[发明专利]基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法

权利要求书

1.基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法，其特征在于，包括如下步骤：

步骤一，采集现场数据，获得现场控制系统DCS中生产数据以及全自动游离氧化钙分析仪检测数据，并进行数据处理；

步骤二，选取与熟料f-CaO相关的输入变量，作为预测熟料f-CaO的辅助变量；

步骤三，根据并结合选取变量，构建熟料f-CaO预测模型；

步骤四，在同一时间序列中，采用全自动游离氧化钙检测仪获取熟料f-CaO数据，再对预测计算得到的熟料f-CaO数据进行对比矫正，调整熟料f-CaO预测模型参数。

2.如权利要求1所述的基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法，其特征在于，所述数据处理包括：

一阶滤波处理：一阶滤波表达式为Y(n)＝Coef*X(n)+(1-Coef)*Y(n-1)，其中，X(n)表示本次滤波输入值，新的采样数据信号；Y(n)表示本次滤波输出值；Y(n-1)表示上次滤波输出值；Coef表示滤波系数，值在0～1之间，通过调节滤波系数调整滤波的强度，若滤波系数越接近1，则滤波越弱，即越接近原始信号；若滤波系数越接近0，则滤波越强；

异常值剔除：对现场控制系统DCS中存在明显异常的数据进行直接剔除处理。

3.如权利要求1所述的基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法，其特征在于，所述输入变量为从控制系统DCS中采集的样本数据集，样本数据集包括有标签和无标签的训练数据集、预测数据集，对样本数据进行统一最大最小归一化处理和异常值剔除处理。

4.如权利要求1所述的基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法，其特征在于，所述步骤三，具体为：

将输入变量作为输入，全自动游离氧化钙检测仪1h/次的熟料f-CaO数据作为输出，将所有输入输出变量进行归一化处理，构建基于时间序列的熟料f-CaO预测模型，模型表达式为：

f-CaO＝k0+k1x1+k2x2+k3x3+k4x4+

k5x5+k6x6+k7x7+k8x8

其中，k0表示截距；k1-k8为各参数的贡献率，具体的，k1表示比色高温；k2表示石灰石饱和比KH；k3表示硅酸率SM；k4表示铝酸率IM；k5表示高温NOx；K6表示烟室温度；k7表示看火亮度；K8表示二次风温。

5.如权利要求1所述的基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法，其特征在于，所述步骤四，具体为：首先全自动游离钙检测仪每次取样时，发出一次脉冲信号，系统记录下取样时间，然后将取样时刻的预测熟料f-CaO数据与全自动游离氧化钙检测仪的结果进行对比矫正，设置全自动游离氧化钙检测仪检测的熟料f-CaO数据的置信度，以该置信度作为标准，进行迭代调整熟料f-CaO预测模型参数，实现模型的熟料f-CaO预测自动滚动优化。

6.如权利要求1所述的基于全自动游离氧化钙分析仪数据实时预测熟料f-CaO的方法，其特征在于，所述熟料f-CaO预测模型的参数配置包括设置置信因子、化验值安全检查和约束校正系数；

其中，所述设置置信因子具体为：置信因子的范围在0～1之间，值越接近于1，表示越相信最新的化验值，所述化验值，即：全自动游离氧化钙检测仪检测的熟料f-CaO值；

所述化验值安全检查，具体包括：

①最大值检查：如果化验值大于最大值，则不采用；

②最小值检查：如果化验值小于最小值，则不采用；

③变化率检查：如果化验值偏差大于最大偏差量，则不采用；

④采样时间检查：如果采样时间与当前时间间隔大于最大采样间隔，则不采用该化验值；

所述约束校正系数，即：对校正系数增加上下限约束，超过后强制等于上下限。