基於最小二乘－支持向量機的制粉過程煤粉細度軟測量方法
2023-11-07 11:20:37
專利名稱：基於最小二乘－支持向量機的制粉過程煤粉細度軟測量方法
技術領域：
本發明屬於自動化測量技術領域，特別涉及對制粉過程中用於煤粉研磨的由鋼球磨煤機、粗粉分離器和布袋收集器組成的中儲式鋼球磨煤機制粉系統的最終產品——煤粉的細度指標進行軟測量的方法。
背景技術：
制粉生產中，由鋼球磨煤機、粗粉分離器和布袋收集器組成的中儲式鋼球磨煤機廣泛用於將煤粉研磨至工藝要求的細度範圍內。煤粉的細度是考核制粉過程的重要工藝指標，是提高產品質量和經濟效益的重要因素，對於採用燃煤方式的發電、燒結等過程控制佔有十分重要的地位。目前，煤粉細度在線檢測的工業應用中，由於實際條件的限制，沒有進行工業性試驗，沒有實際的可操作性，沒有成熟的檢測裝置，在實際生產過程中主要依靠採樣、化驗的方式離線獲得。該方法的不足在於1.人工操作時人為因素影響大，測量結果的客觀性差；2.測量的時間間隔長，測量結果反饋的時間也長，因此得到的信息對操作人員缺乏指導意義；3.對煤粉取樣時不可避免出現煤粉洩露現象，造成環境汙染。由於樣本數據數量有限和較大的幹擾誤差對訓練的影響，採用常見的神經網絡方法，模型的收斂速度慢，並且容易出現過擬合現象。
發明內容
為了解決現有的制粉過程煤粉細度測量方法之不足，本發明提供一種基於最小二乘-支持向量機的煤粉細度軟測量方法，通過常規在線測量儀表提供的輔助變量的測量參數，給出當前的煤粉細度的估計值，為制粉過程的優化操作和優化運行提供關鍵工藝指標。
本發明方法由硬體平臺及測量軟體組成，其中硬體平臺核心由鋼球磨煤機、粗粉分離器、布袋收集器以及相關設備組成，同時配備了測量儀表以及進行軟體計算的計算機系統。其硬體的聯接是球磨機的輸入端與給煤機、熱風和冷風管道相接，球磨機輸出端與粗粉分離器連接，粗粉分離器的回粉管道與磨機輸出端連接，出口與布袋除塵器相接，煤粉經布袋收集器實現風粉分離，煤粉由輸送裝置送入煤粉倉。詳細結構如圖1所示。以鋼球磨煤機、粗粉分離器、布袋收集器組成的制粉系統，其測量儀表包括
在熱風管道上安裝一個熱電偶，用於在線測量熱風溫度TRFWD；在磨機出口管道上安裝一個熱電偶，用於在線測量磨機出口煤粉溫度TCKWD；在磨機和布袋收集器的給料管道、出料管道上分別安裝四個壓力計，用於在線測量磨機進出口壓力PMRPL、PMCYL和布袋收集器進出口壓力PSRYL、PSCYL用於計算磨機和布袋除塵器差壓PMJCY、PSJQCY；給煤機轉速的反饋信號，用於估計給煤量WGMJZS；如果有給煤量的測量信號，直接使用給煤量的檢測值。本說明書中用給煤機轉速WGMJZS估計給煤量。
該磨礦系統同時配置了控制計算機(分布式計算機控制系統(DCS)、或可編程邏輯控制器(PLC)、或工業控制計算機(IPC))或數據採集器、用以採集測量儀表的信號。
本發明的軟測量軟體既可以運行在可編程邏輯控制器上、計算機控制系統的監控計算機上，也可以運行於獨立的計算機上，該軟體通過與控制計算機或數據採集器進行通訊，獲得實時的過程數據，並給出煤粉細度的估計結果。
本發明方法包括以下步驟(1)輔助變量的選擇，(2)樣本數據的結構，(3)樣本的組成，(4)基於最小二乘-支持向量機軟測量模型，(5)模型參數的校正。
(1)輔助變量的選擇，從影響煤粉細度的經驗和理論分析煤粉細度的相關因素分析，本發明選擇輔助變量都是通過儀表在線檢測得到的，包括以下輔助變量熱風溫度TRFWD；磨煤機出口溫度TCKWD；磨煤機差壓PMJCY磨機入口壓力PMRPL與磨機出口壓力PMCYL的差值；收集器工作周期的差壓最大值PMAXSJQCY布袋收集器入口壓力PSRYL與布袋收集器出口力PSCYL工作周期的最大差值；給煤機轉速WGMJZS，或給煤量。
(2)樣本數據的結構煤粉磨製過程按照如下的結構組成樣本，並收集樣本數據。樣本表達為{xk，yk}，其中xk為樣本的輸入，既選取的輔助變量——熱風溫度TRFWD、磨煤機出口溫度TCKWD、磨煤機差壓PMJCY、收集器工作周期的差壓最大值PMAXSJQCY、給煤機轉速WGMJZS。樣本的輸出為待估計的主導變量——煤粉細度LMFXD。樣本採集記錄結構如表1，時間為樣本獲取的時間，為減少化驗誤差，根據同一樣本煤粉細度採用三次化驗結果進行樣本取捨，最後取平均值表1樣本數據結構
考慮到樣本數據應該具有代表性，並且儘可能覆蓋範圍較寬，至少應該包括工業對象正常工作範圍，通過手動調節風閥開度、給煤機頻率，在生產允許的範圍內儘可能改變系統的工作點，每次操作條件改變系統運行平穩後取樣化驗。
(3)樣本的組成本發明用於軟測量模型的樣本數據由三組組成模型訓練樣本、誤差訓練樣本和驗證樣本組成。考慮到訓練樣本數據應該具有代表性，並且儘可能覆蓋範圍較寬，至少應該包括工業對象正常工作範圍，通過手動調節排風閥開度、給煤機頻率，在生產允許的範圍內改變系統的工作點，每次操作條件改變後，當系統運行平穩後取樣化驗。在實際生產過程中，對煤粉細度抽查化驗時按照表一紀錄，獲得一定數量的樣本數據，將該部分數據分為兩組，一組用於模型誤差最小的訓練來選擇模型的參數，另一組用於模型的驗證。
(4)基於最小二乘支持向量機軟測量模型本發明的基於最小二乘支持向量機軟測量模型，其模型訓練的基本流程框圖如圖2所示。包括如下詳細步驟(A)初始化進行所有變量的初始化。
(B)是否進行軟測量？如果是，則轉至(C)，根據輸入數據和軟測量模型預測煤粉細度；如果否，則轉至(G)，進行模型訓練、驗證與參數修正的過程。
步驟(C)至(F)為軟測量模型應用流程，根據輸入數據和軟測量模型預測煤粉細度。
(C)讀取當前工況數據；也就是在線讀取需要進行細度軟測量的當前工況輔助變量的描述參數。
(D)輸入數據標準化將輸入變量參數數據進行標準化處理。
(E)軟測量模型計算把經過處理的輸入數據代入到經過訓練、驗證後的如下模型計算煤粉細度的軟測量結果。
y(x)=k=1kkk(x,xk)+b]]>式中xk——樣本的輸入，既選取的輔助變量——熱風溫度TRFWD、磨煤機出口溫度TCKWD、磨煤機差壓PMJCY、收集器工作周期的差壓最大值PMAXSJQCY、給煤機轉速WGMJZS；y(x)——待估計的主導變量——煤粉細度LMFXDαk、b——訓練後的模型係數；k＝1，2，...，n；(F)顯示並保存細度軟測量結果將最小二乘-支持向量機模型計算的煤粉細度的軟測量值顯示在人機界面上，並與當前其他參數描述一起保存到歷史資料庫中，以供實際化驗比較及其它操作使用。
為了充分發揮本發明的細度軟測量模型的功能，軟測量程序應能實時自動讀取當前工況描述，具體時限長短根據具體工藝情況確定，然後自動對讀取的當前工況描述進行細度軟測量計算，把軟測量結果顯示在操作者或者技術工人容易看到的畫面上(可以是監控畫面的「優化管理」畫面)，並把結果及其它數據保存到相關資料庫中。
步驟(G)至(T)為模型訓練、驗證與參數修正的過程。
(G)選擇模型誤差懲罰參數集和核參數集根據具體情況確定對模型訓練使用的誤差懲罰參數和核參數的區間範圍，該區間應當包含模型的最優參數，以便從中選擇最佳的模型參數。
(H)所有樣本數據標準化將訓練樣本、誤差評價樣本和模型驗證樣本進行標準化處理，用於模型訓練、誤差評價和模型驗證的輸入。
(I)讀入訓練樣本數據讀入準備用於模型訓練的樣本數據(J)調整模型誤差懲罰參數和核參數從誤差懲罰參數和核參數的範圍設置的下限開始，每次每個參數循環增加一個步長，作為調整後的參數，用於建立相應的模型對該組參數進行誤差評價。
(K)建立模型基於最小二乘-支持向量機的模型建立過程描述如下本發明以採用徑向基核函數(RBF)為例建立軟測量模型，該核函數形式為k(xk,xl)=exp(-||xk-xl||222)]]>式中δ——核參數；該軟測量模型根據以下推導過程有對於給定訓練集為{xk，yk}k＝1n，其中xk∈Rdyk∈R，φ(.)，d為輔助變量個數。支持向量機的基本建模思想是通過非線性映射φ(.)，把輸入樣本從輸入空間Rd映射到特徵空間φ(x)＝(φ1(x)，φ2(x)，...φn(x))，從而將非線性估計問題轉化為高維特徵空間的線性函數估計問題。即採用如下形式的函數對模型函數進行估計f(x)＝WTφ(xk)+b，(W∈Rdn，b∈R)式中WT——權向量b——偏置量根據問題求解目標和結構化風險最小為原則，上式需要同時滿足下式|yk-WT(xk)+b|,minJ=12WTW]]>採用最小二乘-支持向量機方法，即定義誤差損失函數為誤差的二次項ek2，上述問題可以表述為在權空間W內，minJ(W,e)=12WTW+12i=1nek2]]>滿足約束條件yk＝WT_(xk)+b+ek(k＝1，2，...，n)。其中γ為誤差懲罰因子。用拉格朗日方法求解上述優化問題，定義拉格朗日函數如下 其中αk(k＝1，2，…n)為拉格朗日乘子。上述問題歸結為二次規劃問題，令Lek=0,LW=0,Lk=0,Lb=0]]>消除W，e，有0lTl+1Iba=0y,]]>其中y＝[y1，y2，y3，...yn]；l＝[1，1，1，...1]；α＝[α1，α2，α3，...αn]；Ωkl＝_(xk)T_(xl)；k＝1，2，...，n。
通過上式確定係數b和α，得到軟測量模型為y(x)=k=1kkk(x,xk)+b]]>(L)讀取誤差評價樣本數據讀入準備用於誤差評價的一組樣本數據(M)記錄誤差評價結果和參數取誤差訓練樣本數據集S，包含樣本數目為l，定義誤差函數e1=i=1lei2=i=1l(yi-(k=1nkk(xi,xk)+b))2]]>e2=max(yi-(k=1nkk(xi,xk)+b))2]]>其中i＝1，2，...，l。選擇最終誤差評價函數為e(γ，δ)＝min(e1+ηe2)式中γ——誤差懲罰參數；δ——核參數；η——權重參數；根據經驗選擇均方差和最大方差的權重，一般可以選擇η＝1。在給定的參數區間內利用(K)建立的軟測量模型得到誤差評價指標，並記錄對應的參數。
(N)參數調整是否已經到上限若γ+l＞γup(γ為誤差懲罰參數，l為調整步長，γup為懲罰參數範圍的上限)和δ+l＞γup(δ為核參數、l為調整步長，δup為核參數範圍的上限)同時滿足，則說明所有參數組合的誤差評價工作完成；否則重複(J)～(N)的工作。
(O)選擇誤差評價最好的模型參數將(M)中記錄的誤差評價指標，尋找其中的極小值，為誤差評價最好的模型參數，選擇對應的參數為模型參數。
(P)確定模型根據(O)中選擇的模型參數，確定模型訓練結果，確定軟測量模型。
(Q)讀入驗證樣本數據讀入準備用於模型驗證的一組樣本數據(R)模型驗證採用(P)中的模型按照(M)中的e1指標和e2指標。
(S)驗證精度是否滿意用驗證樣本數據對軟測量模型進行驗證，比較軟測量模型的輸出和實際化驗值。如果模型輸出值與實際化驗值的比較誤差在誤差允許範圍內，該模型可以用於實際煤粉細度在線估計；如果該模型輸出值與實際化驗值的比較誤差較大，分析訓練樣本數據，繼續實驗，適當增加訓練樣本數據，重複(B)～(S)的工作。
(T)重新構造訓練樣本驗證精度不能滿足軟測量的需要，需要增加試驗次數，重新構造訓練樣本。
(U)結束(5)模型參數的校正隨著時間的推移，化驗得到的樣本數據不斷增加，為進一步修正模型參數，提高模型精度提供了可能。選擇典型的樣本添加到訓練樣本，如果重新訓練的軟測量模型能夠明顯提高模型的精度，則用新的模型代替原有模型，否則不改變原模型。如果新的樣本數據重複出現樣本輸入條件相同或相近，而樣本輸出相差較大的情況，用新樣本代替原樣本數據，重新訓練模型，替換原有模型。
本發明的優點在於利用計算機系統和常規的檢測儀表提供的在線過程數據，僅僅通過少量的人工採樣，實現了煤粉細度的基於最小二乘-支持向量機的軟測量。解決了沒有煤粉細度在線檢測儀表難以在線檢測的難題；與人工取樣化驗相比，減少了操作人員的工作量，降低了人為操作引入的測量的不確定性，提高了測量的時效性，減少了取樣帶來的煤粉洩漏的問題。與傳統的模糊和神經網絡軟測量方法相比本發明中軟測量方法克服了輸入維數高、樣本數量少和由於系統幹擾因素多樣本有時引入較大的誤差造成的模型泛化和過擬合的問題。另外，由於本發明全面考慮了影響煤粉細度的因素，大量採用現有的常規檢測信號來實現煤粉細度的在線估計，應用簡單、容易，成本較低，軟測量結果也較精確。該方法有助於實現制粉過程的優化控制和優化運行。
圖1制粉過程的流程、測量儀表及計算機配置圖；圖2基於最小二乘-支持向量機的制粉過程煤粉細度軟測量模型建立流程1中1鋼球磨煤機，2布袋收集器，3粗粉分離器，4給煤機，5布袋收集器入口壓力計，6布袋收集器入出口壓力計，7給煤機變頻轉速或者給煤量稱重，8熱電偶，9磨煤機入口壓力計，10磨煤機出口壓力計，11熱電阻，12PLC、控制計算機或專用計算機圖1中所用標記符號如下熱風溫度——TRFWD磨機出口溫度——TCKWD磨機入口壓力——PMRPL磨機出口壓力——PMCYL布袋收集器入口壓力——PSRYL布袋收集器出口壓力——PSCYL給煤機轉速或給煤量——WGMJZS在圖1中，實線箭頭表示物流(煤粉，熱風和冷風)，虛線表示信號流。
具體實施例方式
以氧化鋁燒成迴轉窯所用的鋼球磨煤機制粉系統為例，如圖1所示煤粉磨製過程由給煤機、磨煤機、粗粉分離器和布袋除塵器、煤粉倉等設備組成。原煤和熱風在球磨機內磨製和乾燥，煤粉在排風機的作用下進入粗粉分離器，回粉從段倉返回到磨機繼續研磨，合格煤粉經布袋除塵器實現風粉分離，煤粉由輸送裝置送入煤粉倉。
磨煤機規格為Φ3.2×9.5m，設計生產能力28t/h，磨煤機分為烘乾倉、球倉、段倉三倉；主電機型號YR80-8/1180，額定功率800KW。
該磨煤機系統具有本說明書的要求安裝如下的測量儀表，包括熱風溫度；磨煤機出口溫度；磨煤機進出口壓力；收集器進出口壓力；
給煤機轉速反饋。
以可編程控制器(PLC)實現基礎控制迴路的自動控制，並根據模型需要濾波、計算得到熱風溫度TRFWD；磨煤機出口溫度TCKWD；磨煤機差壓PMJCY；收集器工作周期的差壓最大值PMAXSJQCY；給煤機轉速WGMJZS。
讀取上述的過程數據。在監控計算機中以西門子的WINCC軟體實現監控人機界面。該制粉系統的煤粉細度(175#篩上)正常工作範圍，在供應兩臺窯時指標設定為15％～20％。
軟測量模型用西門子PLC的step7的模塊化編程實現，數據存儲在DB塊中。在WINCC監控系統提供模型數據的修改接口，用於離線分析更改模型參數。軟測量軟體在PLC上運行，有效的保證了模型輸出的時效性，方便了系統的過程監控。
按照本說明書所述的實現方法選擇輔助變量，獲取實驗樣本，建立軟測量模型，並通過誤差最小訓練，獲得模型參數，得到γ＝0.5和δ＝0.8。在該參數下，計算a，b的值分別為b＝19.4587；a＝[-3.16 -1.11 -1.86 -2.6 0.77 2.6 1.78 17.35 -3.04 5.41 -3.97 -1.95-9.04 0.68 -2.54 1.61 -0.32 -0.97 0.36]本實例由於收集器的工作周期為336s，每隔336s得到一次收集器的最大差壓值，從而運行一次軟測量程序，進行一次該時間工況下的細度軟測量，並通過監控計算機把軟測量結果輸出到系統管理畫面，為操作者或相關技術工人進行參數優化和監督操作提供一個很好的的參考、指導作用，同時把軟測量結果保存到系統實時資料庫中。
本發明即基於最小二乘-支持向量機的煤粉細度軟測量模型在制粉系統正常運行期間，能夠根據過程的實時數據估計煤粉粒度，相對誤差不超過2％，成為一個具有很高實用價值的、低成本的細度計量手段。
權利要求
1.一種基於最小二乘-支持向量機的制粉過程煤粉細度指標軟測量方法，該方法依賴硬體平臺及測量儀表和計算機系統，其特徵在於通過控制計算機或數據採集器獲得實時的過程數據，進行軟測量，該方法包括以下步驟(1)輔助變量的選擇，選擇的輔助變量包括熱風溫度TRFWD；磨煤機出口溫度TCKWD；磨煤機差壓PMJCY磨機入口壓力PMRPL與磨機出口壓力PMCYL的差值；收集器工作周期的差壓最大值PMAXSJQCY布袋收集器入口壓力PSRYL與布袋收集器出口壓力PSCYL工作周期的最大差值；給煤機轉速WGMJZS，或給煤量；(2)確定樣本數據的結構，如下表
其中xk為樣本的輸入，既選取的輔助變量——熱風溫度TRFWD、磨煤機出口溫度TCKWD、磨煤機差壓PMJCY、收集器工作周期的差壓最大值PMAXSJQCY、給煤機轉速WGMJZS，樣本的輸出yk為待估計的主導變量——煤粉細度LMFXD；(3)樣本的組成用於軟測量模型的樣本數據由三組組成模型訓練樣本、誤差訓練樣本和驗證樣本組成；對煤粉細度抽查化驗時按照樣本數據結構紀錄，獲得一定數量的樣本數據，將該部分數據分為兩組，一組用於模型誤差最小的訓練來選擇模型的參數，另一組用於模型的驗證；(4)建立基於最小二乘-支持向量機軟測量模型，如下式y(x)=k=1kkk(x,xk)+b]]>αk、b——訓練後的模型係數；k＝1，2，...，n；然後進行模型的訓練、參數選擇及模型驗證；(5)模型參數的校正；選擇典型的樣本添加到訓練樣本，如果重新訓練的軟測量模型能夠明顯提高模型的精度，則用新的模型代替原有模型，否則不改變原模型；如果新的樣本數據重複出現樣本輸入條件相同或相近，而樣本輸出相差較大的情況，用新樣本代替原樣本數據，重新訓練模型，替換原有模型。
2.根據權利要求1所述的一種基於最小二乘-支持向量機的制粉過程煤粉細度指標軟測量方法，其特徵在於步驟(4)所述的模型建立、訓練、參數選擇及模型驗證按以下步驟進行(A)初始化進行所有變量的初始化；(B)是否進行軟測量？如果是，則轉至(C)，根據輸入數據和軟測量模型預測煤粉細度；如果否，則轉至(G)，進行模型訓練與參數修正的過程；(C)讀取當前工況數據；(D)輸入數據標準化處理；(E)軟測量模型計算；(F)顯示並保存細度軟測量結果，執行(U)；(G)選擇模型誤差懲罰參數集和核參數集；(H)所有樣本數據標準化；(I)讀入訓練樣本數據；(J)調整模型誤差懲罰參數和核參數；(K)建立模型；(L)讀取誤差評價樣本數據；(M)記錄誤差評價結果和參數；(N)參數調整是否已經到上限；若參數調整到上限，選擇參數；若不到上限，根據調整步長調整新參數重複誤差評價過程，返回(J)；(O)選擇誤差評價最好的模型參數；(P)確定模型；(Q)讀入驗證樣本數據；(R)模型驗證；(S)驗證精度是否滿意，如果滿意，模型參數選擇完畢；如果不滿意，增加化驗數據，重新構造訓練樣本，執行(T)；(T)重新構造訓練樣本；(U)結束。
3.根據權利要求2所述的一種基於最小二乘-支持向量機的制粉過程煤粉細度指標軟測量方法，其特徵在於步驟(M)所述的記錄誤差評價結果和參數時使用以下函數e(γ，δ)＝min(e1+ηe2)e1=l=1lel2=l=1l(yl-(k=1nkk(xl,xk)+b))2]]>e2=max(yl-(k=1nkk(xl,xk)+b))2]]>式中γ——誤差懲罰參數；δ——核參數；η——權重參數，η＝1；i＝1，2，...，l。
4.根據權利要求2所述的一種基於最小二乘-支持向量機的制粉過程煤粉細度指標軟測量方法，其特徵在於步驟(N)所述的判斷參數調整是否已經到上限時應符合以下條件γ+l＞γup(γ為誤差懲罰參數、l為調整步長，γup為懲罰參數範圍的上限)和δ+l＞γup(δ為核參數、l為調整步長，δup為核參數範圍的上限)同時滿足。
5.根據權利要求1所述的一種基於最小二乘-支持向量機的制粉過程煤粉細度指標軟測量方法，其特徵在於其依賴的硬體平臺核心由鋼球磨煤機、粗粉分離器、布袋收集器以及相關設備組成，同時配備了測量儀表以及進行軟體計算的計算機系統；給煤機的輸入端與給煤機、熱風和冷風管道相接，磨煤機、粗粉分離器相接、布袋收集器依次相連，在熱風和磨煤機出口管道上分別裝有熱電偶和熱電阻測溫原件，磨機和布袋收集器的進出口管道上分別安裝壓力計，給煤機調速變頻器輸出頻率反饋信號，系統配置控制計算機或數據採集器，採集測量儀表信號；測量軟體運行在計算機控制系統的監控計算機上或獨立的計算機上。
全文摘要
一種基於最小二乘－支持向量機的制粉過程煤粉細度軟測量方法，該方法依賴硬體平臺及測量儀表和進行軟體計算的計算機系統，該軟體通過控制計算機或數據採集器獲得實時的過程數據進行軟測量；該方法包括以下步驟輔助變量的選擇，確定樣本數據的結構，確定樣本的組成，建立基於最小二乘－支持向量機軟測量模型並進行模型的訓練、參數選擇及模型驗證、模型參數的校正；本發明應用簡單、容易，成本較低，軟測量結果也較精確，有助於實現制粉過程的優化控制和優化運行。
文檔編號G06F19/00GK101038277SQ20071001102
公開日2007年9月19日 申請日期2007年4月19日 優先權日2007年4月19日
發明者嶽恆, 張立巖, 張君, 柴天佑 申請人:東北大學