CN109847916B - 一种水泥原料立磨系统的节能优化方法 - Google Patents
一种水泥原料立磨系统的节能优化方法 Download PDFInfo
- Publication number
- CN109847916B CN109847916B CN201811604430.9A CN201811604430A CN109847916B CN 109847916 B CN109847916 B CN 109847916B CN 201811604430 A CN201811604430 A CN 201811604430A CN 109847916 B CN109847916 B CN 109847916B
- Authority
- CN
- China
- Prior art keywords
- data
- variable
- optimal
- historical operation
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 239000004568 cement Substances 0.000 title claims abstract description 19
- 239000002994 raw material Substances 0.000 title claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000005192 partition Methods 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000005611 electricity Effects 0.000 abstract description 2
- 238000004134 energy conservation Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C23/00—Auxiliary methods or auxiliary devices or accessories specially adapted for crushing or disintegrating not provided for in preceding groups or not specially adapted to apparatus covered by a single preceding group
- B02C23/02—Feeding devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C25/00—Control arrangements specially adapted for crushing or disintegrating
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
Landscapes
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水泥原料立磨系统的节能优化方法，在不改变生产设备任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，智能化的提供安全、便捷、合理的辅助决策。该方法包括：采集历史操作数据，形成多个历史操作模型，历史操作数据包括可控变量，可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；划分喂料量分区；根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表；根据实时工况和最优推荐表获得设备的最优操作建议。
Description
技术领域
本发明涉及节能降耗技术领域，尤其涉及一种水泥原料立磨系统的节能优化方法。
背景技术
水泥原料立磨系统生产合格且稳定产量下的节能优化是水泥厂关注的重要课题。
其难点一，在于实时喂料量波动大，工人需要实时的进行人工微调，根据传统管理及操作方式，只能做到产量正常，无法做到耗能的最优；
其难点二，需要工人根据专家建议，即根据人为给出的大概的操作设定值操作，不同的专家，其给出的操作设定值不同，同样无法做到节能降耗。
因此有必要提出一种自适应的低成本、安全、便捷的智能化辅助决策方案，帮助水泥厂提供一个较准确可靠的优化建议，从而达到智能化操作，且稳定产量下的节能甚至优产的效果。
发明内容
本发明为解决上述技术问题，提供了一种水泥原料立磨系统的节能优化方法，在不改变生产设备任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，智能化的提供安全、便捷、合理的辅助决策。
所述方法包括：采集历史操作数据，形成多个历史操作模型，所述历史操作数据包括可控变量，所述可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；
根据磨机的喂料量划分出喂料量分区；
根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表；
进一步的，根据实时工况和所述最优推荐表获得设备的最优操作建议。
进一步的，在获得最优历史操作记录前，通过机器学习的方式对所述历史操作数据进行箱线图分布统计，得到上限和下限，剔除上限和下限之外的异常数据。
进一步的，剔除历史操作数据中的异常数据后，通过自主学习数据的正态分布情况,自适应确定不同数据筛选规则，具体逻辑如下：
若VMIN<μ-3σ且VMAX>μ+3σ，则取(μ-3σ,μ+3σ)范围作为数据筛选规则；
若VMIN>μ-3σ且VMAX>μ+3σ，则取(VMIN,μ+3σ)范围作为数据筛选规则；
若VMIN<μ-3σ且VMAX<μ+3σ，则取(μ-3σ,VMAX)范围作为数据筛选规则；
若VMIN>μ-3σ且VMAX<μ+3σ，则取(VMIN,VMAX)范围作为数据筛选规则；
其中，VMIN为变量最小值，VMAX变量最大值，μ变量均值，σ变量标准差。
进一步的，剔除异常数据且根据数据的正态分布情况确定不同数据筛选规则后，对历史操作数据进行离散化处理，再对历史操作模型进行自适应优质编码。
编码后，统计同一个喂料量分区中各个编码出现的频率，并根据频率进行降序排序；统计相同编码对应的单机电耗，将相同编码进行整合去重，形成独自编码，且独自编码对应的单机电耗等于所有相同编码的单机电耗的均值，获得降序排序中前十位独自编码对应的单机电耗，选择单机电耗最低的作为所在喂料量分区的最优历史操作记录，同时获得相应的最优推荐表。
其中，所述编码与所述历史操作模型一一对应，编码是各变量对模型的映射，能够对模型定位，即根据变量可以快速找到相应的模型，通过编码方式，不仅能大大降低样本的内存空间，提高模型训练速度，且能大大提高学习精确度。
编码代表了磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度等变量，不同变量根据数据范围。
具体编码计算公式为：编码＝取整函数((变量–变量最低值)/变量步长)，
本申请采用自适应优质编码，其变量最低值以及变量步长将不掺和任何主观经验，取决于数据本身，脱离了人为的固定主观经验。
其中，所述变量最低值取决于正太分布情况：
若是标准正态分布数据，则变量最低值＝均值-3*标准差；
若是左偏态(偏态系数SK<-0.1)分布数据(分布的左侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；
若是右偏态(偏态系数SK>0.1)分布数据(分布的右侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；
所述变量步长取决于数据精度变化量：
DIFF＝(均值+3*标准差)-(均值-3*标准差)
IF DIFF<＝5AND DIFF>＝0.5：
变量步长＝0.1；
ELIF DIFF>5AND DIFF<＝50:
变量步长＝1；
ELIF DIFF<0.5：
变量步长＝0.01；
ELIF DIFF>50：
变量步长＝10。
进一步的，根据最优推荐表进行最优操作建议时，对推荐的最优历史操作记录的编码进行解码，解码计算公式如下：
变量＝变量编码*变量步长+变量最低值。
进一步的，根据实时工况，对最优推荐表对应的工况的最优操作建议进行迭代优化，具体迭代优化过程为，操作产生的操作模型形成实时编码，将实时编码与所述独自编码匹配，当匹配距离为零且实时编码的单机电耗低于独自编码的单机电耗时，判断为较优的操作记录，将该操作记录存储，且重新计算单机电耗均值，即获得该独自编码的新的单机电耗，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录；当匹配不到距离为零的独自编码时，将所述实时编码列为新的独自编码，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录。
由上述对本发明的描述可知，和现有技术相比，本发明具有如下优点：
1、通过记录历史操作记录，根据实时工况和所述最优推荐表获得设备的最优操作建议，达到节能降耗；
2、采用自适应的筛选规则和自适应的优质编码，脱离了人为的固定主观经验，不掺和任何主观看法或观察数据统计后的经验，先自适应学习调整筛选规则，提取安全正常的有价值数据，再通过自适应学习调整编码公式参数，从而达到历史数据中挖掘出潜在价值，其推荐的优化方案客观、合理、可靠、安全；
3、本发明的在线推送速度快，只需判断是属于哪个喂料量分区，即可从存储的最优推荐表中快速高效的提取相应的推荐建议，拥有快效率推荐速度，远远满足了每3s一个推荐建议的需求；
4、本发明拥有快速学习效率，包括了在线更新功能。在迭代最优推荐表时，无需针对所有喂料量分区数据再进行学习，去得到各喂料量分区的最优操作记录，只需根据喂料量判断相应的喂料量分区，再对对应分区数据进行再学习，接着只需将最优推荐表中该分区的最优历史操作记录进行更新即可。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
其中：
图1是本发明一种水泥原料立磨系统的节能优化方法实施例一的流程示意图；
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例一：一种水泥原料立磨系统的节能优化方法，在不改变生产设备任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，智能化的提供安全、便捷、合理的辅助决策。
所述方法包括：采集历史操作数据，形成多个历史操作模型，所述历史操作数据包括可控变量、规则过滤变量和相关性较小的变量，所述可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度，所述规则过滤变量包括磨机振动值和选粉机电流，本实施例只考虑如何优化相关且可控变量来作为节能降耗的优化建议，从而实现在不影响正常生产的前提下，降低磨机和循环风机能耗。
根据磨机的喂料量划分出喂料量分区。
根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表。
根据实时工况和所述最优推荐表获得设备的最优操作建议。
实施例二：在实施例一的基础上，对历史操作数据进行分析处理，具体的：在获得最优历史操作记录前，通过机器学习的方式对所述历史操作数据进行箱线图分布统计，得到上限和下限，剔除上限和下限之外的异常数据，之后，通过自主学习数据的正态分布情况,自适应确定不同数据筛选规则，具体逻辑如下：
若VMIN<μ-3σ且VMAX>μ+3σ，则取(μ-3σ,μ+3σ)范围作为数据筛选规则；
若VMIN>μ-3σ且VMAX>μ+3σ，则取(VMIN,μ+3σ)范围作为数据筛选规则；
若VMIN<μ-3σ且VMAX<μ+3σ，则取(μ-3σ,VMAX)范围作为数据筛选规则；
若VMIN>μ-3σ且VMAX<μ+3σ，则取(VMIN,VMAX)范围作为数据筛选规则；
其中，VMIN为变量最小值，VMAX变量最大值，μ变量均值，σ变量标准差，且初始目标磨机主机电流和循环风机高压电流的硬性满足条件如下：
磨机主机电流：[90,125]
循环风机高压电流：[60,70]。
接着对历史操作数据进行离散化处理，再对历史操作模型进行自适应优质编码，比如：X11,X12,X13,...,X1N，可参阅图1。
编码后，统计同一个喂料量分区中各个编码出现的频率，并根据频率进行降序排序；统计相同编码对应的单机电耗Y1，将相同编码进行整合去重，形成独自编码，且独自编码对应的单机电耗Y2等于所有相同编码的单机电耗Y1的均值，获得降序排序中前十位独自编码对应的单机电耗Y12，选择单机电耗Ybest最低的作为所在喂料量分区的最优历史操作记录，同时获得相应的最优推荐表。
其中，所述编码与所述历史操作模型一一对应，编码是各变量对模型的映射，能够对模型定位，即根据变量可以快速找到相应的模型，通过编码方式，不仅能大大降低样本的内存空间，提高模型训练速度，且能大大提高学习精确度。
编码代表了磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度等变量，不同变量根据数据范围。
具体编码计算公式为：编码＝取整函数((变量–变量最低值)/变量步长)，
本申请采用自适应优质编码，其变量最低值以及变量步长将不掺和任何主观经验，取决于数据本身，脱离了人为的固定主观经验。
其中，所述变量最低值取决于正太分布情况：
若是标准正态分布数据，则变量最低值＝均值-3*标准差；
若是左偏态(偏态系数SK<-0.1)分布数据(分布的左侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；
若是右偏态(偏态系数SK>0.1)分布数据(分布的右侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；
所述变量步长取决于数据精度变化量：
DIFF＝(均值+3*标准差)-(均值-3*标准差)
IF DIFF<＝5AND DIFF>＝0.5：
变量步长＝0.1；
ELIF DIFF>5AND DIFF<＝50:
变量步长＝1；
ELIF DIFF<0.5：
变量步长＝0.01；
ELIF DIFF>50：
变量步长＝10。
根据最优推荐表进行最优操作建议时，对推荐的最优历史操作记录的编码进行解码，解码计算公式如下：
变量＝变量编码*变量步长+变量最低值。
实施例三，在实施例二的基础上，根据实时工况，对最优推荐表对应的工况的最优操作建议进行迭代优化，具体迭代优化过程为：
操作产生的操作模型形成实时编码，将实时编码与所述独自编码匹配，当匹配距离为零且实时编码的单机电耗低于独自编码的单机电耗时，判断为较优的操作记录，将该操作记录存储，且重新计算单机电耗均值，即获得该独自编码的新的单机电耗，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录；
当匹配不到距离为零的独自编码时，将所述实时编码列为新的独自编码，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录。
综上所述，和现有技术相比，本申请提出的一种水泥原料立磨系统的节能优化方法，具有以下优点：
1、通过记录历史操作记录，根据实时工况和所述最优推荐表获得设备的最优操作建议，达到节能降耗；
2、采用自适应的筛选规则和自适应的优质编码，脱离了人为的固定主观经验，不掺和任何主观看法或观察数据统计后的经验，先自适应学习调整筛选规则，提取安全正常的有价值数据，再通过自适应学习调整编码公式参数，从而达到历史数据中挖掘出潜在价值，其推荐的优化方案客观、合理、可靠、安全；
3、本发明的在线推送速度快，只需判断是属于哪个喂料量分区，即可从存储的最优推荐表中快速高效的提取相应的推荐建议，拥有快效率和推荐速度，远远满足了每3s一个推荐建议的需求；
4、本发明拥有快速学习效率，包括了在线更新功能。在迭代最优推荐表时，无需针对所有喂料量分区数据再进行学习，去得到各喂料量分区的最优操作记录，只需根据喂料量判断相应的喂料量分区，再对对应分区数据进行再学习，接着只需将最优推荐表中该分区的最优历史操作记录进行更新即可。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
Claims (8)
1.一种水泥原料立磨系统的节能优化方法，其特征在于，
采集历史操作数据，形成多个历史操作模型，所述历史操作数据包括可控变量，所述可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；
根据喂料量获得喂料量分区；
根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表。
2.根据权利要求1所述的一种水泥原料立磨系统的节能优化方法，其特征在于，根据实时工况和所述最优推荐表获得设备的最优操作建议。
3.根据权利要求1所述的一种水泥原料立磨系统的节能优化方法，其特征在于，在获得最优历史操作记录前，通过机器学习的方式对所述历史操作数据进行箱线图分布统计，得到上限和下限，剔除上限和下限之外的异常数据。
4.根据权利要求3所述的一种水泥原料立磨系统的节能优化方法，其特征在于，剔除历史操作数据中的异常数据后,自适应确定不同数据筛选规则，通过自主学习数据的正态分布情况,具体逻辑如下：
若VMIN<μ-3σ且VMAX>μ+3σ，则取(μ-3σ,μ+3σ)范围作为数据筛选规则；
若VMIN>μ-3σ且VMAX>μ+3σ，则取(VMIN,μ+3σ)范围作为数据筛选规则；
若VMIN<μ-3σ且VMAX<μ+3σ，则取(μ-3σ,VMAX)范围作为数据筛选规则；
若VMIN>μ-3σ且VMAX<μ+3σ，则取(VMIN,VMAX)范围作为数据筛选规则；
其中，VMIN为变量最小值，VMAX变量最大值，μ变量均值，σ变量标准差。
5.根据权利要求4所述的一种水泥原料立磨系统的节能优化方法，其特征在于，对历史操作数据进行离散化处理且对历史操作模型进行自适应优质编码；统计同一个喂料量分区中各个编码出现的频率，并根据频率进行降序排序；统计相同编码对应的单机电耗，将相同编码进行整合去重，形成独自编码，且独自编码对应的单机电耗等于所有相同编码的单机电耗的均值，获得降序排序中前十位独自编码对应的单机电耗，选择单机电耗最低的作为所在喂料量分区的最优历史操作记录，同时获得相应的最优推荐表。
6.根据权利要求5所述的一种水泥原料立磨系统的节能优化方法，其特征在于，所述对历史操作数据进行离散化处理且对历史操作模型进行自适应优质编码，获得的编码与所述历史操作模型一一对应，具体编码计算公式为：编码＝取整函数((变量–变量最低值)/变量步长)，
所述变量最低值取决于正太分布情况：
若是标准正态分布数据，则变量最低值＝均值-3*标准差；
若是左偏态(偏态系数SK<-0.1)分布数据(分布的左侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；
若是右偏态(偏态系数SK>0.1)分布数据(分布的右侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；所述变量步长取决于数据精度变化量：
DIFF＝(均值+3*标准差)-(均值-3*标准差)
IF DIFF<＝5 AND DIFF>＝0.5：
变量步长＝0.1；
ELIF DIFF>5 AND DIFF<＝50:
变量步长＝1；
ELIF DIFF<0.5：
变量步长＝0.01；
ELIF DIFF>50：
变量步长＝10。
7.根据权利要求5所述的一种水泥原料立磨系统的节能优化方法，其特征在于，根据最优推荐表进行最优操作建议时，对推荐的最优历史操作记录的编码进行解码，解码计算公式如下：变量＝变量编码*变量步长+变量最低值。
8.根据权利要求5所述的一种水泥原料立磨系统的节能优化方法，其特征在于，根据实时工况，对最优推荐表对应的工况的最优操作建议进行迭代优化，具体迭代优化过程为，操作产生的操作模型形成实时编码，将实时编码与所述独自编码匹配，当匹配距离为零且实时编码的单机电耗低于独自编码的单机电耗时，判断为较优的操作记录，将该操作记录存储，且重新计算单机电耗均值，即获得该独自编码的新的单机电耗，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录；当匹配不到距离为零的独自编码时，将所述实时编码列为新的独自编码，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811604430.9A CN109847916B (zh) | 2018-12-26 | 2018-12-26 | 一种水泥原料立磨系统的节能优化方法 |
| PCT/CN2019/120980 WO2020134801A1 (zh) | 2018-12-26 | 2019-11-26 | 一种水泥原料立磨系统的节能优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811604430.9A CN109847916B (zh) | 2018-12-26 | 2018-12-26 | 一种水泥原料立磨系统的节能优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109847916A CN109847916A (zh) | 2019-06-07 |
| CN109847916B true CN109847916B (zh) | 2021-01-12 |
Family
ID=66892607
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811604430.9A Active CN109847916B (zh) | 2018-12-26 | 2018-12-26 | 一种水泥原料立磨系统的节能优化方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109847916B (zh) |
| WO (1) | WO2020134801A1 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109847916B (zh) * | 2018-12-26 | 2021-01-12 | 厦门邑通软件科技有限公司 | 一种水泥原料立磨系统的节能优化方法 |
| CN110471375B (zh) * | 2019-07-08 | 2020-07-28 | 杭州电子科技大学 | 一种水泥脱硝过程的抗干扰优化跟踪方法 |
| CN112506134A (zh) * | 2019-09-16 | 2021-03-16 | 阿里巴巴集团控股有限公司 | 一种控制变量值的确定方法、装置及设备 |
| TR202006947A2 (tr) * | 2020-05-04 | 2021-11-22 | Sabanci Dijital Teknoloji Hizmetleri Anonim Sirketi | Elektri̇k tüketi̇mi̇ni̇n azaltilmasi i̇çi̇n ai kontrollü deği̇rmen i̇şlemleri̇ne yöneli̇k si̇stem ve yöntem |
| CN112949183B (zh) * | 2021-03-04 | 2024-01-16 | 上海交通大学宁波人工智能研究院 | 一种水泥生料立磨系统异常工况检测系统及方法 |
| CN116474928B (zh) * | 2023-06-25 | 2023-09-26 | 中才邦业(杭州)智能技术有限公司 | 一种水泥磨能耗优化方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101318158A (zh) * | 2008-03-17 | 2008-12-10 | 西安艾贝尔科技发展有限公司 | 一种水泥厂粉磨过程优化控制方法 |
| CN102402186A (zh) * | 2011-12-20 | 2012-04-04 | 西安艾贝尔科技发展有限公司 | 一种水泥厂粉磨过程优化控制方法 |
| CN106990763A (zh) * | 2017-04-20 | 2017-07-28 | 浙江大学 | 一种基于数据挖掘的立磨运行调控系统及方法 |
| CN108224393A (zh) * | 2018-01-08 | 2018-06-29 | 中国恩菲工程技术有限公司 | 智能余热锅炉优化控制方法 |
| CN110302888A (zh) * | 2019-07-15 | 2019-10-08 | 湖北白兆山水泥有限公司 | 水泥磨机优化节能系统 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4833617A (en) * | 1987-08-14 | 1989-05-23 | General Electric Company | Solid modeling based adaptive feedrate control for NC machining |
| US7415446B2 (en) * | 2003-10-20 | 2008-08-19 | General Cybernation Group, Inc. | Model-free adaptive (MFA) optimization |
| US7591440B2 (en) * | 2004-08-13 | 2009-09-22 | Invensys Systems, Inc. | Methods and systems for cement finishing mill control |
| CN100369677C (zh) * | 2006-04-24 | 2008-02-20 | 西安交通大学 | 火电厂钢球磨煤机制粉系统自动控制方法 |
| CN100594066C (zh) * | 2008-04-25 | 2010-03-17 | 东南大学 | 中储式钢球磨制粉系统运行优化和节能控制方法 |
| CN102566551B (zh) * | 2012-02-03 | 2014-07-09 | 北京华电天仁电力控制技术有限公司 | 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法 |
| CN103028480B (zh) * | 2012-12-10 | 2015-04-22 | 上海凯盛节能工程技术有限公司 | 一种基于模糊pid算法的立磨智能控制系统 |
| WO2014185810A1 (en) * | 2013-05-13 | 2014-11-20 | Siemens Aktiengesellschaft | Method for adjusting final steel properties at steel mill facility |
| CN107344138B (zh) * | 2016-05-05 | 2019-03-22 | 中冶长天国际工程有限责任公司 | 一种磨矿机控制方法及装置 |
| CN106179633B (zh) * | 2016-07-28 | 2018-06-26 | 洛阳矿山机械工程设计研究院有限责任公司 | 一种磨机智能自动调速系统的调整方法 |
| CN106676934B (zh) * | 2016-12-28 | 2018-08-03 | 东北大学 | 一种高浓磨浆系统经济优化运行控制方法及系统 |
| CN107016176A (zh) * | 2017-03-24 | 2017-08-04 | 杭州电子科技大学 | 一种混合智能锅炉综合燃烧优化方法 |
| CN107239066B (zh) * | 2017-06-09 | 2018-02-16 | 浙江大学 | 一种基于数据挖掘的立磨运行闭环控制装置及方法 |
| CN107818409A (zh) * | 2017-10-23 | 2018-03-20 | 燕山大学 | 基于模糊关联规则的水泥生产参数及调节区间的优化方法 |
| CN108268597B (zh) * | 2017-12-18 | 2020-10-09 | 中国电子科技集团公司第二十八研究所 | 一种动目标活动概率图谱构建及行为意图识别方法 |
| CN108600756B (zh) * | 2018-05-04 | 2019-10-29 | 上海大学 | 基于蒙特卡洛法马尔可夫链的编码参数自适应调整方法 |
| CN109847916B (zh) * | 2018-12-26 | 2021-01-12 | 厦门邑通软件科技有限公司 | 一种水泥原料立磨系统的节能优化方法 |
-
2018
- 2018-12-26 CN CN201811604430.9A patent/CN109847916B/zh active Active
-
2019
- 2019-11-26 WO PCT/CN2019/120980 patent/WO2020134801A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101318158A (zh) * | 2008-03-17 | 2008-12-10 | 西安艾贝尔科技发展有限公司 | 一种水泥厂粉磨过程优化控制方法 |
| CN102402186A (zh) * | 2011-12-20 | 2012-04-04 | 西安艾贝尔科技发展有限公司 | 一种水泥厂粉磨过程优化控制方法 |
| CN106990763A (zh) * | 2017-04-20 | 2017-07-28 | 浙江大学 | 一种基于数据挖掘的立磨运行调控系统及方法 |
| CN108224393A (zh) * | 2018-01-08 | 2018-06-29 | 中国恩菲工程技术有限公司 | 智能余热锅炉优化控制方法 |
| CN110302888A (zh) * | 2019-07-15 | 2019-10-08 | 湖北白兆山水泥有限公司 | 水泥磨机优化节能系统 |
Non-Patent Citations (1)
| Title |
|---|
| 大型立磨状态监测数据库管理系统研究与开发;杜文辽等;《机械设计与研究》;20170531(第05期);第134-138页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020134801A1 (zh) | 2020-07-02 |
| CN109847916A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109847916B (zh) | 一种水泥原料立磨系统的节能优化方法 | |
| CN1206485C (zh) | 中央空调节能模糊控制方法及模糊控制器 | |
| CN107506865B (zh) | 一种基于lssvm优化的负荷预测方法及系统 | |
| CN109861211B (zh) | 一种基于数据驱动的配电网动态重构方法 | |
| CN103745273A (zh) | 一种半导体制造过程的多性能预测方法 | |
| CN106499656B (zh) | 一种风扇风速智能控制方法 | |
| CN110598983A (zh) | 一种自适应改进粒子群算法的梯级水库优化调度方法 | |
| CN106960244A (zh) | 一种遗传算法与粒子群算法并行融合的进化算法 | |
| CN108537288A (zh) | 一种基于互信息的实时特征提取方法 | |
| CN112700085A (zh) | 基于关联规则的复杂系统稳态运行参数优化方法、系统和介质 | |
| CN105278476A (zh) | 基于物联网的传统酿造过程的监控系统与方法 | |
| CN109507961A (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
| CN108142976B (zh) | 一种叶丝干燥工艺参数优化方法 | |
| CN112990420A (zh) | 一种用于卷积神经网络模型的剪枝方法 | |
| CN110302888A (zh) | 水泥磨机优化节能系统 | |
| CN108375902A (zh) | 一种人工蜂群算法与模糊pid控制结合的双容水箱控制算法 | |
| CN101520856A (zh) | 基于kkt条件和最近邻法的支持向量回归机自适应建模方法 | |
| CN106169101A (zh) | 一种基于结构分解的能源需求预测方法 | |
| CN110852344A (zh) | 一种基于智能变电站网络故障分类的方法 | |
| CN108446452B (zh) | 一种混流泵叶轮鲁棒优化设计方法 | |
| CN108491893A (zh) | 一种基于深层森林算法的家庭用电负荷分类识别方法 | |
| CN111931967A (zh) | 一种风电场短期功率预测方法 | |
| CN105334730A (zh) | 加热炉氧含量的iga优化t-s模糊arx建模方法 | |
| CN113769880B (zh) | 一种基于工业大数据水泥生产原料磨系统控制指标优化方法 | |
| CN111027612B (zh) | 基于加权熵fcm的能源计量数据特征约简方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 361000 one of unit 702, No. 1, xishanwei Road, phase III Software Park, Xiamen Torch High tech Zone, Xiamen, Fujian Province Patentee after: Xiamen Yitong Intelligent Technology Group Co.,Ltd. Address before: B11, 4th floor, 1036 Xiahe Road, Siming District, Xiamen City, Fujian Province, 361000 Patentee before: XIAMEN ETOM SOFTWARE TECHNOLOGY Co.,Ltd. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An energy-saving optimization method for a cement raw material vertical grinding system Effective date of registration: 20220816 Granted publication date: 20210112 Pledgee: Xiamen Branch of PICC Pledgor: Xiamen Yitong Intelligent Technology Group Co.,Ltd. Registration number: Y2022980012793 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20210112 Pledgee: Xiamen Branch of PICC Pledgor: Xiamen Yitong Intelligent Technology Group Co.,Ltd. Registration number: Y2022980012793 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Energy saving optimization method for a cement raw material vertical grinding system Granted publication date: 20210112 Pledgee: Agricultural Bank of China Limited Xiamen Lianqian Branch Pledgor: Xiamen Yitong Intelligent Technology Group Co.,Ltd. Registration number: Y2024980004722 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |