水泥磨系统是水泥生产过程重要环节之一,水泥磨生产是一个连续、时变、各个运行指标之间相互耦合的过程,生产过程受到生产指标变化、设备运行情况、原料波动等因素的影响,难以通过分析水泥磨运行机理来建立精确地数学模型。当前许多工业过程运行指标是通过操作员的经验知识进行优化,然而随着工业过程复杂性、实时性的增加,再加上操作员本身经验的限制,已经越来越不适用于复杂工业过程的运行指标决策。本课题旨在通过数据驱动的方式,建立水泥磨生产能耗/比表面积预测模型,通过不断更新预测结果以适应新的工况条件,在预测模型的基础上,结合水泥磨实际生产中设备约束、水泥质量指标、能耗指标约束,构建水泥磨运行指标决策模型,利用差分进化算法(Differential Evolution,DE)对运行指标决策模型优化求解,实现面向能耗优化的水泥磨运行指标决策。具体研究工作如下:首先,通过研究水泥磨生产工艺,从水泥工业数据库中对所需变量数据进行提取,充分利用变量数据和预测指标的时序特性,将各变量数据按照时间序列排列作为输入层,构建长短时记忆网络(Long Short-term Memory Networks,LSTM)模型,消除变量的时变时延特性对电耗预测的影响。其次,针对不同采样时间间隔数据对预测精度带来的影响,将生产数据分为高频变量数据和低频变量数据,采用PCA与XGBoost交叉验证结合选取不同时间间隔数据主成分的方法,分别选取高频变量数据主成分和低频变量数据主成分,既保留了特征,又减小冗余度;利用主成分选取后的高频变量数据和低频变量数据分别建立基于XGBoost的水泥比表面积预测模型,通过权值寻优的方式获得高低频变量数据的权值,按照此权值进行预测,得到最终预测结果。最后,将2、3章中建立的电耗预测模型以及比表面积电耗预测模型作为目标函数,对目标函数进行优先级的划分,根据目标函数优先级进行较优解选择;考虑水泥磨实际生产中的设备条件、工况信息,提出一种交叉变异过程中求得的解是否进入最优解集候选集的约束策略,最终得到运行指标的最优决策。实验结果表明,本文所建立的能耗预测模型和比表面积预测模型均具有较高的预测精度,决策后的运行指标作为设定值代入目标函数后,能够在满足水泥质量指标的前提下,降低能耗。