水泥回转窑状态识别方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例属于人工智能领域，涉及一种水泥回转窑状态识别方法、装置、计算机设备及存储介质，方法包括：获取水泥回转窑的运行数据；将运行数据输入初始自编码器得到已编码数据和重构数据；根据运行数据和重构数据计算重构误差，根据重构误差和已编码数据生成融合数据；将融合数据输入初始聚类模型得到聚类预测结果并基于聚类预测结果将运行数据与窑况状态相关联；基于运行数据、重构数据、已编码数据和聚类预测结果计算联合损失，根据联合损失调整初始自编码器和初始聚类模型得到自编码器和聚类模型，以构建状态识别模型；将待识别数据输入状态识别模型，得到状态识别结果。本申请提高了水泥回转窑状态识别的准确性。请提高了水泥回转窑状态识别的准确性。请提高了水泥回转窑状态识别的准确性。

【技术实现步骤摘要】
水泥回转窑状态识别方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能和水泥生产
，尤其涉及一种水泥回转窑状态识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]水泥烧成过程具有非线性、多变量、强耦合、大时滞和时变等特性，这使得水泥回转窑的窑况十分复杂。水泥回转窑是水泥生产的主要设备。在水泥烧成过程中，需要对窑况状态进行识别，以对水泥回转窑进行控制，提高水泥烧成的合格率。同时，随着能源供应日趋紧张，烧制水泥所需的电力、煤炭等能源价格一路拉高，根据水泥回转窑状态对水泥回转窑进行优化控制，改善水泥生产核心环节的节能降耗，具有十分重要的意义。
[0003]然而，传统的水泥回转窑状态识别技术主要依靠现场操作员的人工经验，由于窑况的复杂，人工对水泥回转窑状态的识别准确性较低，已经越来越不适合当今的水泥回转窑系统。

技术实现思路

[0004]本申请实施例的目的在于提出一种水泥回转窑状态识别方法、装置、计算机设备及存储介质，以解决水泥回转窑状态识别准确率较低的问题。
[0005]为了解决上述技术问题，本申请实施例提供一种水泥回转窑状态识别方法，采用了如下所述的技术方案：
[0006]获取水泥回转窑的运行数据；
[0007]将所述运行数据输入初始自编码器，得到已编码数据和重构数据；
[0008]根据所述运行数据和所述重构数据计算重构误差，并根据所述重构误差和所述已编码数据生成融合数据；
[0009]将所述融合数据输入初始聚类模型得到聚类预测结果，并基于所述聚类预测结果的重构误差将所述运行数据与窑况状态相关联；
[0010]基于所述运行数据、所述重构数据、所述已编码数据和所述聚类预测结果计算联合损失；
[0011]根据所述联合损失调整所述初始自编码器和所述初始聚类模型，直至所述联合损失满足训练停止条件，得到自编码器和聚类模型，并基于所述自编码器和所述聚类模型构建状态识别模型；
[0012]将待识别数据输入所述状态识别模型，得到状态识别结果。
[0013]为了解决上述技术问题，本申请实施例还提供一种水泥回转窑状态识别装置，采用了如下所述的技术方案：
[0014]运行获取模块，用于获取水泥回转窑的运行数据；
[0015]运行重构模块，用于将所述运行数据输入初始自编码器，得到已编码数据和重构数据；
[0016]计算模块，用于根据所述运行数据和所述重构数据计算重构误差，并根据所述重构误差和所述已编码数据生成融合数据；
[0017]融合输入模块，用于将所述融合数据输入初始聚类模型得到聚类预测结果，并基于所述聚类预测结果的重构误差将所述运行数据与窑况状态相关联；
[0018]损失计算模块，用于基于所述运行数据、所述重构数据、所述已编码数据和所述聚类预测结果计算联合损失；
[0019]模型训练模块，用于根据所述联合损失调整所述初始自编码器和所述初始聚类模型，直至所述联合损失满足训练停止条件，得到自编码器和聚类模型，并基于所述自编码器和所述聚类模型构建状态识别模型；
[0020]状态识别模块，用于将待识别数据输入所述状态识别模型，得到状态识别结果。
[0021]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0022]获取水泥回转窑的运行数据；
[0023]将所述运行数据输入初始自编码器，得到已编码数据和重构数据；
[0024]根据所述运行数据和所述重构数据计算重构误差，并根据所述重构误差和所述已编码数据生成融合数据；
[0025]将所述融合数据输入初始聚类模型得到聚类预测结果，并基于所述聚类预测结果的重构误差将所述运行数据与窑况状态相关联；
[0026]基于所述运行数据、所述重构数据、所述已编码数据和所述聚类预测结果计算联合损失；
[0027]根据所述联合损失调整所述初始自编码器和所述初始聚类模型，直至所述联合损失满足训练停止条件，得到自编码器和聚类模型，并基于所述自编码器和所述聚类模型构建状态识别模型；
[0028]将待识别数据输入所述状态识别模型，得到状态识别结果。
[0029]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0030]获取水泥回转窑的运行数据；
[0031]将所述运行数据输入初始自编码器，得到已编码数据和重构数据；
[0032]根据所述运行数据和所述重构数据计算重构误差，并根据所述重构误差和所述已编码数据生成融合数据；
[0033]将所述融合数据输入初始聚类模型得到聚类预测结果，并基于所述聚类预测结果的重构误差将所述运行数据与窑况状态相关联；
[0034]基于所述运行数据、所述重构数据、所述已编码数据和所述聚类预测结果计算联合损失；
[0035]根据所述联合损失调整所述初始自编码器和所述初始聚类模型，直至所述联合损失满足训练停止条件，得到自编码器和聚类模型，并基于所述自编码器和所述聚类模型构建状态识别模型；
[0036]将待识别数据输入所述状态识别模型，得到状态识别结果。
[0037]与现有技术相比，本申请实施例主要有以下有益效果：获取水泥回转窑的运行数
据；将运行数据输入初始自编码器进行特征提取得到已编码数据，再重构拟合得到重构数据，从而从运行数据中提取最有信息量的特征；根据运行数据和重构数据计算重构误差，根据重构误差和已编码数据生成融合数据，融合数据被输入初始聚类模型，将状态预测转换为聚类问题，得到聚类预测结果，聚类预测结果是不同窑况状态的运行数据的集合，不同窑况状态的运行数据具有不同的重构误差，因此可以确定运行数据所对应的窑况状态，从而学习到各窑况状态下运行数据的数据分布；基于运行数据、重构数据、已编码数据和聚类预测结果计算联合损失，从而调整初始自编码器和初始聚类模型，直至得到自编码器和聚类模型，并将自编码器和聚类模型构建为状态识别模型；将待识别数据输入状态识别模型，得到状态识别结果；本申请无需人工介入，通过聚类进行数据特征提取和推理判断，可以自顶向下地挖掘有助于聚类分析的数据规律，提高了水泥回转窑状态识别的准确性。
附图说明
[0038]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本申请可以应用于其中的示例性系统架构图；
[0040]图2是根据本申请的水泥回转窑状态识别方法的一个实施例的流程图；
[0041]图3是根据本申请的一个实施例的自编码器的示意图；
[0042]图4是根据本申请的水泥回转窑状态识别装置的一个实施例的结构示意图；
[0043]图5是根据本申请的计算机设备的一个实施例的结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水泥回转窑状态识别方法，其特征在于，包括下述步骤：获取水泥回转窑的运行数据；将所述运行数据输入初始自编码器，得到已编码数据和重构数据；根据所述运行数据和所述重构数据计算重构误差，并根据所述重构误差和所述已编码数据生成融合数据；将所述融合数据输入初始聚类模型得到聚类预测结果，并基于所述聚类预测结果的重构误差将所述运行数据与窑况状态相关联；基于所述运行数据、所述重构数据、所述已编码数据和所述聚类预测结果计算联合损失；根据所述联合损失调整所述初始自编码器和所述初始聚类模型，直至所述联合损失满足训练停止条件，得到自编码器和聚类模型，并基于所述自编码器和所述聚类模型构建状态识别模型；将待识别数据输入所述状态识别模型，得到状态识别结果。2.根据权利要求1所述的水泥回转窑状态识别方法，其特征在于，在所述将所述运行数据输入初始自编码器，得到已编码数据和重构数据的步骤之前，还包括：通过标准差算法检测所述运行数据中的异常样本，以剔除所述运行数据中的异常样本；计算剔除所述异常样本后的所述运行数据中各工艺特征间的相关系数，以根据所述相关系数对剔除所述异常样本后的所述运行数据进行降维处理；对降维处理后的所述运行数据进行标准化处理。3.根据权利要求1所述的水泥回转窑状态识别方法，其特征在于，所述将所述运行数据输入初始自编码器，得到已编码数据和重构数据的步骤包括：将所述运行数据输入初始自编码器中的编码器，以通过所述编码器中各卷积层和各瓶颈层对所述运行数据进行编码处理，得到已编码数据；将所述已编码数据输入所述初始自编码器中的解码器，以通过所述解码器中的各反卷积层对所述已编码数据进行解码处理，得到重构数据。4.根据权利要求1所述的水泥回转窑状态识别方法，其特征在于，所述初始自编码器包括第一自编码器和第二自编码器，所述初始聚类模型包括第一聚类模型和第二聚类模型，所述第一自编码器与所述第一聚类模型相连接，所述第二自编码器与所述第二聚类模型相连接；所述将所述融合数据输入初始聚类模型得到聚类预测结果，并基于所述聚类预测结果的重构误差将所述运行数据与窑况状态相关联的步骤包括：在进行第一阶段训练时，将所述第一自编码器输出的融合数据输入所述第一聚类模型，得到第一聚类预测结果；所述第一自编码器用于对全量的所述运行数据进行处理；根据所述第一聚类预测结果的重构误差将所述运行数据划分为大众样本和小众样本，并指示所述第一自编码器与所述第一聚类模型将所述大众样本标记为窑况平稳样本；在进行第二阶段训练时，将所述第二自编码器输出的融合数据输入所述第二聚类模型，得到第二聚类预测结果；所述第二自编码器用于对所述小众样本进行处理；根据所述第二聚类预测结果的重构误差将所述小众样本划分为窑况优良样本和窑况次等样本，并指示所述第二自编码器与所述第二聚类模型将所述小众样本与所述窑况优良
样本或所述窑况次等样本相关联。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：刘雨桐，胡要林，景世青，欧阳葆青，江开放，王国勋，雷晓宇，张兴，李婉莹，
申请(专利权)人：华润水泥投资有限公司，
类型：发明
国别省市：