CN110898979A - 立磨粉磨系统热量自动调控方法及装置 - Google Patents

Abstract

本发明实施方式提供一种立磨粉磨系统热量自动调控方法，所述热量自动调控方法包括：获取所述立磨粉磨系统运行中的状态数据；基于所述状态数据，采用高斯过程回归模型对所述状态数据进行预测，得到预测结果；基于所述预测结果，获取对应的热量调整措施，同时还获取所述热量调整措施对应的调整时机；基于所述热量调整措施和调整时机对所述立磨粉磨系统进行热量调控。同时还提供了一种对应的立磨粉磨系统热量自动调控装置。本发明提供的实施方式提升了立磨粉磨系统中热量调控的自动化和智能化。

Description

立磨粉磨系统热量自动调控方法及装置

技术领域

本发明涉及热量调控领域，具体地涉及一种立磨粉磨系统热量自动调控方法、一种立磨粉磨系统热量自动调控装置以及对应的介质。

背景技术

立磨粉磨是一种干法物料立磨粉磨系统，集物料研磨、烘干、分级功能于一体，主要用于石灰石混合物、矿渣、钢渣粉磨生产。

立磨粉磨系统处理量大，原材料露天存放，物料过于干燥会导致研磨区域料层不稳定，设备振动大，影响设备安全，研磨过程中为了保持料层稳定性，需要在物料上喷水，而很多生产线尚未配置电动喷水控制，研磨后的物料呈粉末状，为了收集有、存储、运输，需要是干燥状态，因此在加工过程中，通过热风循环，来烘干研磨后的物料，并形成气、固流体经过分级输送至收集系统。如果供应的热量过多，会导致物料过于干燥，研磨区域料层不稳定，产生较大震动导致停机，也浪费热量，增加了排放。

物料还会受天气和季节影响，进入立磨粉磨系统的物料水份含量不可控制，同时立磨粉磨系统是封闭的，温度变化具有滞后性，热量供应调控往往不够及时，生产过程中物料水份含量波动会破坏系统动态平衡，还会影响到产量、电耗、产品质量等技术指标。

如何通过技术手段检测到进入立磨粉磨系统的物料水分变化，并且调控热量供应来烘干物料水分，从而减少对立磨粉磨系统的扰动，保障立磨粉磨系统的稳定性、提高效率、节能降耗是面临的难题。

高斯过程回归(Gaussian Process Regression,GPR)是使用高斯过程(GaussianProcess,GP)先验对数据进行回归分析的非参数模型。可用于一般意义上的低维回归问题，尤其是时间序列数据的预测。例子包括太阳辐射的有关变量、风速、土壤温度等。在图像处理方面，GPR被用于图像去噪和生成超分辨率图像。在自动控制方面，GPR被用于机械臂数据的实时学习，也有研究开发了GPR的机器人学习系统。

发明内容

本发明实施方式的目的是对立磨粉磨系统进行温度、物料水分的检测，并结合分布式控制系统对立磨粉磨系统的粉磨区域进行喷水阀、冷风阀和热风阀的开度的调整，从而实现提升立磨粉磨系统的稳定性，提高立磨粉磨系统的效率，并达到节能降耗的技术效果。

为了实现上述目的，在本发明第一方面，提供一种立磨粉磨系统热量自动调控方法，所述热量调控方法包括：

获取所述立磨粉磨系统运行中的状态数据；

基于所述状态数据，采用高斯过程回归模型对所述状态数据进行预测，得到预测结果；

基于所述预测结果，获取对应的热量调整措施，同时还获取所述热量调整措施对应的调整时机；

基于所述热量调整措施和调整时机对所述立磨粉磨系统进行热量调控。

可选的，所述高斯过程回归模型采用以下方式建立：

选取预设时间段内的历史状态数据作为数据样本；

基于所述数据样本构建高斯回归模型拟合函数。

可选的，所述方法还包括：对所述高斯过程回归模型进行优化的步骤：

将某一时刻的实际的状态数据与之前预测的所述时刻的预测结果相比较；

若两者差值超过设定阈值，则调整所述高斯过程回归模型的参数，采用参数调整后的高斯过程回归模型对所述立磨粉磨系统进行预测。

可选的，所述热量调整措施，包括：

若所述预测结果包括振动值异常，则对所述立磨粉磨系统的喷水量进行调控；

若所述预测结果包括出口处温度异常，则对所述立磨粉磨系统的供热量进行调控。

可选的，若所述预测结果包括振动值异常，则对所述立磨粉磨系统的喷水量进行调控，包括：

获取所述预测结果中的振动值与所述振动阈值的振动差值；

根据所述振动差值正比例确定所述立磨粉磨系统的喷水量。

可选的，若所述预测结果包括出口处温度异常，则对所述立磨粉磨系统的供热量进行调控，包括：

当所述出口处温度低于第一温度阈值时，增大所述立磨粉磨系统中热风阀的开度，并减小所述立磨粉磨系统中冷风阀的开度；

当所述出口处温度高于第二温度阈值时，减小所述热风阀的开度，并增大所述冷风阀的开度；所述第二温度阈值高于所述第一温度阈值。

可选的，所述获取所述热量调整措施对应的调整时机，包括：

获取调控喷水量的时刻t1，以及受所述喷水量影响的出口处温度降低时刻t2；

获取增大所述热风阀开度的时刻t3，以及受所述热风阀开度影响的出口处温度升高时刻t4；

那么所述调整时机为相对于当前时刻的(t2-t1)-(t4-t3)。

在本发明的第二方面，还提供了一种立磨粉磨系统热量自动调控装置，所述热量调控装置包括处理器和存储器；

所述存储器用于存储程序指令；

所述处理器用于调用所述存储器中存储的所述程序指令以实现前述的立磨粉磨系统热量自动调控方法。

可选的，所述热量调控装置还包括若干引脚，所述引脚用于连接如下一种或多种设备：

微波水分检测仪，用于检测即将进入所述立磨粉磨系统的物料的水分；

温度检测仪，用于检测所述立磨粉磨系统的出口处温度；

振动传感器，用于检测所述立磨粉磨系统的振动值；

设置在所述立磨粉磨系统的入口处的喷水阀，用于对进入所述立磨粉磨系统的物料进行喷水；

设置在所述立磨粉磨系统的粉磨区域风口的热风阀，用于对所述立磨粉磨系统的粉磨区域进行加热；

设置在所述立磨粉磨系统的粉磨区域风口的冷风阀，用于对所述立磨粉磨系统的粉磨区域进行降温。

在本发明的第三方面，还提供了一种计算机可读存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行前述的立磨粉磨系统热量自动调控方法。

本发明的有益效果在于：完善在线检测数据链；建立喷水自动控制机制；构建热量闭环调控；解决数据变化时间差与调控滞后问题；实现热量自动调控，防止过度调控。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明一种实施方式提供的立磨粉磨系统热量自动调控方法的步骤示意图；

图2是本发明一种实施方式提供的立磨粉磨系统热量自动调控装置的连接关系示意图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

在本发明实施方式中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。

图1是本发明一种实施方式提供的立磨粉磨系统热量自动调控方法的步骤示意图。如图1所示，一种立磨粉磨系统热量自动调控方法，所述热量调控方法包括：

获取所述立磨粉磨系统运行中的状态数据；

基于所述状态数据，采用高斯过程回归模型对所述状态数据进行预测，得到预测结果；

基于所述预测结果，获取对应的热量调整措施，同时还获取所述热量调整措施对应的调整时机；

基于所述热量调整措施和调整时机对所述立磨粉磨系统进行热量调控。

如此，本发明的实施方式采用高斯过程回归(GPR)模型对状态数据进行分析和预测，避免了调控的滞后性，不仅完善了在线检测数据链，还能实现热量自动调控，防止过度调控。

具体的，由于立磨粉磨系统多种工艺耦合，单位时间物料处理量大，壳体振动受物料水分、内部温度、风量及其他属性参数综合影响，工况属于非平稳序列，高斯过程回归(GPR)模型对立磨粉磨系统的状态数据进行预测和分析，基于上述数据分析模型，通过健康状态数据划分与归类计算，得到数据状态评估指标，建立稳定状态特征库，作为促发调控基准。对获取的实时监控数据进行处理分析，并用高斯过程回归(GPR)进行计算，用结果数据与当前数据进行趋势验证，与健康状态特征数据比较，识别工况，当取值持续异常时，促发自动调控，形成自动优化调控系统。

本发明提供的一种实施方式中，在所述步骤“获取所述立磨粉磨系统运行中的状态数据”之后，所述热量调控方法还包括：对所述状态数据进行处理，所述处理包括去除无效数据和去除偶发数据。本实施方式对采集的水分含量、振动、温度和\或压力数据进行异常值处理，去除飘移、偶发的非正常范围等无效数据。通过本实施方式对数据进行预清洗，以实现提升系统的输入数据的准确性。

本发明提供的一种实施方式中，所述高斯过程回归模型采用以下方式建立：选取预设时间段内的历史状态数据作为数据样本；基于所述数据样本构建高斯回归模型拟合函数。对于给定的包含有大量数据样本的数据集，将此数据集作为训练集。数据样本包含有输入数据X、输出数据Y，以及X和Y之间建立映射关系，此处的输入数据X为当前立磨粉磨系统的输入参数，包括有粉磨原料的参数特性、输入的功率、以及提供的热能等，输出数据Y为该立磨粉磨系统的状态数据，该状态数据主要包括该系统的振动和温度量，通过高斯过程回归模型能够实现在待测试输入数据为x时，可预测出输出值f(x)，而此时由于粉磨系统需要一定的粉磨时间，则该f(x)并不等于当前输入参数所对应的状态数据，因此其属于一个预测值。该预测值表示的是当前工况下，输入粉磨原料的参数为x时，其经过粉磨过程中，应该对应于f(x)的状态数据。高斯回归首先要计算数据集中样本之间的联合概率分布，其联合概率分布包含以下参数：Y均值所组成的向量，K为其协方差矩阵，再根据需要预测的先验概率分布与联合概率分布，来计算出的后验概率分布。其中的关键步骤计算协方差矩阵和计算概率分布均可参考现有技术，此处不再赘述。例如协方差矩阵可以选用cov(y)＝K(X,X)+σ² _nI，计算概率分布可以采用核函数等。以下提供一个简要的步骤以供本领域技术人员实施。

通过分析数据样本的分布特性、周期特性、是否带有噪声等特点，采用常用协方差函数或其组合作为协方差函数的结构假设。由于不可能遍历所有函数理论上，在高斯回归过程建模中，任何半正定矩阵都可以是协方差函数，因此此处的协方差函数可以从现有的协方差函数中进行选择。协方差函数具备两个性质：1)两个协方差函数的和仍是一个协方差函数；2)两个协方差函数的乘积也可组成一个协方差函数。因此，在对立磨粉磨系统的高斯回归过程建模时，可以通过对实验测试数据作图，分析图像的分布特性、周期特性、是否带有噪声等特点，采用常用协方差函数或其组合作为协方差函数的结构假设。

在高斯过程回归建模过程中，假设某一输入参数在多个时刻r1(i＝1,2,…,N)所对应的状态数据为f(r1)、f(r2)、…、f(rN)，其服从多元联合高斯分布，其性质完全由对应自变量r的均值函数m(r)和协方差函数k(r,r′)确定，即

m(r)＝E[f(r)]

k(r,r′)＝E[(f(r)-m(r))]

式中，E[X]表示矢量X的均值函数，m(r′)为对应自变量r′的均值函数。f(r)为对应自变量r的状态数据；f(r′)为对应自变量r′的状态数据。因此，高斯过程可以定义为f(r)～GP(m(r),k(r,r′))；其中，GP就是高斯过程的符号表示。通常为了符号上的简洁，会对数据进行预处理，即让其均值函数为0。在考虑量噪声等于独立同分布的高斯噪声的情况下，即可以得到状态数据的先验分布公式。通过此先验公式，对于某一输入变量在某一时刻所对应的预测状态数据，再计算实验测试数据集的联合分布，该联合分布中包含有：预测时刻与实验测试数据集的输入之间的N×1阶协方差矩阵；以及预测时刻自身的协方差矩阵。根据贝叶斯定理，可以计算出预测状态数据的后验分布公式，该公式中包括了状态数据的预测均值；cov(x)是状态数据的预测方差。具体的从样本数据中进行高斯回归模型的建立和求解细节可以参考当前的现有数学，此处也不再重复。

本发明提供的一种实施方式中，所述方法还包括：对所述高斯过程回归模型进行优化的步骤：将某一时刻的实际的状态数据与之前预测的所述时刻的预测结果相比较；若两者差值超过设定阈值，则调整所述高斯过程回归模型的参数，采用参数调整后的高斯过程回归模型对所述立磨粉磨系统进行预测。在前述的高斯过程回归模型的初始阶段，预测的状态数据与实际获取的状态数据会存在较大的变化和偏差，随着迭代过程的不断进行，模型各参数拟合度提高，其预测生成的状态数据逐渐趋近实际的状态数据。随着高斯迭代过程更新参数，预测准确度不断提高，但基于线性组合的高斯回归预测模型，不论在迭代次数或是预测准确度方面，均优于基于总体特征的高斯回归预测模型。通过实际采集的状态参数对于高斯过程回归模型的修正，能够提升调控过程的准确性。具体为：根据概率计算贝叶斯公式，得到状态数据的后验概率，进而获得状态数据的边缘似然。通过最大化边缘对数似然对协方差函数的超参数进行优化，最终确定优化后的高斯过程回归模型。根据概率计算贝叶斯公式可得f(r)的后验概率，并由此可以得到一个边缘似然，对协方差函数的超参数θ的优化可通过最大化边缘对数似然来实现。以平方指数协方差函数为例，超参数θ＝{l,σ,σn}，则对应的条件概率的对数似然函数L(θ)及其关于超参数θ的偏导数。采用共轭梯度法等优化方法对偏导数进行最大化以得到超参数的最优解，然后利用高斯过程回归模型便可计算某一时刻的状态数据的预测值和预测方差。

本发明提供的一种实施方式中，所述热量调整措施，包括：若所述预测结果包括振动值异常，则对所述立磨粉磨系统的喷水量进行调控；若所述预测结果包括出口处温度异常，则对所述立磨粉磨系统的供热量进行调控。本实施方式建立的两种关联关系包括：振动值异常-喷水量以及出口处温度-供热量的关联，通过以上关联关系，对所述立磨粉磨系统进行调节，具体调节的细节在后文详述。

本发明提供的一种实施方式中，若所述预测结果包括振动值异常，则对所述立磨粉磨系统的喷水量进行调控，包括：获取所述预测结果中的振动值与所述振动阈值的振动差值；根据所述振动差值正比例确定所述立磨粉磨系统的喷水量。具体为：当振动超过额定数值时，一般认为振动偏高，这个数值可以取过去一段时间稳定生产时振动值上限a，并将该振动值上限下浮10％，即0.9a系统统计这0.9a–a之间10％范围内的水分检测数据，计算加权平均数，作为触发值：Φ^-＝∑nΦ/∑n；当水分检测值连续小于Φ^-时，引发振动偏高，控制系统应自动启动喷水装置，喷水量跟振动值相对于振动值a的增加成正比。通过此定量化的喷水量的计算方法，提升了喷水的控制精度。

本发明提供的一种实施方式中，若所述异常状态数据包括出口处温度异常，则对所述立磨粉磨系统的供热量进行调控，包括：

当所述出口处温度低于第一温度阈值时，增大所述立磨粉磨系统中热风阀的开度，并减小所述立磨粉磨系统中冷风阀的开度；

当所述出口处温度高于第二温度阈值时，减小所述热风阀的开度，并增大所述冷风阀的开度；所述第二温度阈值高于所述第一温度阈值。

构建热量闭环调控

当出口温度偏低时，增加热风阀开度、同时减少冷风阀开度，当出口温度偏高时，减少热风阀开度，增加冷风阀开度。

以上控制模式是耦合过程，需要同时识别状态、同步调控。

本发明提供的一种实施方式中，所述获取所述热量调整措施对应的调整时机，包括：获取调控喷水量的时刻t1，以及受所述喷水量影响的出口处温度降低时刻t2；获取增大所述热风阀开度的时刻t3，以及受所述热风阀开度影响的出口处温度升高时刻t4；那么所述调整时机为相对于当前时刻的(t2-t1)-(t4-t3)。通过对调控滞后量的确定，解决了数据变化时间差与调控滞后问题，以此提升调控的实时性。

本发明提供的一种实施方式中，还提供一种立磨粉磨系统热量自动调控装置，所述热量调控装置包括处理器和存储器；

所述存储器用于存储程序指令；所述处理器用于调用所述存储器中存储的所述程序指令以实现前述的立磨粉磨系统热量自动调控方法。此处的处理器具有数值计算和逻辑运算的功能，其至少具有数据处理能力的中央处理器CPU、随机存储器RAM、只读存储器ROM、多种I/O口和中断系统等。此处数据处理模块可以例如为单片机、芯片或处理器等常用硬件，更常用的情况下，就是智能终端或者PC的处理器。在此处，该装置可以是上位工控机或自动控制装置中的现有控制器，其实现的功能为该控制器的子功能。其具体形式为依赖于现有上位工控机或控制器的硬件运行环境中的一段软件代码。

本发明提供的一种实施方式中，所述热量调控装置包括若干引脚，所述引脚用于连接如下设备：

微波水分检测仪，用于检测即将进入所述立磨粉磨系统的物料的水分；

温度检测仪，用于检测所述立磨粉磨系统的出口处温度；

设置在所述立磨粉磨系统的入口处的喷水阀，用于对进入所述立磨粉磨系统的物料进行喷水；

设置在所述立磨粉磨系统的粉磨区域风口的热风阀，用于对所述立磨粉磨系统的粉磨区域进行加热；

设置在所述立磨粉磨系统的粉磨区域风口的冷风阀，用于对所述立磨粉磨系统的粉磨区域进行降温。图2是本发明一种实施方式提供的立磨粉磨系统热量自动调控装置的连接关系示意图，一个实际的立磨粉磨系统的装置结构和控制回路如图2所示。

在本发明提供的一种实施方式中，还提供了一种计算机可读存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行前述的立磨粉磨系统热量自动调控方法。

本发明上述实施例的技术方案中的立磨粉磨系统热量自动调控方法和装置，通过上述喷水启动识别、喷水量关系、时差关系，采用GPR算法和模型，形成自动优化调控系统，可以及时调整冷、热风供应量，通过预调整保障热量合理供应。

以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。

本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。

Claims (10)

1.一种立磨粉磨系统热量自动调控方法，其特征在于，所述热量自动调控方法包括：

获取所述立磨粉磨系统运行中的状态数据；

基于所述状态数据，采用高斯过程回归模型对所述状态数据进行预测，得到预测结果；

基于所述预测结果，获取对应的热量调整措施，同时还获取所述热量调整措施对应的调整时机；

基于所述热量调整措施和调整时机对所述立磨粉磨系统进行热量调控。

2.根据权利要求1所述的热量自动调控方法，其特征在于，所述高斯过程回归模型采用以下方式建立：

选取预设时间段内的历史状态数据作为数据样本；

基于所述数据样本构建高斯回归模型拟合函数。

3.根据权利要求2所述的热量自动调控方法，其特征在于，所述方法还包括：对所述高斯过程回归模型进行优化的步骤：

将某一时刻的实际的状态数据与之前预测的所述时刻的预测结果相比较；

若两者差值超过设定阈值，则调整所述高斯过程回归模型的参数，采用参数调整后的高斯过程回归模型对所述立磨粉磨系统进行预测。

4.根据权利要求1所述的热量自动调控方法，其特征在于，所述热量调整措施，包括：

若所述预测结果包括振动值异常，则对所述立磨粉磨系统的喷水量进行调控；

若所述预测结果包括出口处温度异常，则对所述立磨粉磨系统的供热量进行调控。

5.根据权利要求4所述的热量自动调控方法，其特征在于，若所述预测结果包括振动值异常，则对所述立磨粉磨系统的喷水量进行调控，包括：

获取所述预测结果中的振动值与所述振动阈值的振动差值；

根据所述振动差值正比例确定所述立磨粉磨系统的喷水量。

6.根据权利要求5所述的热量自动调控方法，其特征在于，若所述预测结果包括出口处温度异常，则对所述立磨粉磨系统的供热量进行调控，包括：

当所述出口处温度低于第一温度阈值时，增大所述立磨粉磨系统中热风阀的开度，并减小所述立磨粉磨系统中冷风阀的开度；

当所述出口处温度高于第二温度阈值时，减小所述热风阀的开度，并增大所述冷风阀的开度；所述第二温度阈值高于所述第一温度阈值。

7.根据权利要求6所述的热量自动调控方法，其特征在于，所述获取所述热量调整措施对应的调整时机，包括：

获取调控喷水量的时刻t1，以及受所述喷水量影响的出口处温度降低时刻t2；

获取增大所述热风阀开度的时刻t3，以及受所述热风阀开度影响的出口处温度升高时刻t4；

那么所述调整时机为相对于当前时刻的(t2-t1)-(t4-t3)。

8.一种立磨粉磨系统热量自动调控装置，其特征在于，所述热量调控装置包括处理器和存储器；

所述存储器用于存储程序指令；

所述处理器用于调用所述存储器中存储的所述程序指令以实现权利要求1至7中任一项权利要求所述的立磨粉磨系统热量自动调控方法。

9.根据权利要求8所述的热量自动调控装置，其特征在于，所述热量调控装置还包括若干引脚，所述引脚用于连接如下一种或多种设备：

微波水分检测仪，用于检测即将进入所述立磨粉磨系统的物料的水分；

温度检测仪，用于检测所述立磨粉磨系统的出口处温度；

振动传感器，用于检测所述立磨粉磨系统的振动值；

设置在所述立磨粉磨系统的入口处的喷水阀，用于对进入所述立磨粉磨系统的物料进行喷水；

设置在所述立磨粉磨系统的粉磨区域风口的热风阀，用于对所述立磨粉磨系统的粉磨区域进行加热；

设置在所述立磨粉磨系统的粉磨区域风口的冷风阀，用于对所述立磨粉磨系统的粉磨区域进行降温。

10.一种计算机可读存储介质，所述存储介质中存储有指令，其特征在于，当其在计算机上运行时，使得计算机执行权利要求1至7中任一项权利要求所述的立磨粉磨系统热量自动调控方法。

Images