一种水泥熟料28d强度软测量方法与流程

    技术2025-02-13  48


    本发明属于工业过程控制领域,具体的说是一种水泥熟料28d强度软测量方法。


    背景技术:

    1、水泥熟料28d强度对水泥强度起着决定性的作用,通过人工实验检测,需等到28d才能进行,存在着大滞后的问题。水泥生产是一个连续过程,如果能提前对熟料强度进行预测,将有利于对水泥粉磨配比进行灵活调整,指导水泥生产,因此需要通过算法建立水泥熟料28d强度预测模型,对水泥熟料28d强度进行预测。


    技术实现思路

    1、本发明是为了解决上述现有技术存在的不足之处,提出一种水泥熟料28d强度软测量方法,以期提前预测水泥熟料28d强度。

    2、本发明为达到上述发明目的,采用如下技术方案:

    3、本发明公开了一种水泥熟料28d强度软测量方法,包括以下步骤:

    4、步骤1、获取水泥n天检测参数,得到初始数据集{x1,x2,…,x20,x21},将数据集{x1,x2,…,x20}进行数据降维,得到新的数据集y={y1,…,yi,…,y20};其中,yi={y1i,…,yni},n表示降维后的输入参数个数,1≤n≤20,且n为整数;

    5、步骤2、基于回声状态网络,利用降维后数据集{y1,…,yn}以及x21的n天数据建立水泥熟料28d强度模型,具体过程如下:

    6、步骤2.1、给定储备池大小为res,随机初始化输入矩阵win,矩阵大小为res×n,矩阵内每个元素大小范围为[-1,1];

    7、步骤2.2、初始化临时稀疏矩阵w0,矩阵大小为res×res,矩阵内元素均为0,给定稀疏度xs,将矩阵w0随机化稀疏度为xs的非奇异矩阵,矩阵内元素大小范围为[0,1];

    8、步骤2.3、根据以下公式获取矩阵w0的二范数||w0||2,进而得到储备池矩阵w;

    9、

    10、其中,w0t表示w0的转置矩阵,函数eig()表示求矩阵的特征值,ρmax表示最大特征值,|||w0||2|表示二范数||w0||2的绝对值,储备池矩阵w大小为res×res;

    11、步骤2.4、定义矩阵nod,大小为res×1,给定遗忘率a,其更新公式为:

    12、nod=(1-a)×nod+a×tanh(win·yi+w·nod)

    13、其中,tanh表示双曲正切函数;

    14、步骤2.5、设定学习次数k=1以及初始记录参数init,定义临时矩阵p,大小为res×(n-init);

    15、步骤2.5.1、利用步骤2.4的公式更新nod;

    16、步骤2.5.2、判断k是否大于init,若不大于init,继续执行步骤3.5.1,若大于init,则执行步骤2.5.3;

    17、步骤2.5.3、判断k是否大于n,若不大于n,令p(1:res,k-init)=nod,继续执行步骤2.5.1以及步骤2.5.3,若k大于n,停止执行;

    18、其中,p(:,k-init)表示矩阵p的第1至res行,第k-init列;

    19、步骤2.6、按照以下公式得出w的二范数reg:

    20、ρmax=eig(wtw)

    21、

    22、步骤2.7、按以下公式求得输出矩阵wout:

    23、

    24、其中,i表示大小为res×res的单位矩阵;

    25、步骤3、水泥熟料28d强度预测:

    26、步骤3.1、按步骤1的规则,将第n+1天数据集{x1,…,x20}降维成{y1n+1,…,ynn+1};

    27、步骤3.2、按照步骤2.4求出对应的nod;

    28、步骤3.3、计算水泥熟料28d强度预测值out=wout·nod。

    29、进一步的:初始数据集x中,x1代表cao含量,x2代表sio2含量,x3代表al203含量,x4代表fe203含量,x5代表mgo含量,x6代表f-cao含量,x7代表kh含量,x8代表kh-含量,x9代表sm含量,x10代表im含量,x11代表c3s含量,x12代表c2s含量,x13代表c3a含量,x14代表c4af含量,x15代表比表面积,x16代表细度,x17代表初凝时间,x18代表终凝时间,x19代表1天抗压强度,x20代表3天抗压强度,x21代表28天抗压强度。

    30、进一步的:init设定为大于0.1*n且最接近0.1*n的自然数。

    31、进一步的:数据集y的贡献率大于90%。

    32、进一步的:数据降维采用主成分分析法。

    33、进一步的:稀疏度xs为[0.03,0.05]。

    34、进一步的:遗忘率a为[0,1]。

    35、与现有技术相比,本发明的有益效果在于:

    36、1、本发明通过主成分分析算法,降低模型输入参数的个数,将20个与水泥熟料28d强度相关的参数,减少为n个,提高了建模效率;

    37、2、本发明通过回声状态网络算法,建立了水泥熟料28d强度模型,并利用该模型对后续水泥熟料28d强度进行预测,提高了预测准确度,减少滞后时间。



    技术特征:

    1.一种水泥熟料28d强度软测量方法,其特征在于,包括以下步骤:

    2.根据权利要求1所述的水泥熟料28d强度预测方法,其特征在于,初始数据集x中,x1代表cao含量,x2代表sio2含量,x3代表al2o3含量,x4代表fe2o3含量,x5代表mgo含量,x6代表f-cao含量,x7代表kh含量,x8代表kh-含量,x9代表sm含量,x10代表im含量,x11代表c3s含量,x12代表c2s含量,x13代表c3a含量,x14代表c4af含量,x15代表比表面积,x16代表细度,x17代表初凝时间,x18代表终凝时间,x19代表1天抗压强度,x20代表3天抗压强度,x21代表28天抗压强度。

    3.根据权利要求1所述的水泥熟料28d强度预测方法,其特征在于,init设定为大于0.1*n且最接近0.1*n的自然数。

    4.根据权利要求1所述的水泥熟料28d强度预测方法,其特征在于,数据集y的贡献率大于90%。

    5.根据权利要求1所述的水泥熟料28d强度预测方法,其特征在于,数据降维采用主成分分析法。

    6.根据权利要求1所述的水泥熟料28d强度预测方法,其特征在于,稀疏度xs为[0.03,0.05]。

    7.根据权利要求1所述的水泥熟料28d强度预测方法,其特征在于,遗忘率a为[0,1]。


    技术总结
    本发明公开了一种水泥熟料28d强度软测量方法,步骤包括:主成分分析数据降维、利用回声状态网络(ESN)建立水泥熟料28d强度模型、应用于水泥熟料28d强度软测量中。本发明通过数据降维减少了输入参数数量,提高建模效率,建立的模型对后续水泥熟料28d强度预测准确度高,并减少了滞后性。

    技术研发人员:褚彪,刘双飞,马忠诚,张宏图
    受保护的技术使用者:合肥水泥研究设计院有限公司
    技术研发日:
    技术公布日:2024/10/24
    转载请注明原文地址:https://symbian.8miu.com/read-26453.html

    最新回复(0)