[发明专利]一种水泥生料预分解过程扰动减小质量预测方法

摘要

本发明公开了一种水泥生料预分解过程扰动减小质量预测方法。本发明首先将采集到的过程数据使用小波去噪和正交信号进行处理，来减小变量之间的关联；然后使用处理后的数据进行偏最小二乘建模；为了减少数据的非线性问题，引入支持向量机进行模型修正。本发明改善了传统预测模型建模过程复杂，无法处理非线性数据的缺点，提高了模型跟踪真实数据的能力。

主权项

1.一种水泥生料预分解过程扰动减小质量预测方法，其特征在于该方法包括以下步骤：/n步骤1.采集水泥生料预分解过程中传感器的数据，进行处理并建立预测模型；具体步骤是：/n1.1采集水泥生料预分解过程中的数据进行离线建模，数据分为两类，过程数据X和质量数据Y,一共有N个样本；/nX＝[x₁,x₂,…x_m],x₁,x₂…x_m∈R^N×1/nY＝[y₁,y₂,…y_p],y₁,y₂…y_p∈R^N×1/n其中，x₁,x₂,…x_m分别表示水泥生料预分解过程中的原料浓度，反应压力，反应温度…阀门开度这m个变量，y₁,y₂…y_p分别表示产物质量，产物比例…产物颗粒这p个与质量相关的变量；/n1.2使用小波去噪去除过程数据中的噪声；/n /n /n其中，X_p表示小波去噪后的过程数据，Y_p表示小波去噪后的质量数据；l_x表示过程数据的阈值，l_y表示质量数据的阈值；/n1.3使用正交信号校正算法对采集到的原始数据进行预处理；/n /n /nt₀＝X_pw/n /n /n式中，t_s表示过程数据X对应的第一主成分，使用主成分分析法计算得到；t_new表示沿着Y的方向与t₀正交的向量；w表示X的权重向量；t₀表示X的得分矩阵；p₀表示负载向量；X_OSC表示经过正交信号分解算法处理后的过程数据；/n1.4使用偏最小二乘法对步骤1.3中得到的数据进行处理；/nt＝X_OSCw/n /n /nu＝Y_pq/n式中，t表示X_OSC对应的主成分；p表示X_OSC对应的负载向量；q表示质量变量对应的负载向量；u表示质量变量对应的得分向量；/n1.5由步骤1.1-1.4，得到预测模型：/n /n /n式中，a＝1,2,…A表示主成分索引；t_a表示与过程变量X对应的第a个潜在变量；p_a表示过程变量对应的第a个负载向量；E表示过程变量的残差；u_a表示质量变量对应的第a个潜在变量；q_a表示与质量变量对应的第a个负载向量；F表示质量变量的残差；/n1.6引入支持向量机算法对步骤1.5中的模型进行修正：/nU＝f(T)+H＝[f₁(t₁),f₂(t₂),…f_a(t_a)]+[h₁,h₂,…h_a]/nu_a＝f_a(t_a)+h_a,a＝1,2,…A/n /n式中，U表示质量变量对应的潜在变量矩阵；T表示过程变量对应的潜在变量矩阵；f(·)表示一个非线性函数；h₁,h₂…h_a分别表示第1,2,…a个潜在变量对应的残差；表示对应于质量变量的第a个潜在变量的预测值；表示一个回归系数；K(t_a,i,t_a)表示第a个潜在变量对应的核函数；b表示预测残差；/n步骤2：采集水泥生料预分解过程运行过程中新得到的数据，使用步骤1中得到的预测模型进行在线预测，具体是：/n2.1采集过程中新得到的过程数据X_new和质量数据Y_new,对采集到的新数据进行小波去噪处理；/n /n /n其中，X_pnew表示小波去噪后的新的过程数据，Y_pnew表示小波去噪后的新的质量数据；/n2.1使用正交信号校正法进行预处理；/n /n /nt_0new＝X_pneww_new/n /n /n式中，t_snew表示过程数据X_new对应的第一主成分，使用主成分分析法计算得到；t_nnew表示沿着Y_new的方向与t_0new正交的向量；w表示X的权重向量；t_0new表示X_new的得分矩阵；p_0new表示负载向量；X_OSCnew表示经过正交信号分解算法处理后的过程数据；/n2.2使用偏最小二乘法处理新采集到的数据，计算新数据的潜在变量；/nt_t＝X_oSCneww_new/n /n /nu_new＝Y_pnewq_new/n式中，t_t表示X_OSCnew对应的主成分；p_new表示X_OSCnew对应的负载向量；q_new表示质量变量对应的负载向量；u_new表示质量变量对应的得分向量；/n2.3使用预测模型进行在线预测/n /n /n式中，表示过程质量数据Y_new的预测值；Q表示过程质量数据对应的负载矩阵；F_new表示预测残差。/n