[发明专利]水泥生料立磨压差软测量建模方法、存储介质及系统

权利要求书

1.一种水泥生料立磨压差软测量建模方法，其特征在于，包括如下步骤：

步骤1：根据水泥厂的历史生产数据与历史水泥生料立磨压差的趋势对比确定模型所需要的参数；

步骤2：将所述参数通过径向基神经网络的训练建立模型；

步骤3：根据水泥厂的实际生产数据和所述模型得到实际生产时的水泥生料立磨压差。

2.根据权利要求1所述的水泥生料立磨压差软测量建模方法，其特征在于，步骤1中：

所述参数包括喂料量、磨机出口温度、磨机振动、磨机电流以及料层厚度。

3.根据权利要求2所述的水泥生料立磨压差软测量建模方法，其特征在于，步骤1包括：

步骤11：采用依达拉准则剔除参数样本中的异常值；

步骤12：通过滑动滤波处理保留下来的参数样本中的噪声以得到所述参数。

4.根据权利要求3所述的水泥生料立磨压差软测量建模方法，其特征在于：

步骤11中通过如下步骤剔除参数样本中的异常值：

步骤111：求取平均值，x_i表示第i个参数样本，i的取值在1到n的范围内，μ表示n个参数样本的均值：

步骤112：求取每一参数样本的偏差e_i：e_i＝x_i-μ，e_i表示参数样本x_i的偏差；

步骤113：求取实验标准差σ：

步骤114：当样本x_i的偏差满足|e_i|＞3σ，则判定x_i为异常值，予以剔除；

步骤12中通过如下方式滑动滤波处理参数样本中的噪声：

式中，M表示均值滤波的时间窗口长度，x_i′表示滑动滤波处理后的参数样本。

5.根据权利要求4所述的水泥生料立磨压差软测量建模方法，其特征在于，步骤2包括：

步骤21：选择径向基神经网络中心，包括：采用直接计算法或者自组织学习法确定径向基神经网络中心；

步骤22：利用所述参数对径向基神经网络进行网络训练。

6.根据权利要求5所述的水泥生料立磨压差软测量建模方法，其特征在于，步骤21中采用自组织学习法确定径向基神经网络中心的步骤中通过K-聚类算法选择中心，包括：

步骤211：无监督学习的自组织学习阶段，求解输入层与隐含层间的权值C_j，包括：

步骤2111：网络初始化，随机选取h个训练参数样本当做聚类中心c_i；

步骤2112：根据训练样本最近规则对输入的训练参数样本分组，根据训练参数样本x_p与聚类中心c_i之间的欧式距离将x_p分配到输入训练参数样本的各个聚类集合θ_p之中，其中聚类集合θ_p包括P个训练参数样本；

步骤2113：重新调整聚类中心计算各个聚类集合中的训练参数样本的平均值，直到平均值不发生变化为止，求解方差δ_i：

c_max为各个聚类集合中的训练参数样本平均值中的最大值；

步骤212：监督学习阶段，求得隐含层到输出层权值，包括：

步骤2121：对损失函数求解关于w的偏导数：

步骤2122：以使步骤2121中的偏导数结果为0的聚类中心c_i作为聚类集合θ_p的中心。