经网络模型的沸腾焙烧炉的特征变量；根据所述沸腾焙烧炉的特征变量以及根据所述机理模型得到的该组生产数据对应的质量分数的预测序列构建所述神经网络模型。

2.根据权利要求1所述的方法，其特征在于，建立所述沸腾焙烧炉的机理模型包括：

建立所述沸腾焙烧炉的动力学模型和质量守恒模型，其中，所述动力学模型是根据所述沸腾焙烧炉中的化学反应建立的，所述质量守恒模型是根据所述沸腾焙烧炉的进料和出料的质量守恒建立的；

根据所述动力学模型和所述质量守恒模型建立所述机理模型。

3.根据权利要求1所述的方法，其特征在于，所述神经网络模型为长短时记忆网络模型。

4.根据权利要求1所述的方法，其特征在于，所述生产参数至少包括以下参数：

进入所述沸腾焙烧炉原料中硫化物的质量分数、同一采样时刻原料中被氧化物的质量分数、下一采样时刻原料中被氧化物的质量分数、温度检测点的检测到温度的平均值、鼓风机压力、所述沸腾焙烧炉的炉床压力、烟气中所含硫元素的体积分数。

5.一种沸腾焙烧炉产品质量软测量装置，其特征在于，包括：

第一获取模块，用于获取沸腾焙烧炉的多组生产数据，其中，所述生产数据是所述沸腾焙烧炉在生产时的多个参数；

建立模块，用于建立所述沸腾焙烧炉的机理模型，其中，所述机理模型用于指示所述沸腾焙烧炉的生产特性，所述机理模型为包括未知模型参数的函数；

第二获取模块，用于将所述多组生产数据代入到所述机理模型中，通过迭代优化获取所述未知模型参数的最优值，并将所述未知模型参数的最优值代入到所述机理模型中；

得到模块，用于根据所述机理模型得到每组生产数据对应的质量分数的预测序列；

构建模块，用于根据多组训练数据构建神经网络模型，其中，每组所述训练数据包括：一组生产数据以及根据所述机理模型得到的该组生产数据对应的质量分数的预测序列；所述神经网络模型用于根据生产数据输出预测的质量分数；其中，根据所述多组训练数据构建所述神经网络模型包括：对于每一组生产数据构建第一特征变量；根据所述第一特征变量以及该组生产数据对应的质量分数的化验值得到所述神经网络模型的沸腾焙烧炉的特征变量；根据所述沸腾焙烧炉的特征变量以及根据所述机理模型得到的该组生产数据对应的质量分数的预测序列构建所述神经网络模型。

6.根据权利要求5所述的装置，其特征在于，所述建立模块用于：

建立所述沸腾焙烧炉的动力学模型和质量守恒模型，其中，所述动力学模型是根据所述沸腾焙烧炉中的化学反应建立的，所述质量守恒模型是根据所述沸腾焙烧炉的进料和出料的质量守恒建立的；

根据所述动力学模型和所述质量守恒模型建立所述机理模型。

7.根据权利要求5所述的装置，其特征在于，所述神经网络模型为长短时记忆网络模型。

8.根据权利要求5所述的装置，其特征在于，所述生产参数至少包括以下参数：

进入所述沸腾焙烧炉原料中硫化物的质量分数、同一采样时刻原料中被氧化物的质量分数、下一采样时刻原料中被氧化物的质量分数、温度检测点的检测到温度的平均值、鼓风机压力、所述沸腾焙烧炉的炉床压力、烟气中所含硫元素的体积分数。