[发明专利]一种在线检测铝粉细粉率的软测量方法

摘要

一种在线检测铝粉细粉率的软测量方法，涉及一种软测量方法，本发明通过以下步骤来实现：采集样本数据；样本数据预处理包括异常数据的处理、随机误差的处理、采样数据归一化处理，还包括建立DRNN神经网络模型、训练DRNN神经网络、建立组合DRNN神经网络模型，最后利用组合DRNN神经网络模型计算铝粉细粉率。利用该组合模型即可计算出相应的归一化后的铝粉细粉率值，对值进行反归一化处理后，便得到铝粉细粉率值。该检测方法不仅能够解决测量滞后较大、不能实现在线自动测量的问题，而且检测成本较低、方便快捷，而且能够实现在线实时自动检测。

主权项

1.一种在线检测铝粉细粉率的软测量方法，其特征在于，所述方法包括以下步骤：   （1）采集样本数据：    现场采集铝粉生产过程中不同工况下的铝液温度(T_L)、雾化氮气压力(P_W)、雾化氮气温度(T_W)、环境氮气压力(P_E)、环境氮气温度(T_E)和铝粉细粉率(L_X)数据；   （2）、样本数据预处理：1）异常数据的处理：对所采集到的n组铝液温度值、雾化氮气压力值、雾化氮气温度值、环境氮气压力值、环境氮气温度和铝粉细粉率值，分别计算其算术平均值，然后分别计算其偏差值，按照Bessel公式计算铝液温度(T_L)的标准偏差；2）随机误差的处理：将经过误差处理后剩余的r组铝液温度(T_L)、雾化氮气压力(P_W)、雾化氮气温度(T_W)、环境氮气压力(P_E)、环境氮气温度(T_E) 和铝粉细粉率(L_X)数据分别采用平均值滤波算法，以去除采样数据中的随机误差；3）采样数据归一化处理：将经过随机误差处理后的r个铝液温度(T_L)数据归一化到[0, 1]区间内；    （3）建立DRNN神经网络模型：对角递归DRNN (Diagonal Recurrent Neural Network) 神经网络的数学模型为：；    （4）训练DRNN神经网络：将归一化处理后的r个样本数据分成两组：一组作为各单一神经网络模型的共同初始训练数据集，分别对各单一DRNN神经网络进行训练；另一组作为校验数据集，用于校验所建立的DRNN神经网络模型；   （5）建立组合DRNN神经网络模型：将多个DRNN神经网络模型组合在一起，构成组合神经网络模型；   （6）利用组合DRNN神经网络模型计算铝粉细粉率：当组合DRNN模型输入为归一化后的铝液温度、雾化氮气压力、雾化氮气温度、环境氮气压力、环境氮气温度数据时，利用该组合模型即可计算出相应的归一化后的铝粉细粉率值，对值进行反归一化处理后，便得到铝粉细粉率值。