[发明专利]一种基于模型预测框架的水泥配方石灰石比例调节方法

权利要求书

1.一种基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述调节方法具体包括：

获取水泥配方、水泥烧失量历史数据，进行数据预处理，并采用粗糙集算法获得石灰石烧失量主导影响因素，所述主导影响因素为石灰石比例；

根据预处理后的历史数据进行数据拼接并将石灰石比例离散化获得石灰石比例逻辑分析决策表；

构建神经网络模型，根据所述石灰石比例逻辑分析决策表在线训练，获得预测水泥烧失量变化趋势的模型；

制定模糊pid优化规则，将待调整石灰石比例采用所述预测水泥烧失量变化趋势的模型进行预测获得水泥烧失量预测值，并基于模糊pid优化规则进行石灰石比例调整。

2.根据权利要求1所述的基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述调节方法还包括：

根据所述石灰石比例调整后进行水泥配置，并测定其实际水泥烧失量；

将所述实际水泥烧失量和水泥烧失量预测值进行比较，当绝对差值小于1％时，采用模糊pid优化规则进行调节，当绝对差值大于1％时，采用石灰石调节规则优化方法进行调节。

3.根据权利要求1所述的基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述数据预处理具体包括：

将获得水泥配方与水泥烧失量历史数据进行对齐与拼接，并采用数据清理和数据集成方法将异常数据、冗余数据和矛盾数据进行清理，获得水泥配方和与之对应的水泥烧失量预处理数据。

4.根据权利要求1所述的基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述粗糙集算法具体包括：

构建条件属性和决策属性的决策表，并根据相对重要度算法对决策属性的分类所做贡献的重要程度对条件属性进行约减，获得各条件属性的相对重要程度；

基于各属性的相对重要程度，当决策属性发生改变时，分析各条件属性变化，变化越小的对决策属性影响越大，所述变化越小条件属性即为石灰石烧失量主导影响因素。

5.根据权利要求1所述的基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述构建神经网络模型，根据所述石灰石比例逻辑分析决策表在线训练，获得预测水泥烧失量变化趋势的模型步骤具体包括：

将石灰石比例和对应的水泥烧失量历史数据按照8:2的比例划分为训练样本和测试样本；

构建BP神经网络模型，以石灰石比例为输入层，水泥烧失量为输出，采用训练样本进行训练获得训练后的BP神经网络模型；

每训练10轮，采用测试样本对所述训练后的BP神经网络模型进行测试，评估准确率，当准确率开始下降至终止训练，获得预测水泥烧失量变化趋势的模型。

6.根据权利要求1所述的基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述的制定模糊pid优化规则具体包括：

将石灰石比例最小值向上递增最小变化区间进行离散化；

将-1％到1％区间内的调节量划分9个区段进行模糊化处理，对应的最小值离散值设定为1，每变化一个区段离散值加1；

利用模糊PID算法和所述石灰石比例逻辑分析决策表计算出烧失量误差变化率，获得石灰石调节量与水泥烧失量误差变化率对照表；

根据烧失量的调节范围，并采用模糊PID算法进行多次计算，获得烧失量调节范围内的滚动优化规则。

7.根据权利要求2所述的基于模型预测框架的水泥配方石灰石比例调节方法，其特征在于，所述石灰石调节规则优化方法具体包括：

计算实际水泥烧失量和烧失量设定值的差值获得烧失量误差值U(1)；并计算水泥烧失量预测值和烧失量设定值的差值获得烧失量U(2)；

用U(1)-U(2)得到烧失量误差变化率EC，并根据所述模糊pid优化规则获得石灰石调节量。