[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

说明书

本发明涉及人工智能技术的深度学习领域，具体涉及一种基于ANN神经网络的篦冷机堆雪人识别方法和系统，该方法为：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，分析出篦冷机堆雪人形成后的业务数据规则，构建数据规则引擎，根据特征模型的特征参数获取离线业务数据并清洗，对清洗完成的离线业务数据进行标注，构建并训练ANN人工神经网络模型，实时获取篦冷机工况相关参数，按数据规则引擎定义的数据标准范围进行清洗、组装，将组装的参数输入训练完成的篦冷机堆雪人识别模型，从篦冷机堆雪人识别模型中获得识别结果。本发明具有高度的智能化、灵敏准确等优点，能够对水泥生产过程中篦冷机堆雪人现象的发生进行及时准确识别。

技术领域

本发明涉及人工智能技术的深度学习领域，具体涉及一种基于ANN神经网络的篦冷机堆雪人识别方法和系统。

背景技术

目前在新型干法窑水泥生产过程中，熟料的冷却方式基本采用篦式冷却机冷却。在实际生产过程中，常常会因为各种原因造成篦板不能及时将出窑熟料推走，使篦冷机前壁与回转窑筒体转向后侧的卸料溜子处出窑熟料越堆越高，造成“堆雪人”的现象。

堆雪人是篦冷机经常会出现的一种不正常现象，其危害十分严重。雪人形成后会影响系统通风、入窑二次风量、风温，破坏窑及预热器系统的热平衡，使窑内煅烧不好，熟料产量和质量下降，严重时造成窑头正压、窑尾漏料，严重磨蚀窑口护铁。

在现有的水泥生产过程控制中，一般采用在现场加强人力在篦冷机前进行检查的方法，以便及时发现篦冷机堆雪人的现象发生，并及时进行处理。这种方法由于受环境限制、人的主观因素影响，并不能保证工人随时随地在篦冷机跟前值守，并能及时发现堆雪人现象发生，如果一旦堆雪人的现象发生但发现得不够及时，会使雪人堆得过大而倒塌，从而压死篦床造成压床事故。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提出了一种基于ANN神经网络的篦冷机堆雪人识别方法和系统，其具体技术方案如下。

一种基于ANN神经网络的篦冷机堆雪人识别系统，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。

进一步的，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。

进一步的，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。

进一步的，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。