[发明专利]一种基于ANN神经网络的篦冷机堆雪人识别方法和系统

权利要求书

1.一种基于ANN神经网络的篦冷机堆雪人识别系统，其特征在于，包括主设备以及设置在主设备上的特征集定义装置、训练集装置、ANN人工神经网络训练装置、数据规则引擎、数据清洗装置和篦冷机堆雪人识别装置；

所述特征集定义装置，定义影响篦冷机堆雪人的因素，确定篦冷机堆雪人的特征集，并作为ANN人工神经网络的输入变量，输入至训练集装置；

所述训练集装置，根据所述特征集采集生产过程中窑况的离线业务历史数据，覆盖特征集中所定义的参数，并对离线业务历史数据进行清洗处理，完成数据标注，后输入至ANN神经网络模型训练装置；

所述ANN神经网络模型训练装置，对输入的大量篦冷机堆雪人离线业务历史数据进行半监督学习；

所述数据规则引擎装置，将规则特性用表格的形式记录于装置中；

所述数据清洗装置，实时获取生产过程中的篦冷机堆雪人相关特征参数数据,对所述特征参数数据按照数据规则引擎预设的规则进行数据清洗、组装；

所述篦冷机堆雪人识别装置，对生产过程中篦冷机输入相关的实时数据进行识别分类，所述分类包括篦冷机堆雪人和篦冷机正常两种类别。

2.如权利要求1所述的一种基于ANN神经网络的篦冷机堆雪人识别系统，其特征在于，所述数据标注，对达到堆雪人标准的数据样本打上标签为堆雪人，未达到标准的数据样本为正常。

3.如权利要求1所述的一种基于ANN神经网络的篦冷机堆雪人识别系统，其特征在于，所述ANN神经网络模型训练装置，设有神经元结构，所述神经元结构包括输入层、第一隐藏层、第二隐藏层、第三隐藏层、输出层，所述半监督学习，是指给定期望输出堆雪人的训练集，通过不断调整各个隐藏层中各神经元的权值，使ANN神经网络模型装置的实际输出值逼近期望输出。

4.如权利要求1所述的一种基于ANN神经网络的篦冷机堆雪人识别系统，其特征在于，所述规则特性，包括：数据采集频率、数据采集范围、数据标准范围、数据差值阈值、采集类型、算法运行频率，所述采集类型分为均值或插值。

5.如权利要求1所述的一种基于ANN神经网络的篦冷机堆雪人识别系统，其特征在于，当相关特征参数数据与预设标准的差值超过预设偏差阈值时，则对该类数据进行剔除，并以表格的形式记录到脏数据记录表中。

6.一种如权利要求1-5所述的基于ANN神经网络的篦冷机堆雪人识别系统的识别方法，包括如下步骤：

步骤S01：分析篦冷机堆雪人形成后的表现特征，确定篦冷机堆雪人的特征模型；

步骤S02：分析出篦冷机堆雪人形成后的数据规则特性并以此构建数据规则引擎，所述规则引擎的规则特性以表格的形式存储；

步骤S03：根据特征模型的特征参数获取离线业务数据，同时根据数据特征范围对离线业务数据进行清洗，剔除在数据特征范围以外的数据，识别系统维持一个离线业务数据记录表；

步骤S04：根据所述的特征模型，对步骤S03中清洗完成的离线业务数据进行标注，标注采用通用组合的方式进行；

步骤S05：构建ANN人工神经网络模型；

步骤S06：训练ANN人工神经网络模型；

步骤S07：实时获取水泥生产过程中篦冷机工况相关参数数据，按数据规则引擎定义的数据标准范围进行清洗、组装，然后以表格的形式存储；

步骤S08：将组装完成的篦冷机工况相关参数取出，并以定义的算法运行频率，输入训练完成的ANN人工神经网络模型；

步骤S09：从篦冷机堆雪人识别模型中获得模型输出值进行识别。