论文部分内容阅读
回转窑是水泥、冶金、钢铁等基础工业中的重要热工设备。其结构复杂、操作参数多,是一个多变量、非线性、强耦合、大时滞的被控对象。国内大部分采用原煤作为燃料,窑前生产过程中的窑内工况、窑皮结构、料浆成份、煤粉质量对窑前喂煤操作量有着很大的影响。因此在许多复杂工况条件下,即使由有经验的操作工人也较难判断是否增加或减少窑内的喂煤量。目前回转窑计算机异地监控系统已经在现场广泛应用,积累了大量的时间序列数据,其中蕴含了几年来相关的人工控制经验等关键知识,却并没有得到充分利用。基于隐马尔可夫模型(HMM)的语音识别、计算机入侵检测等领域已经得到广泛的研究,但是较少将HMM应用到具体工业现场时间序列分析中。因此,本文将利用隐马尔可夫模型分析工业现场的时间序列。提取现场热工数据的趋势特征,分析大量时序数据变化与喂煤趋势方向的关系,提出一种基于混合隐马尔可夫模型的回转窑喂煤量趋势预测方法,具体内容如下。(1)利用曲线拟合和斜率区域分布获取时间序列趋势特征,鉴于回转窑热工变量具有多样性的特点,应用主成分分析方法对上述特征属性进行约简,得到喂煤量趋势变化影响的主要因素,建立喂煤量变化趋势的上升和下降训练数据库。(2)针对连续隐马尔可夫模型(CHMM)和离散隐马尔可夫模型(DHMM)在建模时的不同点,分别建立了连续喂煤趋势预测模型和离散预测模型,利用上升和下降训练数据分别对上述模型进行训练,得到上升HMM评价模型和下降HMM评价模型。(3)针对传统的HMM模型训练算法(Baum-Welch)具有容易陷入局部最优以及对初值依赖的特点,本文采用模拟退火算法来对其行改进,提升训练精度。(4)在预测(辨识)阶段,计算待预测特征序列量相对评价模型的似然概率,来判断当前喂煤量的趋势变化情况,从而实现对回转窑专家控制系统的辅助控制。现场数据的实验结果表明本文提出的基于HMM的喂煤趋势预测方法可以有效判断复杂工况条件下的窑前加减煤操作方向,为回转窑的人工控制和专家控制提供可靠指导。