公开(公告)号：CN110386768B

公开(公告)日：2020-07-31

申请号：CN201910802318.4

申请日：2019-08-28

Applicant: 燕山大学

Inventor： 郝晓辰 ,  冀亚坤 ,  郑立召 ,  杨跃 ,  史鑫 ,  赵彦涛

IPC: C04B7/44

Abstract: 本发明提供了一种水泥烧成过程中能耗动态实时控制方法，其包括：基于互信息从水泥烧成系统的数据库选取与水泥烧制能耗相关的9个输入变量并进行处理得到样本数据矩阵；构建卷积神经网络并进行使用样本数据矩阵进行训练得到训练过后的卷积神经网络模型；以能耗最小值为优化目标对卷积神经网络模型进行优化得到多目标动态优化模型；将水泥烧成过程的生产指标及约束参数输入到多目标动态优化模型进行优化输出水泥烧成过程中的相应控制参数，并将控制参数发送至相应的控制器进行控制。本发明能够跟踪水泥回转窑的工况的变化，及时调整水泥烧成过程的控制参数。

公开(公告)号：CN110910277A

公开(公告)日：2020-03-24

申请号：CN201911173770.5

申请日：2019-11-26

Applicant: 燕山大学

Inventor： 郝晓辰 ,  郑立召 ,  杨跃 ,  史鑫 ,  赵彦涛

IPC: G06Q50/06 ,  G06Q10/04

Abstract: 本发明公开了一种基于XGBoost的水泥磨系统电耗指标预测方法，首先选取与水泥磨电耗相关的八个变量，采用OPC技术对所需变量数据进行收集，采用人工经验去除法和准则去除异常数据，构建XGBoost模型输入输出层，根据样本数据初始化权重参数，按照该权重训练第一棵树，训练完成后根据目标函数更新权重参数，进行新一轮决策树的训练，当样本权重和小于设定阈值或迭代次数达到设定值时停止建树，完成XGBoost模型训练，将工业现场样本数据集代入训练好的模型完成水泥磨系统电耗指标在线预测，本发明通过XGBoost对样本数据进行训练，将实际水泥生产现场的变量数据输入到训练好的模型，实现水泥磨电耗指标的在线预测。

公开(公告)号：CN108932567A

公开(公告)日：2018-12-04

申请号：CN201810910130.7

申请日：2018-08-10

Applicant: 燕山大学

Inventor： 郝晓辰 ,  杨跃 ,  赵彦涛 ,  杨黎明 ,  何永强 ,  郭曈曈 ,  王昭旭

IPC: G06Q10/04 ,  G06Q50/04 ,  G06N3/04 ,  C04B7/44

CPC classification number: G06Q10/04 ,  C04B7/44 ,  G06N3/0454 ,  G06Q50/04

Abstract: 本发明提供一种基于卷积神经网络的水泥烧成过程多能耗指标预测方法，其包括以下步骤：S1：选取与水泥烧成过程能耗相关的12个输入变量，然后对选取后的变量数据进行归一化处理，构建12个变量时间序列输入层；S2：对输入的变量数据进行卷积池化及全连接运算；S3：采用反向传播技术更新权值参数以提高预测精度；S4：利用步骤S3中训练好的CNN模型进行水泥烧成系统的单位电耗及吨煤耗实时预测。本发明建立的CNN模型，能够对水泥烧成系统的单位电耗和吨煤耗进行联合预测，可以及时的为水泥烧成过程提供规划调度依据，同时避免了仅仅预测单一能耗不全面的问题，预测结果更能反应综合能耗实际情况。