【技术实现步骤摘要】
本专利技术涉及矿产加工领域，尤其涉及一种磨煤机运行数据的处理方法、一种磨煤机运行数据的处理装置，以及一种计算机可读存储介质。
技术介绍
1、矿产加工过程是一个高度复杂的动态系统，涉涉及开采、破碎和筛选、洗选、分级和处理以及运输步骤，磨煤机在矿产加工过程的破碎和筛选步骤中具有重要的作用，提高磨煤机的运行效率将会具有极大的经济效益和环境效益。为了实时了解和控制磨煤机加工运行过程的状态，需要监测大量的运行指标。尽管传感器技术的进步使得大部分工艺指标可以实时监测，仍有一些重要指标无法在线获得，需要通过模型预测获得。然而，由于煤矿加工过程中存在原料成分品质不一、生产工况波动频繁等问题，现有的预测模型对于运行参数的设置与调整依赖于人工决策，难以与实际生产工况精准匹配，进而导致产品质量下降、产品质量波动大、碳排放偏高等问题。
2、为了克服现有技术存在的上述缺陷，本领域亟需一种磨煤机运行数据的处理方法，用于为矿产加工过程中运行参数的设置与调整提供指导，使其与实际生产的目标工况相匹配，以提升磨煤机的运行效率，减少副产物和碳排放。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
2、为了克服现有技术存在的上述缺陷，本专利技术提供了一种磨煤机运
3、具体来说，根据本专利技术的第一方面提供的上述磨煤机运行参数的处理方法包括以下步骤：获取磨煤机的第一运行参数序列。所述第一运行参数序列包括多种运行参数。所述多种运行参数选自电压、电流、温度中的至少一者；将所述第一运行参数序列输入预先训练的随机森林模型，计算各所述运行参数的重要性，以选取重要性大于第一阈值的运行参数作为所述磨煤机的关键参数；以及根据各所述关键参数及对应的运行指标，利用灰色关联分析法，确定各所述关键参数与所述运行指标的关联程度。所述运行指标至少包括机组负荷。
4、进一步地，在本专利技术的一些实施例中，训练所述随机森林模型的步骤包括：获取所述磨煤机的训练样本数据集。所述训练样本数据集包括多个训练样本的多组历史运行参数及对应的运行指标真实值；构建待训练的随机森林模型；以及根据所述训练样本数据集，训练所述随机森林模型。
5、进一步地，在本专利技术的一些实施例中，所述根据所述训练样本数据集，训练所述随机森林模型的步骤包括：对所述训练样本数据集进行数据清洗，并将训练样本数据集划分为训练集及测试集；使用所述训练集对所述随机森林模型进行训练，并使用所述测试集对所述随机森林模型进行测试，以确定所述随机森林模型的模型损失值；响应于所述模型损失值大于预设的损失阈值，重新定义所述随机森林模型的超参数，并根据重新定义的超参数，重新进行所述随机森林模型的训练；以及响应于所述模型损失值小于或等于所述损失阈值，判定完成所述随机森林模型的训练。
6、进一步地，在本专利技术的一些实施例中，所述对所述训练样本数据集进行数据清洗的步骤包括：删除所述训练样本数据集中数据缺失的训练样本；响应于所述磨煤机的运行参数中的电流属性为弧线离线报错状态，删除对应所述磨煤机的非运行状态时的训练样本；以及响应于所述磨煤机的运行参数中的电流值小于第二阈值，删除对应所述磨煤机的非正常状态时的训练样本。
7、进一步地，在本专利技术的一些实施例中，所述使用所述训练集对所述随机森林模型进行训练的步骤包括：从所述训练集中随机抽取所述训练样本，以构建子训练集，并从所述训练集中随机选择特征子集，以构建决策树的每个节点；利用各所述子训练集及各所述特征子集，构建所述随机森林模型中的多个决策树；以及分别利用各所述决策树对所述训练样本进行预测，并将预测结果进行组合：
8、
9、其中，为所述训练样本x的预测值。n为所述随机森林模型中的决策树的数量。ti(x)为第i棵决策树对所述训练样本x的预测值。
10、进一步地，在本专利技术的一些实施例中，所述将所述第一运行参数序列输入预先训练的随机森林模型，并计算各所述运行参数的重要性的步骤包括：将所述第一运行参数序列输入预先训练的随机森林模型，并计算所述随机森林模型对所述第一运行参数序列进行预测的第一性能指标；分别将所述第一运行参数序列中的各所述运行参数进行打乱，以形成第二运行参数序列；将所述第二运行参数序列输入预先训练的随机森林模型，并计算所述随机森林模型对所述第二运行参数序列进行预测的第二性能指标；以及计算各所述运行参数的第一性能指标与第二性能指标的差值，以作为各所述运行参数的重要性。
11、进一步地，在本专利技术的一些实施例中，所述根据各所述关键参数及对应的运行指标，利用灰色关联分析法，确定各所述关键参数与所述运行指标的关联程度的步骤如下：获取各所述关键参数的第一序列x，以及运行指标的第二序列y：
12、x＝{x1(1)，x1(2)，…，x1(k)}，......，xn＝{xn(1)，xn(2)，…，xn(k)}
13、y＝{y(1)，y(2)，…，y(k)}
14、其中，k为所述第一序列及所述第二序列中的样本个数。n为所述关键参数的个数；计算所述第一序列x及所述第二序列y之间的最小差a以及最大差b：
15、
16、利用灰色关联分析方法，计算所述关键参数与所述运行指标的关联程度：
17、
18、其中，γ(x0,xi)为第i个关键参数的关联程度平均值，用于指示所述关键参数与所述运行指标的关联程度。
19、进一步地，在本专利技术的一些实施例中，所述确定各所述关键参数与所述运行指标的关联程度之后，还包括以下步骤：根据所述磨煤机的目标工况的运行指标，以及各所述关键参数与所述运行指标的关联程度，确定对应的至少一个关键参数的取值；以及根据所述取值，调节对应的关键参数，以将所述磨煤机切换到所述目标工况。
20、此外，根据本专利技术的第二方面提供的上述磨煤机运行参数的处理装置包括存储器及控制器，所述存储器上存储有计算机指令。所述控制器连接所述存储器，并配置用于执行其上存储的计算机指令，以实施如本专利技术的第一方面提供的磨煤机运行参数的处理方法。
21、此外，根据本专利技术的第三方面提供的上述计算机可读存储介质，其上存储有计算机指令。所述计算机指令被处理器执行时，实施如本专利技术的第一方面提供的磨煤机运行参数的处理方法。
本文档来自技高网...【技术保护点】
1.一种磨煤机运行参数的处理方法，其特征在于，包括以下步骤：
2.如权利要求1所述的确定方法，其特征在于，训练所述随机森林模型的步骤包括：
3.如权利要求2所述的确定方法，其特征在于，所述根据所述训练样本数据集，训练所述随机森林模型的步骤包括：
4.如权利要求3所述的确定方法，其特征在于，所述对所述训练样本数据集进行数据清洗的步骤包括：
5.如权利要求3所述的处理方法，其特征在于，所述使用所述训练集对所述随机森林模型进行训练的步骤包括：
6.如权利要求1所述的处理方法，其特征在于，所述将所述第一运行参数序列输入预先训练的随机森林模型，并计算各所述运行参数的重要性的步骤包括：
7.如权利要求1所述的处理方法，其特征在于，所述根据各所述关键参数及对应的运行指标，利用灰色关联分析法，确定各所述关键参数与所述运行指标的关联程度的步骤如下：
8.如权利要求1所述的处理方法，其特征在于，所述确定各所述关键参数与所述运行指标的关联程度之后，还包括以下步骤：
9.一种磨煤机运行参数的处理装置，其特征在
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实施如权利要求1～8中任一项所述的磨煤机运行参数的处理方法。
...【技术特征摘要】
1.一种磨煤机运行参数的处理方法，其特征在于，包括以下步骤：
2.如权利要求1所述的确定方法，其特征在于，训练所述随机森林模型的步骤包括：
3.如权利要求2所述的确定方法，其特征在于，所述根据所述训练样本数据集，训练所述随机森林模型的步骤包括：
4.如权利要求3所述的确定方法，其特征在于，所述对所述训练样本数据集进行数据清洗的步骤包括：
5.如权利要求3所述的处理方法，其特征在于，所述使用所述训练集对所述随机森林模型进行训练的步骤包括：
6.如权利要求1所述的处理方法，其特征在于，所述将所述第一运行参数序列输入预先训练的...
【专利技术属性】
技术研发人员：杜文莉，彭鑫，钟伟民，钱锋，李智，刘毓蓉，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：
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。