CN101441443A - 一种烧结控制参数的数据处理方法及装置 - Google Patents

Abstract

本发明提供了一种烧结控制参数的数据处理方法，包括：定义各控制参数的正常取值范围；设定第一定时器，控制检测仪表定期检测各控制参数的实时生产数据；设定第二定时器，定期采集所述检测仪表检测得到的各控制参数的实时生产数据；根据所述各控制参数的正常取值范围，对所述各控制参数的实时生产数据进行抛弃异常处理；将所述抛弃异常处理后的数据存储到实时数据库。本发明还提供了一种烧结控制参数的数据处理装置。采用本发明所述数据处理方法及装置，能够实现对烧结过程中各控制参数的实时生产数据的噪声处理，提高烧结过程状态控制的精确性和稳定性。

Description

一种烧结控制参数的数据处理方法及装置

技术领域

本发明涉及钢铁冶炼领域，特别是涉及一种烧结控制参数的数据处理方法及装置。

背景技术

烧结是将粉状物料进行高温加热，在不完全熔化的条件下烧结成块的方法。烧结过程的控制非常复杂，其涉及到温度、压力、速度、流量等大量物理参数，又包括物理变化、化学反应、液相生成等复杂过程，以及气体在固体料层中的分布、温度场分布等多方面的问题。从控制的角度来看，烧结过程是典型的多变量、非线性、强耦合特征的复杂被控对象。因此，在实际生产中，实现对烧结过程的精确、稳定控制是非常重要的。

烧结过程控制的基础是大量的实时生产数据，即原料参数、操作参数、设备参数、状态参数和指标参数等。这些参数统称为生产控制参数。上述生产数据中，有的可以通过在线检测来采集，如原料瞬时流量、主管负压、台车速度、料层厚度、风箱温度等；有的数据需要经过化验获取，如烧结矿化学成分、原料化学成分等等。根据采集和检测到的上述控制参数的实时生产数据，建立相应的控制模型和监测体系，可以实现对烧结过程的调节、控制。

显然，烧结过程控制效果的好坏取决于控制模型的精度，而控制模型精度又取决于实时生产数据的准确性。由于烧结过程的复杂性和不确定性，烧结生产过程中的各种控制参数的实时生产数据都有可能出现异常，产生噪声数据，比如原料的不均匀引起的水分异常、煤体流量的不均匀性等。而且，采集实时生产数据的仪表也因本身故障引起数据噪声，比如出现采集错误或者采集失败等情况。因此，如果直接采用仪表检测得到的实时生产数据进行烧结过程控制，很容易导致建立在该生产数据基础上的控制模型发生突变，影响烧结过程控制的精确度和稳定性。

但是，现有技术均是直接采用仪表检测得到的实时生产数据进行过程状态计算，从而进行烧结过程控制。现有技术还无法实现对烧结过程中控制参数的实时生产数据的实时处理，不能有效的去除噪声数据，因此，不能很好的保证烧结过程控制的精确性和稳定性。

发明内容

本发明所要解决的技术问题是提供一种烧结控制参数的数据处理方法及装置，能够实现对烧结过程中各控制参数的实时生产数据的去噪声处理。

为解决上述技术问题，本发明提供了一种烧结控制参数的数据处理方法，包括以下步骤：

定义各控制参数的正常取值范围；

设定第一定时器，控制检测仪表定期检测各控制参数的实时生产数据；

设定第二定时器，定期采集所述检测仪表检测得到的各控制参数的实时生产数据；

根据所述各控制参数的正常取值范围，对所述各控制参数的实时生产数据进行抛弃异常处理；

将所述抛弃异常处理后的数据存储到实时数据库。

其中，采用以下步骤对所述各控制参数的实时生产数据进行抛弃异常处理：

分别判断各控制参数的实时生产数据是否超出所述控制参数的正常取值范围，如果是，抛弃所述生产数据；如果否，保留所述生产数据。

其中，在将所述抛弃异常处理后的数据存储到实时数据库之前，进一步包括：

设定周期时间长度，对所述抛弃异常处理后的数据，进行周期平均值计算；

将所述计算后的结果存储到所述实时数据库。

其中，所述周期平均值计算包括：

从当前时刻起，取当前时刻之前一个周期内的各控制参数的实时生产数据，计算平均值，作为当前时刻对应的周期平均值。

其中，所述第一定时器计时时间为200mS。

其中，所述第二定时器计时时间为1S。

本发明还提供了一种烧结控制参数的数据处理装置，包括：

阈值设定单元，用于定义各控制参数的正常取值范围；

仪表检测控制单元，用于设定第一定时器，控制检测仪表定期检测各控制参数的实时生产数据；

数据采集控制单元，用于设定第二定时器，定期采集所述检测仪表检测得到的各控制参数的实时生产数据；

异常数据处理单元，用于根据所述各控制参数的正常取值范围，对所述各控制参数的实时生产数据进行抛弃异常处理；

存储单元，用于将所述抛弃异常处理后的数据存储到实时数据库。

其中，所述异常数据处理单元包括：判断子单元、抛弃异常子单元、及保留正常子单元；

所述判断子单元，用于分别判断各控制参数的实时生产数据是否超出所述控制参数的正常取值范围，如果是，将所述生产数据发送至抛弃异常子单元；如果否，将所述生产数据发送至保留正常子单元；

所述抛弃异常数据子单元，用于抛弃接收到的生产数据；

所述保留正常数据子单元，用于将接收到的生产数据发送至所述存储单元。

其中，所述装置进一步包括：

平均值计算单元，用于设定周期时间长度，对所述异常数据处理单元输出的处理后的数据，进行周期平均值计算，并将所述计算后的结果存储到所述实时数据库。

其中，所述平均值计算单元从当前时刻起，取当前时刻之前一个周期内的各控制参数的实时生产数据，计算平均值，作为当前时刻对应的周期平均值。

与现有技术相比，本发明具有以下优点：

本发明所述烧结控制参数的数据处理方法及装置，根据实际烧结生产经验，定义各控制参数的正常取值范围，将采集得到的各控制参数的实时生产数据分别与所述控制参数的正常取值范围进行比较，判断所述实时生产数据是否超出所述控制参数的正常取值范围。如果是，表明所述生产数据为异常数据，抛弃所述生产数据；如果否，说明所述生产数据为正常数据，将所述正常生产数据存储到实时数据库，用于控制模型计算和实时监控显示。从而实现对烧结过程中各控制参数的实时生产数据的去噪声处理，保证存储到所述实时数据库的各控制参数的实时生产数据的准确性，进而提高所述控制模型计算和实时监控的精度，提高烧结的质量和产量。

附图说明

图1，为本发明所述烧结过程控制系统结构图；

图2，为本发明第一实施例所述烧结控制参数的数据处理方法流程图；

图3，为本发明第二实施例所述烧结控制参数的数据处理方法流程图；

图4，为本发明所述计算周期平均值的方法示意图；

图5，为本发明所述烧结工艺结构图；

图6，为本发明所述烧结控制参数的数据处理装置结构图；

图7，为本发明所述异常数据处理单元结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，为本发明所述烧结过程控制系统结构图。

参见图1所示，可以将整个烧结生产过程分为四个层次，由底层开始依次为：基础数据层、数据处理层、专家模型层及人机接口。

所述基础数据层通过设置在烧结一级系统、料层系统、高炉二级系统及取样化验系统的各个数据采集装置和检测仪表，生成烧结过程中的各个控制参数的实时生产数据。

烧结过程中的生产控制参数只要包括：原料参数(如含铁原料配比、熔剂配比、燃料配比等)、操作参数(如一次加水、二次加水、料层厚度、台车速度等)、设备参数(如抽风面积、风机能力、漏风率等)、状态参数(如废气温度、风箱温度、烧结终点、透气性等)、指标参数(如烧结矿化学成分、机械强度、还原性、产量等)。

所述数据处理层采用OPC技术，对所述基础数据层生成的实时生产数据进行在线采集和去躁声处理，并将处理后的数据存储在实时数据库。

所述专家模型层包括综合专家系统和过程控制模型，通过获取所述数据处理层中实时数据库中的控制参数的实时生产数据，进行模型计算，从而对烧结过程进行控制。

所述人机接口包括工艺监控、历史趋势、报警、日志、报表、知识展现及系统管理。通过从所述数据处理层的实时数据库中提取各控制参数的实时生产数据，对烧结生产过程进行实时跟踪和监测。

由于烧结过程的复杂性和不确定性，烧结生产过程中的各种控制参数的实时生产数据都有可能出现异常，产生噪声数据，从而影响对烧结过程进行控制和监测的精确度和稳定性。因此，本发明所述数据处理层在将采集和检测得到的实时生产数据存储到实时数据库之前，对所述实时生产数据进行去噪声处理，剔除异常数据，确保用于进行模型计算和实时监控的生产数据的准确性。

参见图2所示，为本发明第一实施例所述烧结控制参数的数据处理方法流程图。所述处理方法具体包括以下步骤：

步骤201：定义各控制参数的正常取值范围。

根据烧结生产经验，对烧结生产中各控制参数定义其正常取值范围。

例如：对于烧结温度，根据实际烧结生产经验可知，所述烧结温度的正常取值范围为(0℃～550℃)。

再例如：对360M²烧结机，烧结台车上料层厚度的正常取值范围一般为(400mm～800mm)。

步骤202：设定第一定时器，控制设置在烧结过程各系统中的数据检测仪表，定期检测获取各控制参数的实时生产数据。

所述第一定时器的计时时间可以依据实际生产过程具体设定。本发明所述处理方法中所述第一定时器的计时长度为200mS。

步骤203：设定第二定时器，定期采集所述数据检测仪表检测获取的各控制参数的实时生产数据。

所述第二定时器的计时时间可以依据实际生产过程具体设定。

如果所述第二定时器的计时时间设定的过短，将导致数据采集过于频繁，耗费系统资源；如果所述第二定时器的计时时间设定的过长，将导致数据更新过于缓慢，降低控制模型计算的精确度。

根据烧结生产经验，本发明所述处理方法中所述第二定时器的计时长度为1S。

步骤204：根据所述步骤10中定义的各控制参数的正常取值范围，对采集到的各控制参数的实时生产数据进行抛弃异常处理。

对步骤30中采集得到的各控制参数的实时生产数据，分别判断各控制参数的每个生产数据是否超出步骤10中定义的各控制参数的正常取值范围，如果是，所述生产数据为噪声数据，抛弃所述生产数据；如果否，所述生产数据为正常数据，保留所述生产数据。

例如：所述烧结温度正常取值范围为(0℃～550℃)。当采集得到所述烧结温度为600℃时，通过判断可知，所述600℃超出了所述烧结温度正常取值范围的上限，为噪声数据，抛弃所述数据。根据烧结实际生产经验可知，所述烧结温度是不可能达到600℃的，如果此类数据用于控制模型计算或实时监控，将大大影响计算和监控的准确性，从而导致烧结过程控制精度的降低。

再例如：对360M²烧结机，烧结台车上料层厚度的正常取值范围一般为(400mm～800mm)。当采集所述料层厚度为几十毫米时，可以通过所述抛弃异常数据处理，快速而准确的判定所述数据为噪声数据，对其进行抛弃处理，避免此类数据影响烧结过程控制的精确度。

步骤205：将所述抛弃异常处理后的各控制参数的实时生产数据存储到实时数据库。

所述存储到实时数据库中的各控制参数的实时生产数据，一方面通过人机接口输出至客户端，用于监控显示，使操作工能够对所述烧结过程状态进行实时分析和判断，对异常进行实时预测和及时处理；一方面输出至专家模型层，用于所述综合专家模型和过程控制模型的实时计算，通过模型计算结果对烧结过程状态进行实时控制，提高烧结常量和质量。

在本发明第一实施例所述烧结控制参数的数据处理方法中，根据实际烧结生产经验，定义各控制参数的正常取值范围，将采集得到的各控制参数的实时生产数据分别与所述控制参数的正常取值范围进行比较，判断所述实时生产数据是否超出所述控制参数的正常取值范围。如果是，表明所述生产数据为异常数据，抛弃所述生产数据；如果否，说明所述生产数据为正常数据，将所述正常生产数据存储到实时数据库，用于控制模型计算和实时监控显示。从而实现对烧结过程中各控制参数的实时生产数据的去噪声处理，保证存储到所述实时数据库的各控制参数的实时生产数据的准确性，进而提高所述控制模型计算和实时监控的精度，提高烧结的质量和产量。

为了进一步提高综合专家模型和过程控制模型计算的准确性，本发明第二实施例所述烧结控制参数的数据处理方法，在将所述抛弃异常处理后的用于模型计算的实时生产数据存储到所述实时数据库之前，进一步包括对所述实时生产数据进行求平均值处理，使用于模型计算的实时生产数据能够平滑，减小数据的波动。

参见图3所示，为本发明第二实施例所述烧结控制参数的数据处理方法流程图。所述处理方法包括以下步骤：

步骤301：定义各控制参数的正常取值范围。

根据烧结生产经验，对烧结生产中各控制参数定义其正常取值范围。

步骤302：设定第一定时器，控制设置在烧结过程各系统中的数据检测仪表，定期检测获取各控制参数的实时生产数据。

所述第一定时器的计时时间可以依据实际生产过程具体设定。本发明所述处理方法中所述第一定时器的计时长度为200mS。

步骤303：设定第二定时器，定期采集所述数据检测仪表检测获取的各控制参数的实时生产数据。

所述第二定时器的计时时间可以依据实际生产过程具体设定。根据烧结生产经验，本发明所述处理方法中所述第二定时器的计时长度为1秒。

步骤304：根据所述步骤10中定义的各控制参数的正常取值范围，对采集到的各控制参数的实时生产数据进行抛弃异常处理。

步骤305：设定周期时间长度，对所述抛弃异常处理后的各控制参数的实时生产数据，取最近一个周期内的各控制参数的实时生产数据，分别进行周期平均值计算。

所述周期时间长度根据实际烧结生产工艺具体设定，可以根据需要设定为50秒、60秒、或120秒。

所述周期时间长度一般为固定值，也可以根据实际需要设置为可变的，根据烧结生产进行到的每一具体状态实时设定，当没有进行具体设定时，所述周期时间长度设置为60秒。

本发明实施例中，所述周期时间长度选择为60秒。

如步骤303中所述，设定第二定时器的计时长度为1S，即针对各控制参数，每秒采集1次与之对应的实时生产数据。则，每60秒对各控制参数采集60次实时生产数据。

图4为本发明所述计算周期平均值的方法示意图。

参见图4所示，以一个控制参数为例，通过数据队列表示每60秒采集到的所述控制参数的实时生产数据。所述数据队列包括60个数据块，分别表示当前A时刻之前60秒内，每一秒钟采集到的所述控制参数的实时生产数据，包括m₁、m₂……m₅₉、m₆₀。则此时，对于当前A时刻，所述周期平均值M_A为：

$M_A=\frac{1}{60}(m_1+m_2+m_3+\·\·\·\·\·\·m_{59}+m_{60})$

当所述A时刻经过1秒，到达A+1时刻时，所述数据队列插入新数据块m₁′，所述数据队列向后推移，所述m₁变为m₂′，所述m₂变为m₃′，依次类推，所述m₅₉变为m₆₀′，所述m₆₀抛弃。此时，对于当前A+1时刻，所述周期平均值M_A′为：

${M\′}_A=\frac{1}{60}(m_1^{\′}+m_2^{\′}+m_3^{\′}+\·\·\·\·\·\·m_{59}^{\′}+m_{60}^{\′})$

依次推类，分别计算每秒对应的各控制参数的实时生产数据的周期平均值。并将计算得到的数据存储到实时数据库，用于模型计算。

根据图5所示烧结工艺流程，详细说明选择周期时间长度进行平均值计算的依据。

参见图5所示，所述配料系统10根据综合输送量，按比例计算各个料槽的下料流量，将烧结生产所需的各种物料下落到混合皮带上。经过混合皮带，所述物料传送到一次混合机20。物料在所述一次混合机20中经过一次加水过程后，传送至二次混合机30，进行二次加水。所述物料由所述二次混合机30中输出后，经烧结皮带下落至混合料矿槽40，经九辊布料机50铺于烧结台车60上。所述物料在所述烧结台车60上通过点火炉点火和烧结风箱的负压抽风，预先混合在物料中的焦粉燃烧，产生的热量使物料部分熔融(或半熔融)，焙烧成块。随着烧结台车60向前移动，物料料层自上而下逐渐烧透，并形成烧结矿。烧结终了的烧结块由烧结台车60的尾部落下至冷却机。至此完成整个烧结过程。

在实际烧结过程中，对于烧结物料，适度水分的存在可以改善料层的透气性，使物料成球、改善粒度组成。同时，适度水分的存在还可以将烧结带限制在一个狭窄的范围内。但是，过多的水分则会使物料的粒度组成变差，使物料的水汽冷凝严重，过湿层增厚。因此，在烧结过程，在所述一次混合机20和二次混合机30进行加水操作时，应精确控制物料保持在一定的水分率，保持透气性较好的湿度。

如图5所示，本发明所述烧结工艺，需要经过两次混合，且每次混合都要加一定的水。其中，一次混合加水，使混合料的含水量达到一次加水设定的目标值，加水量与原料量和原料的原始含水量有关；二次混合加水，使混合料的含水量达到二次混合加水设定的目标值，以利于混合料造球，保证烧结时的良好的透气性，提高烧结矿的产量和质量。

因此，为了提高烧结矿的产量和质量，需要对所述一次混合机10和二次混合机20的加水过程进行检测和控制，精确控制每次加水过程的加水量，确保烧结时的良好的透气性。

同时，烧结过程中烧结状态也直接影响到烧结矿的质量和产量。由烧结工艺可知，烧结状态可以通过烧结终点的相关参数来反映。其中，烧结终点用物料料层烧透时对应的风箱位置标识。根据烧结工艺可知，一般所述烧结终点的理想位置一般在所述烧结台车60倒数第二个风箱处。在烧结过程中，若物料还未到达理想烧结终点就已烧透，烧结终点提前，将导致烧结面积无法充分利用，降低烧结矿的产量；若物料还未完全烧透就运行到机尾被卸下，烧透点滞后，将导致生料增多、返矿量增加、成品率将率，降低烧结质量和产量。

因此，在烧结过程中，应精确控制所述烧结终点位于理想位置。而所述烧结终点的计算与控制受煤气量、风量、台车运行速度、下料量、料层厚度等很多因素的影响。为了提高所述烧结终点控制的精度，以提高所述烧结过程状态控制的精度，需要对所述物料在烧结台车60上的整个烧结过程中各控制参数进行精确检测和控制。

由烧结工艺可知，所述物料在所述一次混合机20内需要停留2分钟，在所述二次混合机30内需要停留4分钟，在所述烧结台车60上进行烧结过程则长达40多分钟。因此，应选择合适的周期时间长度进行周期平均值计算。如果所述时间过短，如十几秒，由于所述物料在所述烧结台车60上停留的时间过长(40多分钟)，造成数据量过大，增加计算的复杂性。同时，如果计算过于频繁，直接导致对烧结台车60的运行速度等的调节过于频繁，如十几秒即调节一次，既增加了控制过程的复杂度，又很容易导致整个过程的不稳定。但是，如果所述时间过长，如4、5分钟，由于所述物料在所述一次混合机20和所述二次混合机30中停留的时间均很短，难以实现对所述一次加水量和二次加水量的精确控制，从而导致烧结矿的产量和质量的降低。

因此，所述周期时间长度一般可以取50秒、60秒、或120秒。本发明实施例中，所述周期时间长度取60秒。

步骤306：将所述步骤305中计算得到的结果存储到实时数据库。

本发明还提供了一种烧结控制参数的数据处理装置。参见图6所示，所述装置包括：阈值设定单元601、仪表检测控制单元602、数据采集控制单元603、异常数据处理单元604、及存储单元605。

所述阈值设定单元601，用于定义各控制参数的正常取值范围。

所述仪表检测控制单元602，用于设定第一定时器，控制检测仪表定期检测各控制参数的实时生产数据。

所述数据采集控制单元603，用于设定第二定时器，定期采集所述仪表检测控制单元602检测得到的各控制参数的实时生产数据。

所述异常数据处理单元604，用于接收所述数据采集控制单元603采集得到的各控制参数的实时生产数据，根据所述阈值设定单元601定义的各控制参数的正常取值范围，对所述各控制参数的实时生产数据进行抛弃异常处理。

所述存储单元605，用于将所述异常数据处理单元604处理后的数据存储到实时数据库。

参见图7所示，本发明所述异常数据处理单元包括：判断子单元701、抛弃异常子单元702、及保留正常子单元703。

所述判断子单元701，用于接收所述数据采集控制单元603采集得到的各控制参数的实时生产数据，根据所述阈值设定单元601定义的各控制参数的正常取值范围，分别判断各控制参数的实时生产数据是否超出所述控制参数的正常取值范围，如果是，将所述生产数据发送至抛弃异常子单元702；如果否，将所述生产数据发送至保留正常子单元703。

所述抛弃异常数据子单元702，用于抛弃接收到的生产数据。

所述保留正常数据子单元703，用于将接收到的生产数据发送至所述存储单元605。

为了进一步提高综合专家模型和过程控制模型计算的准确性，本发明所述烧结控制参数的数据处理装置，还可以进一步包括平均值计算单元606。

所述平均值计算单元606，用于对所述异常数据处理单元输出的处理后的数据，进行周期平均值计算，并将所述计算后的结果存储到所述实时数据库。

所述平均值计算单元606，设定周期时间长度，从当前时刻起，取当前时刻之前一个周期内的各控制参数的实时生产数据，计算平均值，作为当前时刻对应的周期平均值。

以上对本发明所提供的一种烧结控制参数的数据处理方法及装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1、一种烧结控制参数的数据处理方法，其特征在于，包括以下步骤：

定义各控制参数的正常取值范围；

设定第一定时器，控制检测仪表定期检测各控制参数的实时生产数据；

设定第二定时器，定期采集所述检测仪表检测得到的各控制参数的实时生产数据；

根据所述各控制参数的正常取值范围，对所述各控制参数的实时生产数据进行抛弃异常处理；

将所述抛弃异常处理后的数据存储到实时数据库。

2、根据权利要求1所述的数据处理方法，其特征在于，采用以下步骤对所述各控制参数的实时生产数据进行抛弃异常处理：

分别判断各控制参数的实时生产数据是否超出所述控制参数的正常取值范围，如果是，抛弃所述生产数据；如果否，保留所述生产数据。

3、根据权利要求1所述的数据处理方法，其特征在于，在将所述抛弃异常处理后的数据存储到实时数据库之前，进一步包括：

设定周期时间长度，对所述抛弃异常处理后的数据，进行周期平均值计算；

将所述计算后的结果存储到所述实时数据库。

4、根据权利要求3所述的数据处理方法，其特征在于，所述周期平均值计算包括：

从当前时刻起，取当前时刻之前一个周期内的各控制参数的实时生产数据，计算平均值，作为当前时刻对应的周期平均值。

5、根据权利要求1所述的数据处理方法，其特征在于，所述第一定时器计时时间为200mS。

6、根据权利要求1所述的数据处理方法，其特征在于，所述第二定时器计时时间为1S。

7、一种烧结控制参数的数据处理装置，其特征在于，包括：

阈值设定单元，用于定义各控制参数的正常取值范围；

仪表检测控制单元，用于设定第一定时器，控制检测仪表定期检测各控制参数的实时生产数据；

数据采集控制单元，用于设定第二定时器，定期采集所述检测仪表检测得到的各控制参数的实时生产数据；

异常数据处理单元，用于根据所述各控制参数的正常取值范围，对所述各控制参数的实时生产数据进行抛弃异常处理；

存储单元，用于将所述抛弃异常处理后的数据存储到实时数据库。

8、根据权利要求7所述的数据处理装置，其特征在于，所述异常数据处理单元包括：判断子单元、抛弃异常子单元、及保留正常子单元；

所述判断子单元，用于分别判断各控制参数的实时生产数据是否超出所述控制参数的正常取值范围，如果是，将所述生产数据发送至抛弃异常子单元；如果否，将所述生产数据发送至保留正常子单元；

所述抛弃异常数据子单元，用于抛弃接收到的生产数据；

所述保留正常数据子单元，用于将接收到的生产数据发送至所述存储单元。

9、根据权利要求7所述的数据处理装置，其特征在于，所述装置进一步包括：

平均值计算单元，用于设定周期时间长度，对所述异常数据处理单元输出的处理后的数据，进行周期平均值计算，并将所述计算后的结果存储到所述实时数据库。

10、根据权利要求9所述的数据处理装置，其特征在于，所述平均值计算单元从当前时刻起，取当前时刻之前一个周期内的各控制参数的实时生产数据，计算平均值，作为当前时刻对应的周期平均值。

Images