[发明专利]一种基于时间投影的重介质选煤过程控制变量预测方法

说明书

本发明公开了一种基于时间投影的重介质选煤过程控制变量预测方法，首先对重介质选煤过程中传感器数据进行采集，将获得的数据存储在二维数组中并进行数据处理，得到输入矩阵和目标变量矩阵，最后通过LightGBM模型进行模型搭建获取模型并进行参数的寻优，最后将模型应用于选煤厂重介分选环节的悬浮液密度Sep_Dense预测。本发明通过利用重介质选煤过程中传感器的数据，考虑生产数据的延迟关系，对生产数据进行时间投影重构，利用LightGBM算法进行回归预测，将训练好的模型应用到实际的生产控制系统中，指导生产，提高了企业的经济效益。

技术领域

本发明涉及工业控制技术领域，具体涉及一种基于时间投影的重介质选煤过程控制变量预测方法。

背景技术

煤炭洁净利用的源头和基础是原煤的预分选，而重介选煤方法作为我国主导的选煤方法，其分选过程的提效和精准控制就尤为重要。整个选煤厂是典型的流程工厂，间歇生产，重介选煤过程则涉及多个处理单元、同时生产多个产品。重介分选控制过程主要是重介悬浮液的密度调节过程，其控制变量有：加介量、分流阀开度、介质桶液位、重介旋流器入料压力等，主要目标是当原煤质量发生波动时，通过调整系统的悬浮液密度，以维持产品质量的稳定。

随着智能制造的快速发展，选煤行业作为矿业领域的一个重要部分，近几年也取得了不小的成绩，现阶段，已基本脱离了由人工来调节分流、补水等执行机构的过程，介质密度的控制精度可达到0.01kg/m³(发明专利：一种基于模糊控制和PID控制的重介精煤灰分控制方法，专利号：202110117022.6)。但悬浮液的密度高低设定是依然由操作人员根据经验进行设定的，目前，在线灰分仪的精度欠佳，尤其是原煤灰分仪，人为设定分选密度的依据一般是计检人员采样化验的快灰，这导致了密度控制的不确定性和滞后性。随着煤炭资源的大幅开采，入选原煤的煤质情况变化越来越大。而选煤厂的原煤准备环节，相比于其他有色金属、非金属矿，由于产品的廉价性，一般只是进行了简单的大粒度破碎、分级，无法保证入料的均质化，这也加大了后续生产环节入料性质的不确定。

目前，重介分选密度的预测方法主要有两大类，一类是基于机理的方法，通过对生产煤样的月综合化验数据，绘制可选性曲线，辅以日常生产的在线数据来预测分选密度(发明专利：一种重介分选过程智能控制系统及方法，专利号：201910900555.4)。但煤炭月综合浮沉化验耗时耗力，且实际生产有很多不确定性因素，这导致完全依靠机理、经验的密度预测方法常会使产品质量发生大幅波动。另一类是基于数据的方法，通过采集现场传感器、PLC数据进行密度预测，如常见的基于支撑向量机(SVM)的回归分析方法(发明专利：重介智能控制方法及系统，专利号：202010846865.5)，但目前已发表的基于数据的方法，大多使用数据量较小，且未考虑选煤厂流程工业的数据特点。

发明内容

针对上述现有技术，提出一种基于时间投影的重介质选煤过程控制变量预测方法。

本发明解决上述技术问题采用的技术方案为：一种基于时间投影的重介质选煤过程控制变量预测方法，所述方法包括以下步骤，

步骤1：对重介过程中传感器获取的数据进行采集；

步骤2：对步骤1中采集的数据进行预处理得到多个传感器数据包：首先去除与目标变量y无关的数据列，采用对相邻两个时刻点检测值求平均的方法，将采集的数据中的缺失数据、NULL值进行补齐，将经过补齐的数据进行清洗，去除多个传感器数值为0时的开停机数据，同时因为选煤厂属于间歇生产的流程工厂，故需将处理后的数据重组成多个传感器数据包。

多个所述传感器数据包均由n组悬浮液密度Sep_Dense、原煤皮带秤量RC_Weight、原煤灰分仪量RC_Ash、精煤皮带秤量CC_Weight、精煤灰分仪量CC_Ash构成，其中n表示传感器获取数据的次数；

步骤3：计算重介生产系统的煤流分选运输停滞时间T；