[发明专利]一种水泥分解炉窑尾分解率SVR软测量方法

摘要

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，具体的说是一种水泥分解炉窑尾分解率SVR(支持向量回归)软测量方法。该方法利用格罗布斯准则剔除原始数据中的粗大误差，减少了误差对软测量模型的干扰。使用灰色关联度降维，简化了软测量模型的复杂度，减少建立软测量模型的运算量。利用SVR(支持向量回归)所建软测量模型仅需利用水泥生产过程中DCS(集散控制系统)所测过程变量及厂家离线化验窑尾分解率，无需额外安装其他测量器件。本发明是一种软测量模型完全由依赖现场数据，当分解炉运行工况发生改变时，模型可以实时进行修正的水泥分解炉窑尾分解率SVR软测量方法。

主权项

一种水泥分解炉窑尾分解率SVR软测量方法，其特征在于，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：2、$f\left(x\right)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}(a_i-a_i^{*})K(x_j,x)+b$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。