[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

摘要

本发明公开了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，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；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；然后利用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。本发明具有较高的识别精度和泛化能力，性能好，适用于矿渣粉磨系统的健康状态识别和诊断。

主权项

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。