基于2DPLPP特征提取的水泥生料分解率動(dòng)態(tài)軟測量建模.pdf

1、預(yù)分解新型干法水泥生產(chǎn)技術(shù)將物料的預(yù)熱和分解分別移至懸浮預(yù)熱器和分解爐，懸浮狀態(tài)下的換熱、分解速度遠(yuǎn)高于回轉(zhuǎn)窯中堆積態(tài)下的速度，根本上改變了生料分解的傳熱狀態(tài)，大幅提高了熱效率和生產(chǎn)效率，成為當(dāng)今水泥工業(yè)發(fā)展的主流。生料分解率是衡量水泥熟料質(zhì)量的重要指標(biāo)，確保分解率穩(wěn)定地保持在工藝要求的范圍內(nèi)是分解爐乃至整個(gè)窯系統(tǒng)控制的關(guān)鍵。因而，分解率反饋信息的準(zhǔn)確性與實(shí)時(shí)性至關(guān)重要。
　　生料預(yù)分解系統(tǒng)中，各過程變量可通過檢測儀表進(jìn)行在線快速

2、率采樣，而生料分解率則通過人工采樣離線化驗(yàn)的方法檢測，慢速率采樣信息無法及時(shí)反映過程工況。軟測量是解決該問題的有效方法，但預(yù)分解系統(tǒng)工藝復(fù)雜，難以建立精確的機(jī)理模型。數(shù)據(jù)驅(qū)動(dòng)軟測量建模方法由于獲得過程相關(guān)信號相對容易而得到廣泛研究和應(yīng)用，而現(xiàn)有的數(shù)據(jù)驅(qū)動(dòng)模型多為靜態(tài)模型，過大的重采樣間隔導(dǎo)致動(dòng)態(tài)信息丟失、模型性能較差。而基于多速率系統(tǒng)辨識的動(dòng)態(tài)軟測量需要精心設(shè)計(jì)非線性測試實(shí)驗(yàn)以獲取可靠的動(dòng)態(tài)過程數(shù)據(jù)，從而獲得準(zhǔn)確的系統(tǒng)數(shù)學(xué)模型;且其優(yōu)化

3、算法代價(jià)昂貴難以保證全局最優(yōu)解。因而，需要深入分析預(yù)分解系統(tǒng)過程特性和數(shù)據(jù)特點(diǎn)，建立基于快采樣速率輸入數(shù)據(jù)和慢采樣速率輸出數(shù)據(jù)的關(guān)聯(lián)推理動(dòng)態(tài)軟測量模型，以滿足人工決策調(diào)整、過程運(yùn)行安全監(jiān)控、自動(dòng)推理控制及實(shí)時(shí)操作優(yōu)化的需求。
　　本文從推理建模學(xué)習(xí)的角度將生料預(yù)分解等多速率系統(tǒng)的動(dòng)態(tài)軟測量問題歸結(jié)為多變量時(shí)間序列回歸問題，是驅(qū)動(dòng)數(shù)據(jù)具有非線性分布與“時(shí)間-空間”雙重關(guān)聯(lián)特點(diǎn)的高維學(xué)習(xí)問題。對此，本文結(jié)合數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)相關(guān)知識，

4、提出基于動(dòng)態(tài)數(shù)據(jù)特征提取的支持向量回歸模型，并實(shí)現(xiàn)生料分解率的軟測量。主要工作如下:
　　(1)采樣自水泥生料預(yù)分解等復(fù)雜工業(yè)過程的多變量時(shí)間序列數(shù)據(jù)具有非線性、高維、冗余特點(diǎn)，流形學(xué)習(xí)方法中的局部保持投影(LPP)通常被用來提取此類數(shù)據(jù)的主要特征。但高頻率采樣的過程動(dòng)態(tài)數(shù)據(jù)還具有函數(shù)型特點(diǎn)，其空間維變量與時(shí)間維變量之間具有雙重關(guān)聯(lián)結(jié)構(gòu)模式特性。將粗糙度懲罰以加性方式引入LPP提出的懲罰局部保持投影(PLPP)能夠保留函數(shù)型數(shù)據(jù)的

5、光滑性。但LPP、PLPP等基于向量展開形式數(shù)據(jù)的算法，在輸入空間高維、訓(xùn)練樣本數(shù)目少、輸入變量強(qiáng)關(guān)聯(lián)等情況下會出現(xiàn)矩陣病態(tài)問題從而導(dǎo)致特征值分解失敗;另一方面，基于向量展開形式表示的樣本進(jìn)行子空間的學(xué)習(xí)還將破壞數(shù)據(jù)不同維度上以及各維度之間的關(guān)聯(lián)結(jié)構(gòu)?；谝陨戏治觯疚膶⒓有源植诙葢土P引入基于矩陣形式直接表示樣本的2D局部保持投影算法(2DLPP)，提出2D懲罰局部保持投影(2DPLPP)，該算法保留數(shù)據(jù)“時(shí)間-空間”2D關(guān)聯(lián)結(jié)構(gòu)的同時(shí)

6、保留了數(shù)據(jù)時(shí)間維上的光滑性。在此基礎(chǔ)上，本文進(jìn)一步提出雙向2DPLPP算法對動(dòng)態(tài)數(shù)據(jù)的時(shí)間維和空間維同時(shí)進(jìn)行維數(shù)約簡，從而獲取更能反映數(shù)據(jù)雙重關(guān)聯(lián)結(jié)構(gòu)特性的特征表達(dá)，并可以避免病態(tài)問題、降低特征值分解的規(guī)模，而且更加適合小樣本學(xué)習(xí)問題。結(jié)合數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)，本文提出基于雙向2DPLPP特征提取的ε-SVR軟測量建模方案，并用以實(shí)現(xiàn)水泥生料分解率的軟測量?；诙喾N特征提取方法的軟測量對比實(shí)驗(yàn)結(jié)果表明雙向2DPLPP方法的有效性。

7、　　(2)2DPLPP等流形學(xué)習(xí)過程中，權(quán)矩陣（相似度矩陣）的構(gòu)造通?；诰€性空間的歐氏距離以及熱核賦值。其中歐氏距離將所有形式數(shù)據(jù)等同為向量，無法利用矩陣（二階張量）數(shù)據(jù)的拓?fù)浣Y(jié)構(gòu)，因而難以獲取隱含在數(shù)據(jù)中的多模關(guān)系。針對該問題，本文以張量數(shù)據(jù)分析為基礎(chǔ)，結(jié)合權(quán)矩陣與核函數(shù)的一致性，采用格拉斯曼流形上的弦距離代替歐氏距離，提出張量因子權(quán)矩陣以改進(jìn)2DPLPP等流形算法。其中，弦距離考慮了數(shù)據(jù)的輸入不變性，拓?fù)浣Y(jié)構(gòu)的獲取和運(yùn)用使其魯棒性