CN109725138B - 智能化水泥工厂生产中熟料质量检测方法、装置及设备 - Google Patents

Abstract

一种智能化水泥工厂生产中熟料质量检测方法、装置及设备，所述方法包括：利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；输出比对结果。所述装置与所述设备用于实现所述方法。它能够提高水泥熟料质量检测准确性。

Description

智能化水泥工厂生产中熟料质量检测方法、装置及设备

技术领域

本发明涉及水泥生产中的智能控制领域，尤其涉及一种智能化水泥工厂生产中熟料质量检测方法、装置及设备。

背景技术

水泥工业是我国国民经济的支柱产业之一，但是其数字化、智能化、绿色化水平低，总体表现大而不强。以“中国制造2025”为契机，建设水泥智能化工厂，提高水泥工业数字化、智能化、绿色化水平，已经成为水泥工业的重要发展方向。

熟料是水泥生产的中间产品，其质量直接决定了水泥的最终质量。水泥熟料质量的准确检测成为决定水泥质量的关键。当前水泥企业，水泥熟料质量主要采用运行工程师在化验室离线化验的方式进行评价。运行工程师的知识经验水平存在差异且受到主观意识支配，导致水泥熟料质量检测结果存在差异，准确性受到影响。

发明内容

本发明的主要目的是提供一种智能化水泥工厂生产中熟料质量检测方法、装置及设备，旨在解决现有技术中运行工程师的知识经验水平存在差异且受主观意识支配，导致水泥熟料质量检测结果存在差异，准确性受到影响的问题。

为实现上述目的，本发明提出一种智能化水泥工厂生产中熟料质量检测方法，包括步骤：

利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；

求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；

将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；

输出比对结果。

可选地，所述输出比对结果的步骤包括：

当所述待检测样本的重建数据与所述原始数据的平方根误差大于熟料质量检测阈值时，输出结果为水泥熟料质量不合格；

当所述待检测样本的重建数据与所述原始数据的平方根误差小于等于熟料质量检测阈值时，输出结果为水泥熟料质量合格。

可选地，所述熟料质量检测模型的建立过程为：

确定所述熟料质量检测模型的特征参数；

获取训练样本集，所述训练样本集中的样本的水泥熟料质量合格；

利用主成分分析算法构建水泥熟料检测模型。

可选地，所述利用主成分分析算法构建水泥熟料检测模型的步骤包括：

对所述训练样本集中的样本的特征参数进行标准化处理；

将所述训练样本集分为训练集和测试集；

对所述训练集进行主成分分析，建立所述水泥熟料检测模型。

可选地，所述特征参数包括：熟料游离氧化钙、液相量、熟料三率值石灰石饱和系数、铝率、硅率、熟料矿物硅酸二钙、硅酸三钙、铝酸三钙及铁铝酸四钙。

可选地，所述重建数据的计算公式为：

其中，为熟料质量检测模型，是主成分，为待检测样本的主成分原始数据，为的平均值，为重建数据。

可选地，所述熟料质量检测阈值为训练集中的样本的重建数据与所述训练集中的样本的主成分原始数据的平方根误差的最大值。

为实现上述目的，本发明还提供一种智能化水泥工厂生产中熟料质量检测装置，包括：

重建数据获取单元，用于利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；

计算单元，用于求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；

比对单元，用于将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；

输出单元，输出比对结果。

为实现上述目的，本发明还提供一种智能化水泥工厂生产中熟料质量检测设备，其特征在于，所述设备包括处理器与存储器，以及存储在所述存储器上的水泥生产中熟料质量检测程序，所述水泥生产中熟料质量检测程序被所述处理器执行，实行所述的水泥生产中熟料质量检测方法，和/或所述设备包括所述的水泥生产中熟料质量检测装置。

本发明所述的技术方案，采用主成分分析算法构建水泥熟料质量检测模型，并确定熟料质量检测阈值，形成基于主成分分析的水泥智能化工厂熟料质量智能检测方法，实现水泥熟料质量智能检测，有效解决了水泥熟料质量检测主要凭借运行工程师的经验知识设定，运行工程师的知识经验水平存在差异且受到主观意识支配，进而导致水泥熟料质量检测结果差异大的问题，提高了水泥熟料质量检测准确性。

本发明所述的技术方案，水泥熟料质量检测模型仅根据水泥熟料质量合格样本建立，消除了不同水泥企业之间的生产差异性，具有广泛的通用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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示出的结构获得其他的附图。

图1为本发明所述的智能化水泥工厂生产中熟料质量检测方法的第一流程图；

图2为本发明所述的智能化水泥工厂生产中熟料质量检测方法的第二流程图；

图3为本发明所述的熟料质量检测模型的建模流程图；

图4为本发明所述的智能化水泥工厂生产中熟料质量检测装置结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

如图1所示，本发明提供一种智能化水泥工厂生产中熟料质量检测方法，包括步骤：

利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；

求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；

将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；

输出比对结果。

所述输出比对结果的步骤包括：

当所述待检测样本的重建数据与所述原始数据的平方根误差大于熟料质量检测阈值时，输出结果为水泥熟料质量不合格；

当所述待检测样本的重建数据与所述原始数据的平方根误差小于等于熟料质量检测阈值时，输出结果为水泥熟料质量合格。

所述熟料质量检测模型的建立过程为：

确定所述熟料质量检测模型的特征参数；

获取训练样本集，所述训练样本集中的样本的水泥熟料质量合格；

利用主成分分析算法构建水泥熟料检测模型。

所述利用主成分分析算法构建水泥熟料检测模型的步骤包括：

对所述训练样本集中的样本的特征参数进行标准化处理；

将所述训练样本集分为训练集和测试集；

对所述训练集进行主成分分析，建立所述水泥熟料检测模型。

所述特征参数包括：熟料游离氧化钙、液相量、熟料三率值石灰石饱和系数、铝率、硅率、熟料矿物硅酸二钙、硅酸三钙、铝酸三钙及铁铝酸四钙。

所述重建数据的计算公式为：

其中，为熟料质量检测模型，是主成分，为待检测样本的主成分原始数据，为的平均值，为重建数据即重建后的待检测样本的主成分的数据。

所述熟料质量检测阈值为训练集中的样本的重建数据与所述训练集中的样本的主成分原始数据的平方根误差的最大值。

具体地，如图2所示，一种智能化水泥工厂生产中熟料质量检测方法，包括如下步骤：

步骤1：确定水泥熟料质量智能检测模型特征参数；

步骤2：获取水泥熟料质量合格的训练样本；

步骤3：采用主成分分析算法构建水泥熟料质量智能检测模型，确定熟料质量检测阈值；

步骤4：根据水泥熟料质量智能检测模型和熟料质量检测阈值，实现未知水泥熟料产品的质量智能检测。

下面给出一种基于主成分分析的水泥智能化工厂熟料质量智能检测方法的具体实施方案。

步骤1、2、3是为了建立水泥熟料质量智能检测模型，下面详细说明。

步骤1：确定水泥熟料质量智能检测模型特征参数。

根据水泥生产工艺，水泥熟料质量智能检测模型特征参数确定为熟料游离氧化钙、液相量、熟料三率值石灰石饱和系数、铝率、硅率、熟料矿物硅酸二钙、硅酸三钙、铝酸三钙、铁铝酸四钙。

步骤2：获取水泥熟料质量合格的训练样本。

考虑到不同水泥企业的熟料质量不合格样本之间差异很大，用来建立水泥熟料质量智能检测模型的训练样本仅选择水泥熟料质量合格的训练样本。

步骤3：采用主成分分析算法构建水泥熟料质量智能检测模型，确定熟料质量检测阈值。

结合图3所示的水泥熟料质量智能检测模型的建模流程图，采用主成分分析算法构建水泥熟料质量智能检测模型的步骤如下：

步骤31：考虑到特征参数值的量纲和量级存在差异，对特征参数值进行标准化处理，消除量纲和量级的影响。

特征参数值标准化处理公式如公式1所示。

公式1中，n是样本个数，x是特征参数值原始数据，

是x的平均值，y是标准化之后的数据。

步骤32：将训练样本分为训练集和测试集两部分。

训练样本为步骤2中所获取的水泥熟料质量合格的样本。将训练样本随机分为训练集和测试集两部分。训练集的目的是建立水泥熟料质量智能检测模型，测试集的目的是确定熟料质量检测阈值。

步骤33：对训练集进行主成分分析，建立水泥熟料质量智能检测模型。

对于训练集样本y_i＝[y_i1 y_i2 ... y_i9]，i＝1,2，L n是训练集样本个数，y_i1 y_i2 Ly_i9分别代表步骤1所确定的9个特征参数值。对训练集Y＝[y₁ y₂ L y_n]^T进行主成分变换，可得到主成分转换方程如公式2所示。

公式2中，U是主成分转换矩阵，为n×k的矩阵，也就是水泥熟料质量智能检测模型，k值根据公式3确定。

公式3中，λ是训练集样本协方差矩阵的特征值。

步骤34：采用测试集确定熟料质量检测阈值。

根据主成分分析原理，由样本主成分可重建样本原始数据，如公式4所示。

由公式3，Z包含了Y 90％以上的信息。也就是说，重建的样本原始数据Y’与样本原始数据Y之间差异较小，可用重建的样本原始数据Y’与样本原始数据Y之间的平方根误差e来衡量。

假设p个测试集样本，将其代入公式2可得到测试集的主成分矩阵，然后将主成分矩阵代入公式4可得到重建的测试集样本原始数据，求取重建的样本原始数据与样本原始数据之间的平方根误差，可得到p个平方根误差，取最大的平方根误差作为熟料质量检测阈值。

步骤4：根据水泥熟料质量智能检测模型和熟料质量检测阈值，实现未知水泥熟料产品的质量智能检测。

根据步骤3所建立的水泥熟料质量智能检测模型和熟料质量检测阈值，实现未知水泥熟料产品的质量智能检测流程为：对于待检测的水泥熟料样本，首先将其代入公式2可得到待检测样本的主成分矩阵，然后将主成分矩阵代入公式4可得到重建的待检测样本原始数据，求取重建的待检测样本原始数据与待检测样本原始数据之间的平方根误差，与熟料质量检测阈值进行对比。若重建的待检测样本原始数据与待检测样本原始数据之间的平方根误差超过熟料质量检测阈值，则水泥熟料质量不合格，否则，水泥熟料质量合格。

如图4所示，本发明还提供一种智能化水泥工厂生产中熟料质量检测装置，包括：

重建数据获取单元，用于利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；

计算单元，用于求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；

比对单元，用于将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；

输出单元，输出比对结果。

为实现上述目的，本发明还提供一种智能化水泥工厂生产中熟料质量检测设备，所述设备包括处理器与存储器，以及存储在所述存储器上的水泥生产中熟料质量检测程序，所述水泥生产中熟料质量检测程序被所述处理器执行，实行所述的水泥生产中熟料质量检测方法，和/或所述设备包括所述的水泥生产中熟料质量检测装置。

本发明从水泥工艺发出，采用智能检测算法智能检测水泥熟料质量并提供给操作人员，对于操作人员及时根据水泥熟料质量改进操作方式，保证回转窑运行在熟料质量优的优化状态，具有重要意义。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (5)

1.一种智能化水泥工厂生产中熟料质量检测方法，其特征在于，包括步骤：

步骤1：确定所述熟料质量检测模型的特征参数，所述特征参数包括：熟料游离氧化钙、液相量、熟料三率值石灰石饱和系数、铝率、硅率、熟料矿物硅酸二钙、硅酸三钙、铝酸三钙及铁铝酸四钙；

步骤2：获取训练样本集，所述训练样本集中的样本的水泥熟料质量合格；

步骤3：利用主成分分析算法构建水泥熟料检测模型，确定熟料质量检测阈值；包括：

步骤31：对所述训练样本集中的样本的特征参数进行标准化处理；特征参数值标准化处理公式如公式(1)所示：

其中，n是样本个数，x是特征参数值原始数据，

是x的平均值，y是标准化之后的数据；

步骤32：将所述训练样本集分为训练集和测试集；

步骤33：对所述训练集进行主成分分析，建立所述水泥熟料检测模型；其包括：对于训练集样本y_i＝[y_i1 y_i2...y_i9]，i＝1,2，……L……n；y_i1 y_i2……y_i9分别代表9个所述特征参数的值；对训练集Y＝[y₁ y₂，y_L……y_n]^T进行主成分变换，可得到主成分转换方程Z如公式(2)所示：

其中，U是主成分转换矩阵，为n×k的矩阵，U即为水泥熟料质量智能检测模型，k值根据公式(3)确定：

其中，λ是训练集样本协方差矩阵的特征值；

步骤34：采用测试集确定熟料质量检测阈值；

利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；如公式(4)所示：

其中，Y'为重建的样本原始数据，

是样本原始数据的平均值；

步骤4：求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；包括：对于待检测的水泥熟料样本，首先将其代入公式(2)得到待检测样本的主成分矩阵，然后将主成分矩阵代入公式(4)得到重建的待检测样本原始数据；将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；输出比对结果。

2.根据权利要求1所述的智能化水泥工厂生产中熟料质量检测方法，其特征在于，所述输出比对结果的步骤包括：

当所述待检测样本的重建数据与所述原始数据的平方根误差大于熟料质量检测阈值时，输出结果为水泥熟料质量不合格；

当所述待检测样本的重建数据与所述原始数据的平方根误差小于等于熟料质量检测阈值时，输出结果为水泥熟料质量合格。

3.根据权利要求2所述的智能化水泥工厂生产中熟料质量检测方法，其特征在于：

所述熟料质量检测阈值为训练集中的样本的重建数据与所述训练集中的样本的主成分原始数据的平方根误差的最大值。

4.一种智能化水泥工厂生产中熟料质量检测装置，其特征在于，包括：

重建数据获取单元，用于利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；具体用于执行：确定所述熟料质量检测模型的特征参数，所述特征参数包括：熟料游离氧化钙、液相量、熟料三率值石灰石饱和系数、铝率、硅率、熟料矿物硅酸二钙、硅酸三钙、铝酸三钙及铁铝酸四钙；获取训练样本集，所述训练样本集中的样本的水泥熟料质量合格；利用主成分分析算法构建水泥熟料检测模型，确定熟料质量检测阈值；包括：对所述训练样本集中的样本的特征参数进行标准化处理；特征参数值标准化处理公式如公式(1)所示：

其中，n是样本个数，x是特征参数值原始数据，

是x的平均值，y是标准化之后的数据；

将所述训练样本集分为训练集和测试集；对所述训练集进行主成分分析，建立所述水泥熟料检测模型；其包括：对于训练集样本y_i＝[y_i1 y_i2...y_i9]，i＝1,2，……L……n；y_i1y_i2……y_i9分别代表9个所述特征参数的值；对训练集Y＝[y₁ y₂，y_L……y_n]^T进行主成分变换，可得到主成分转换方程Z如公式(2)所示：

其中，U是主成分转换矩阵，为n×k的矩阵，U即为水泥熟料质量智能检测模型，k值根据公式(3)确定：

其中，λ是训练集样本协方差矩阵的特征值；

采用测试集确定熟料质量检测阈值；利用熟料质量检测模型与待检测样本的主成分原始数据，得到待检测样本的重建数据；如公式(4)所示：

其中，Y'为重建的样本原始数据，

是样本原始数据的平均值；计算单元，用于求取所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差；包括：对于待检测的水泥熟料样本，首先将其代入公式(2)得到待检测样本的主成分矩阵，然后将主成分矩阵代入公式(4)得到重建的待检测样本原始数据；

比对单元，用于将所述待检测样本的重建数据与所述待检测样本的主成分原始数据的平方根误差与熟料质量检测阈值进行比对；输出单元，输出比对结果。

5.一种智能化水泥工厂生产中熟料质量检测设备，其特征在于，所述设备包括处理器与存储器，以及存储在所述存储器上的水泥生产中熟料质量检测程序，所述水泥生产中熟料质量检测程序被所述处理器执行，实行如权利要求1-3任一所述的水泥生产中熟料质量检测方法，和/或所述设备包括如权利要求4所述的水泥生产中熟料质量检测装置。

Images