基于ls_svm軟測量的水泥回轉窯燒成帶溫度的混雜建模方法
【技術領域】
[0001]本發明基于LS_SVM軟測量的水泥回轉窯燒成帶溫度的混雜建模方法,涉及支持向量機模型,屬于機器學習建模領域。
【背景技術】
[0002]現在的水泥行業中,回轉窯已經成為了現代水泥生產中煅燒水泥熟料的主要儀器。由于燒成帶溫度在回轉窯內部,溫度極高,目前沒有準確測量燒成帶溫度的儀器,而燒成帶溫度是影響熟料燒成質量的重要因素之一。
[0003]由于整個回轉窯控制系統的干擾因素很多,容易出現不利于回轉窯系統穩定運行的突變工況,因此,為了使回轉窯能夠更好更優的穩定運行,需要將對具有離散性質的回轉窯突變工況的識別與回轉窯連續變量動態系統的控制結合起來,這樣既包含離散系統又不丟失連續變量動態系統的具有混雜性質的動態系統能夠使回轉窯系統長期穩定運行在最佳狀態,為了準確得到這一數據,本發明通過LS_SVM(基于最小二乘支持向量機方法)軟測量的方法將燒成帶溫度得出。
【發明內容】
[0004]本發明要解決的技術問題是提供一種基于LS_SVM軟測量的水泥回轉窯燒成帶溫度的混雜建模方法。
[0005]為了解決上述技術問題,本發明采用的技術方案是,一種基于LS_SVM軟測量的水泥回轉窯燒成帶溫度的混雜建模方法,包括如下步驟:
[0006](一)數據處理:對水泥廠給出的設計數據進行整理計算,選取足量的可以確定水泥回轉窯混雜特性曲線的數據,整理得出下列參數,窯頭噴煤量m、游離CaO的含量M、窯頭罩溫度、窯主機電流、煙室溫度;在所有設計數據中選取適量作為訓練數據用于建模,所有設計數據都用來測試模型準確度;
[0007]( 二)最小二乘支持向量機訓練建模:首先,以二次風溫、煙室溫度、窯主機電流作為訓練模型的輸入,游離CaO的含量M作為訓練模型的輸出,進行試驗建模,利用測試數據檢測模型精度,建立精度符合標準的虛擬測量模型;然后,利用游離CaO的含量與燒成帶溫度T之間的關系T = 1454-20*M,建立窯頭罩溫度、窯主機電流、煙室溫度與燒成帶溫度之間的虛擬測量模型;
[0008](三)修正模型:將步驟(二)所得水泥回轉窯燒成帶溫度的混雜建模T= f(m)與實際運行數據相比較,若存在較大誤差,則用實際運行數據代替設計數據,按照上述步驟一和步驟二重新建立模型。
[0009](四)回轉窯燒成帶溫度離散事件動態系統模型:基于水泥生產線DCS可采集的相關檢測量,通過工況識別器對不同工況進行識別,建立水泥回轉窯燒成帶溫度的離散事件動態系統(DEDS)模型。
[0010](五)回轉窯燒成帶溫度連續變量動態系統模型:對需要建模的數據滑動平均處理,建立不同工況下窯頭噴煤量和燒成帶溫度之間的連續變量動態系統(CVDS)模型。
[0011]本發明有以下優點:
[0012]1、本發明利用最小二乘支持向量機建立水泥回轉窯燒成帶溫度模型可以避免以往多項式建模準確度較差的問題,實現對水泥回轉窯燒成帶溫度的準確模擬。
[0013]2、本發明實現了對水泥回轉窯燒成帶溫度的建模,對于水泥回轉窯的實際運行過程中窯頭噴煤量的大小提供了很好的指導作用。
[0014]3、本發明基于水泥生產線DCS可采集的相關檢測量,通過工況識別器對不同工況進行識別,建立了水泥回轉窯燒成帶溫度的離散事件動態系統(DEDS)模型,并結合了各工況下的噴煤量與燒成帶溫度的連續變量動態系統(CVDS)模型,實現了對不同工況下噴煤量和燒成帶溫度之間的模擬。
[0015]4、建立各工況下的噴煤量與燒成帶溫度的連續變量動態系統(CVDS)模型,實現了對不同工況下噴煤量和燒成帶溫度之間的模擬。
[0016]5、由于采用機器學習建模方法,本發明模型的建立和修正僅依賴于訓練數據,當水泥回轉窯燒成帶溫度特性發生變化時,可以實現實時修正。
【附圖說明】
[0017]下面結合附圖和【具體實施方式】對本發明做進一步詳細的說明。
[0018]圖1是水泥回轉窯混雜系統模型。
[0019]圖2是噴煤量為11.3t時CaO的軟測量模型。
[0020]圖3是噴煤量為11.3t時燒成帶溫度軟測量模型。
[0021]圖4是噴煤量基準值為11.3t時,當噴煤量發生改變時相應的燒成帶溫度軟測量數據。
[0022]圖5是噴煤量和軟測量所得燒成帶溫度的關系圖。
[0023]圖6是噴煤量基準值為為11.3t時,窯頭噴煤量和燒成帶溫度數據均一化處理結果O
圖7是噴煤量為11.1t時CaO的軟測量模型。
圖8是噴煤量為11.1t時燒成帶溫度軟測量模型。
圖9是噴煤量基準值為11.1t時,當噴煤量發生改變時相應的燒成帶溫度軟測量數據。 圖10是噴煤量基準值為為11.1t時,軟測量所得噴煤量和燒成帶溫度的關系圖。
圖11是噴煤量基準值為為11.1t時,窯頭噴煤量和燒成帶溫度數據均一化處理結果。 圖12是傳遞函數實際輸出和匹配輸出的曲線。
圖13是狀態空間方程的實際輸出和仿真輸出的曲線。
【具體實施方式】
[0024]下面結合本發明的實施例,一種基于LS_SVM軟測量的水泥回轉窯燒成帶溫度的混雜建模方法的技術方案進行詳細說明。
[0025]實施例
[0026]首先,對窯頭喂煤量為11.3t時,燒成帶溫度的變化進行建模。
[0027]在保證影響燒成帶溫度變化的其它因素穩定的情況下,才能得到準確的窯頭噴煤和燒成帶溫度之間的關系。
[0028]保證生料下料量的穩定,穩定值在133-137A ;分解爐出口溫度也要穩定在基準值為930,上下線為+-30的狀態下;同時要保證穩定的窯頭噴煤量,基準值為11.3t ;保證篦冷機篦速穩定在10-15之間,使二次風溫不受料層厚薄的影響。同時由于水泥回轉窯系統具有很大的滯后性,因此在選擇變量值時要保證在同一時間,通過向某水泥廠現場詢問具體時間點,確定物料從預熱器到分解爐為2分41s,在分解爐內為43s,從窯尾到窯頭為15min,從窯頭到出篦冷機為20min,然后化驗室取料,一小時后將數據填報,以此類推,化驗室7:00的CaO數據實際為6:20的生料。
[0029]通過matlab仿真,訓練樣本為30個樣本值,測試樣本為20樣本值,由圖2可知,該軟測量模型能夠較準確的逼近化驗室游離CaO的值。訓練誤差為0.0168,測試誤差為
0.2125。
[0030]通過對游離CaO的軟測量,我們能間接的得出燒成帶溫度值,如圖3所示。訓練誤差0.3600,測試誤差4.2565。
[0031]因此在窯頭噴煤量基準值為11.3t時,該軟測量模型能較好的將燒成帶溫度得出。但是此為靜態模型,當窯頭噴煤量在該基準值下有輕微上升或者下降的時候,這時會有窯頭噴煤和燒成帶溫度動態模型出現。
[0032]圖4為在基準值為11.3t時,噴煤量由11.3U到11.35t時,即噴煤量增加0.04t時燒成帶溫度的變