The invention discloses a grinding operation control system and method of data mining based on the use of a comprehensive feature selection methods analyze the condition data, get the mill health assessment index; cluster analysis on mining condition, characteristics of various working conditions of the cluster, the state distribution in history in the condition of running state; the categories defined in historical conditions, stable working mode base; using the ARIMA algorithm to mill health feature acquisition module characteristics determine the value of training model, the trend of changes of the parameter prediction, auxiliary state recognition with predictive value; combined with the ARIMA model prediction value is given, the running state of the vertical mill the judge, when judged to be abnormal, read the condition record from stable condition pattern library, get the target value of the recommendation. The controllable parameters of the moment are controlled. The present invention can accurately provide qualitative and quantitative control suggestions for vertical mills, and realize long-term stable operation of mills.
【技术实现步骤摘要】
一种基于数据挖掘的立磨运行调控系统及方法
本专利技术涉及水泥流程工业领域的矿渣粉磨领域,特别涉及一种基于数据挖掘的立磨运行调控系统和方法。
技术介绍
立磨是一种用于将大颗粒的矿渣等物料研磨至细微颗粒的设备,主要对建材、化工、钢铁等行业产生的废渣进行粉磨,实现废渣的再利用,经研磨得到的微粉通常作为水泥生产的原料。但是矿渣粉磨系统工艺复杂,工作环境恶劣,长期高负荷运行,同时立磨生料粉磨过程具有强耦合、非线性、大滞后等特点,且存在物理、化学变化,建立准确的立磨生料粉磨过程机理模型很难。因此,何准确地建立立磨生料粉磨过程的模型并对立磨生料粉磨过程关键参数进行优化控制,是亟待要解决的问题。目前,有很多学者对立磨生料粉磨过程建模进行了深入研究。秦伟等人将支持向量机和多元回归方程应用于立磨粉磨过程的模型的建立,通过模糊聚类分析建立了立磨粉磨过程的专家数据库,有效的指导了粉磨过程。颜文俊等人通过应用最小二乘法建立了立磨回路模型,并通过此模型对立磨回路进行优化控制,显示了良好的控制精度。刘志鹏等人通过将最小二乘法与支持向量机相结合的方法,对粉磨系统建立了预测模型,比较准确的预测了立磨运行过程中分离器电流的变化,得到了较高的预测精度。也有学者采用人工神经网络方法在立磨生料粉磨过程建模。李瑞莲等人应用BP神经网络对生料磨机建立了神经网络模型,基于神经网络模型,得出了生料最优配料比。高鹏等人应用对立磨系统进行了模型辨识,建立了模糊神经网络模型,分析了各因素对立磨振动的影响,该方法避免了陷入局部极小的可能,网络模型具有良好的泛化能力,很好地解决了非线性立磨系统建模问题。在上述立磨生 ...
【技术保护点】
一种基于数据挖掘的立磨运行调控系统,其特征在于,该系统包括:数据预处理模块、立磨健康状态评估指标挖掘模块、立磨健康状态聚类分析模块、立磨稳定工况模式库建立模块、立磨状态评估指标特征获取模块、立磨实时特征参数预测模块、立磨运行智能调控模块;数据预处理模块,对立磨采集的数据进行异常值处理、空值处理、离散化处理和归一化处理;立磨健康状态评估指标挖掘模块,利用一种综合的特征筛选方法对工况数据进行挖掘分析,得到影响立磨稳定的关键参数,作为立磨健康状态评估的指标;立磨健康状态聚类分析模块,基于确定的立磨健康状态评估的指标,对工况状态进行聚类挖掘分析,得到的各个工况簇的特点,获得历史工况中的各个状态分布情况;立磨稳定工况库建立模块,根据聚类分析的挖掘结果,定义历史工况中的运行状态类别,对工况所属的状态进行类别标注和筛选,得到稳定模式工况库;立磨状态评估指标特征获取模块,分析立磨运行状态下的采集的实时数据的特点,确定进行实时状态判断的特征值;立磨实时特征参数预测模块,利用ARIMA算法对立磨健康状态特征获取模块中确定的特征值训练模型,对参数的变化趋势进行预测,用预测值辅助状态识别;立磨运行智能调控模块 ...
【技术特征摘要】
1.一种基于数据挖掘的立磨运行调控系统,其特征在于,该系统包括:数据预处理模块、立磨健康状态评估指标挖掘模块、立磨健康状态聚类分析模块、立磨稳定工况模式库建立模块、立磨状态评估指标特征获取模块、立磨实时特征参数预测模块、立磨运行智能调控模块;数据预处理模块,对立磨采集的数据进行异常值处理、空值处理、离散化处理和归一化处理;立磨健康状态评估指标挖掘模块,利用一种综合的特征筛选方法对工况数据进行挖掘分析,得到影响立磨稳定的关键参数,作为立磨健康状态评估的指标;立磨健康状态聚类分析模块,基于确定的立磨健康状态评估的指标,对工况状态进行聚类挖掘分析,得到的各个工况簇的特点,获得历史工况中的各个状态分布情况;立磨稳定工况库建立模块,根据聚类分析的挖掘结果,定义历史工况中的运行状态类别,对工况所属的状态进行类别标注和筛选,得到稳定模式工况库;立磨状态评估指标特征获取模块,分析立磨运行状态下的采集的实时数据的特点,确定进行实时状态判断的特征值;立磨实时特征参数预测模块,利用ARIMA算法对立磨健康状态特征获取模块中确定的特征值训练模型,对参数的变化趋势进行预测,用预测值辅助状态识别;立磨运行智能调控模块根据该时刻的状态指标的数值,并结合ARIMA模型给出的预测值,对立磨的运行状态进行判断,当判定该时刻的运行状态为异常时,从稳定工况模式库中读取工况记录,得到推荐的调控目标值,然后根据推荐的目标值对该时刻的可控参数进行调控。2.如权利要求1所述的系统,其特征在于,所述的数据预处理模块中,数据异常值处理、空值处理,通过数据筛选和数据清洗实现。数据异常值处理、空值处理,由特征简约和数据变换实现。3.如权利要求1所述的系统,其特征在于,所述的立磨健康状态评估指标挖掘模块中,一种综合的特征筛选方法由随机lasso、岭回归、随机森林、稳定性选择和递归特征消除这五种方法综合组成,对工况数据进行挖掘分析,得到影响立磨稳定的关键参数,确定振动、料层厚度、磨机压差、磨机出口温度4个参数共同作为立磨健康状态评估的指标。4.如权利要求1所述的系统,其特征在于,所述的综合的特征筛选方法通过求解输入变量和输出变量之间的关系,对每种算法的得分结果均利用最大最小值的规范化方法进行处理,把得分限制在了[0,1]之间,然后求每个参数特征的平均得分,把平均值作为特征重要性排序的依据,按照处理后的得分结果对特征的重要度进行评估,进行特征值选择。5.如权利要求1所述的系统,其特征在于,所述的立磨健康状态聚类分析模块,基于确定的立磨健康状态评估的指标,对工况状态进行k-means聚类挖掘分析,得到的各个工况簇的特点,获得历史工况中的各个状态分布情况,选取k=3,...
【专利技术属性】
技术研发人员:纪杨建,代风,万安平,张真,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。