一种基于大数据分析的石灰窑预警系统及方法与流程

1.本发明涉及预警系统及方法的技术领域，具体而言，尤其涉及一种基于大数据分析的石灰窑预警系统及方法。


背景技术：

2.目前，我国石灰产业结构不断优化，煅烧工艺落后以及环保、能耗不达标的产能不断退出，特别是近几年，多种行业对先进装备愈加重视，一批产能置换、环保搬迁、产业转移等项目，普遍配套单体产能高、工艺装备先进的双膛竖型石灰窑、回转窑、套筒窑等石灰窑炉，其中双膛竖型石灰窑因其节能环保优势明显致其市场占比60％以上。双膛竖型石灰窑在本体窑膛内进行着复杂的化学分解反应，因燃料热量、助燃和冷却风量及各节点压力等不同而导致煅烧过程迥异，过程隐蔽难以测度，存在着较大的模糊性、随机性和不确定性，如果操作不当，经常会出现结窑和塌料事故，这两种异常事件是石灰窑生产过程中最为经常发生的事故，严重的影响了石灰窑的正常生产。事故一旦出现，轻者耗费大量人力、财力和时间；重者会损坏石灰窑本体的耐材和结构，经济损失十分严重。
3.大型石灰窑设备价格昂贵，维修工程量大，停机停产后连同上下游关联的工艺设备产品经济损失巨大。目前对石灰窑在生产过程中经常出现的结窑和塌料这两种异常事件难以预知，一般都是在事故发生以后再进行相应的处理，生产的顺利进行难以保证，只能依靠人为的生产经验尽量避免，但这两种异常事件仍旧时有发生，根本无法避免，同时不同的工艺人员对双膛石灰窑的工艺过程的理解和操作手法不尽相同，更增大了这两种异常事件发生的可能性。伴随着科学技术的演进，设备维护手段也逐步的发展，从被动性维护逐渐发展到智能化预测性维护，降低非计划停机带来的生产损失和设备的维护成本。原有人工式的维修依赖于经验，而且无法应对日益复杂的工况要求，因此，急需开发一种基于大数据分析的石灰窑预警系统，借助大数据分析技术和机理分析结合的故障预测能够在设备出现故障之前感知异常信息，降低非计划停机造成的损失。
4.大数据分析智能化技术在工业生产中投入使用，将数据做为战略资源，借助大数据机理分析的支持，完成对设备关联数据集中管理，通过数据进行表现与加工，建立一个工业的数据世界，再运用算法模型，加工分析，挖掘工业的核心价值，沉淀最优生产经验，以生产目标为导向，调节生产过程参数，反向控制生产流程，最终达到预设的生产指标。
5.因此，我们针对市场占有率较高的双膛竖型石灰窑开发了异常事件预警系统，实现对结窑和塌料异常事件的提前预警，通讯至主控系统中进行控制策略的调整，提升双膛竖型石灰窑整体的智能化水平，为生产的连续进行提供了强有力的保障。


技术实现要素：

6.根据上述背景技术中提到的技术问题，而提供一种基于大数据分析的石灰窑预警系统及方法。
7.本发明采用的技术手段如下：
8.一种基于大数据分析的石灰窑预警系统，包括：
9.预警系统由传感器单元、数据采集单元、中央处理单元、人机交互单元、大数据分析单元、数控输出单元以及执行机构单元；其中，所述大数据分析单元包括：特征提取单元、分析学习单元以及业务应用单元；
10.所述传感器单元对生产过程中各种物理数据参量进行感知检测，并将感知到的信息按照一定规律变换成电信号进行输出，输出信号被所述数据采集单元利用；
11.所述数据采集单元按照一定的扫描周期对所述传感器单元输出的电信号进行采集，随后将采集到的数据输出至中央处理单元；
12.所述中央处理单元将从数据采集单元收集到的信号进行逻辑控制处理，随后将处理后的实时信息传送至所述人机交互单元供使用者查看，并接收所述人机交互单元发过来的控制指令进入中央处理单元的逻辑控制，完成与人机交互单元的双向数据沟通；所述中央处理单元发送大量数据至大数据分析单元进行大数据处理、特征提取、分析学习、业务应用，随后所述大数据分析单元将学习成果信息返送至所述中央处理单元；所述中央处理单元将收到的预测信息进行处理并调整生产工艺控制策略，通过数控输出单元将控制信号传送至执行机构单元。
13.本发明还包括一种基于大数据分析的石灰窑预警方法，包括以下步骤：
14.步骤一：通过传感器单元，对生产过程中各种物理数据参量进行感知检测，并将感知到的信息按照一定规律变换成电信号，经数据电缆或者通讯电缆传送至数据采集单元中；
15.步骤二：所述数据采集单元按照一定的扫描周期对传感器单元的输出信号进行采集，随后将采集到的数据传送至中央处理单元中；
16.步骤三：所述中央处理单元将从数据采集单元收集到的信号进行逻辑控制处理后，同时将数据传送到人机交互单元和大数据分析单元，所述人机交互单元执行步骤七，大数据分析单元进行双膛竖型石灰窑的大数据分析；
17.步骤四：大数据分析单元在大数据分析的过程中，特征提取单元采用无监督大数据分析方法进行各部分数据的特征提取；
18.步骤五：随后，步骤四中提取的特征进一步传送到分析学习单元中，采用有监督大数据分析方法进行双膛竖型石灰窑模型的训练与测试；
19.步骤六：将分析学习单元中出现的异常数据传送到业务应用单元；
20.步骤七：人机交互单元实时显示中央处理单元中的重要信息，并接收工艺操作人员的控制指令反向传送至中央处理单元中；
21.步骤八：当收到异常事件的预警信息时，中央处理单元自动切换双膛竖型石灰窑的生产工艺控制策略，或者接受来自于人机交互单元工艺操作人员的调整策略指令；
22.步骤九：中央处理单元输出控制指令及数据至数控输出单元中；
23.步骤十：通过数控输出单元将控制信号传送至由电磁阀、电动机等组成的执行机构单元中，完成双膛竖型石灰窑现场设备的真实动作。
24.较现有技术相比，本发明具有以下优点：
25.本发明所述的方法及系统对结窑和塌料异常事件提前预警；石灰窑生产稳定运行；避免或减轻事故造成的经济损失，降低石灰窑整体的运行成本，提升效益。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
27.图1为本发明系统结构图。
28.图2为本发明大数据分析预警方法原理图。
29.图3为本发明数据特征值提取步骤。
30.图4为本发明xgboost学习步骤。
具体实施方式
31.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
32.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
33.如图1-4所示，一种基于大数据分析的石灰窑预警系统，包括：预警系统由传感器单元101、数据采集单元102、中央处理单元103、人机交互单元104、大数据分析单元105、数控输出单元106以及执行机构单元107；其中，所述大数据分析单元105包括：特征提取单元105-1、分析学习单元105-2以及业务应用单元105-3；所述传感器单元101对生产过程中各种物理数据参量进行感知检测，并将感知到的信息按照一定规律变换成电信号进行输出，输出信号被所述数据采集单元102利用。
34.作为一种优选的实施方式，所述数据采集单元102按照一定的扫描周期对所述传感器单元101输出的电信号进行采集，使用防抖、滤波、钝化等方法对采集到的信号进行数据处理，提高数据的可利用性，随后将采集到的数据输出至中央处理单元103。
35.在本技术中，所述中央处理单元103将从数据采集单元102收集到的信号进行逻辑控制处理，随后将处理后的实时信息传送至所述人机交互单元104供使用者查看，并接收所述人机交互单元104发过来的控制指令进入中央处理单元103的逻辑控制，完成与人机交互单元104的双向数据沟通，做到真正的人机友好互动；所述中央处理单元103发送大量数据至大数据分析单元105进行大数据处理、特征提取、分析学习、业务应用，随后所述大数据分析单元105将学习成果信息返送至所述中央处理单元103；所述中央处理单元103将收到的预测信息进行处理并调整生产工艺控制策略，通过数控输出单元106将控制信号传送至执
行机构单元107，完成最终的现场设备真实动作，之后生产现场过程数据参量随之变化，又被传感器单元101所感知，周而复始，最终确保整个生产系统可靠正常最优运行。
36.作为一种优选的实施方式，在本技术中，所述人机交互单元104实现与工艺操作人员的友好沟通，将从中央处理单元103接收到的信息进行实时显示，并将使用者的控制指令发送至中央处理单元103。
37.作为一种优选的实施方式，在本技术中，所述数控输出单元106实时接收中央处理单元103发出的控制指令，并将信息转换成各种物理信号传送至执行机构单元107。
38.作为一种优选的实施方式，在本技术中，所述执行机构单元107接收数控输出单元106发来的物理信号，完成双膛竖型石灰窑生产过程中的设备动作。
39.作为一种优选的实施方式，在本技术中，大数据分析单元105：本单元包含特征提取单元105-1、分析学习单元105-2、业务应用单元105-3三个子单元；在中央处理单元103中获取大量数据，随之先后进行本此设计的预警系统的大数据处理、特征提取、分析学习、业务应用功能，在单个大数据分析任务完成以后，将预测成果信息反向传送回中央处理单元103；
40.大数据分析单元105是对双膛竖型石灰窑进行大数据分析的核心软件部件，一般设置在石灰窑生产管理的边缘服务器edge-pc中，该服务器可部署为本地服务器，网络配置于中央处理控制器硬件的上一层级终端总线中，与生产过程控制工厂网络相互独立。大数据分析单元105用于大数据特征计算及提取，分析学习，预警模型的生成及优化、存储，结果信息数据与同处在终端总线上的中央处理单元103、人机交互单元104进行实时交互，达到智能预警的目的。在边缘服务器edge-pc中进行数据边缘计算，是由硬件和软件组成的开放系统，可以灵活地执行基于高级语言的封装应用程序；直观的集成工厂功能，用于针对自动化采集、处理和交换数据，在工厂的基础上实现数据的智能使用。边缘服务器edge-pc基于开放式的工业以太网通讯，兼容多种以太网通讯协议，支持tcp、udp、iso-on-tcp、i-device、s7-routing通信协议，同时支持snmp、web、ftp、ntp等it通信服务，可方便的将本预警系统的数据处理和算法单元等功能直接移植对接到类似的其他工业智能化控制系统中。
41.如图2所示，大数据分析预警方法原理图，使用在中央处理单元(103)内读取的双膛竖型石灰窑生产过程中的数据：原料成分、燃料流量、燃料热值、助燃风压力、助燃风温度、助燃风流量、冷却风压力、冷却风温度、冷却风压力、环境温度、大气压力、窑内通道压力、出灰温度、尾气温度等参数，预警模型挑选通道温度作为输出特征，通过拆分训练集和测试集，按照算法原理中的步骤建立结窑和塌料预警模型，然后使用模型进行预测。
42.历史数据(201)：以双膛竖型石灰窑在生产过程中采集到的并积累下来的海量多维数据为基础，从现有的系统中获取各测点历史数据(201)；
43.石灰窑输入数据(202)及特征计算(203)：在石灰窑历史数据(201)中，多次截取具有典型结窑和塌料异常事件发生时刻前的固定时间长度的历史数据段，作为石灰窑输入数据(202)，进行特征计算(203)，提取相应的特征，具体步骤按照图2-1所示进行；
44.通道温度输出数据(204)及特征计算(205)：在石灰窑历史数据(201)中，多次截取具有典型结窑和塌料异常事件发生时刻前的固定时间长度的历史数据段，本数据段与上述石灰窑输入数据(202)一一对应，作为通道温度输出数据(204)，进行特征计算(205)，提取相应的特征，具体步骤按照图2-1所示进行；
45.石灰窑模型训练(206)：根据石灰窑输入数据特征、通道温度输出数据特征，利用大数据分析的方式进行石灰窑模型训练(200)，并保存模型于石灰窑模型预测(209)单元中；
46.实时数据(207)：来源于对双膛竖型石灰窑在现行实际生产煅烧过程中采集到的实测参量数值；
47.石灰窑实际输入(208)：来源于双膛竖型石灰窑的实时数据(207)，具体参数与历史数据(201)中的石灰窑输入数据(202)相同；
48.石灰窑模型预测(209)：该单元接收石灰窑模型训(206)练产生的模型参数，保存并利用，根据石灰窑实际输入(208)特征，调用模型进行预测，实时预估当前通道温度输出特征，具体步骤按照图2-2所示进行；
49.预估通道温度输出(210)：石灰窑模型预测(209)单元根据石灰窑实际输入(208)数据计算出来的预估特征；
50.通道温度实际输出(211)及特征计算(212)：来源于双膛竖型石灰窑的实时数据(207)，具体参数与历史数据中的通道温度输出数据(204)相同，进行特征计算，提取相应的特征，具体步骤按照图2-1所示进行；
51.通道温度残差计算(213)：针对实时计算出来的通道温度实际输出(211)特征与模型预估通道温度输出特征，做两者的绝对值差值，即通道温度输出特征残差；
52.异常事件判断(214)：在通道温度输出特征残差中选定合适的阈值作为结窑和塌料等异常事件的预警信号。
53.以上对基于大数据分析的双膛竖型石灰窑异常事件预警系统进行了基本原理进行了描述，以下则可视为结窑和塌料两种异常事件的具体实施例。对基于大数据分析的双膛竖型石灰窑异常事件预警系统进行了基本原理进行了描述，以下则可视为结窑和塌料两种异常事件的具体实施例。
54.双膛竖型石灰窑煅烧事故的可预测性，即煅烧过程事故发生前的一段时间往往存在某些异常情况，大数据分析算法的目标是发现这些异常情况。
55.我们对数据进行大数据分析采用部署本地服务器方式，在本地部署大数据处理边缘服务器，计算能力和速度上较普通pc机有明显优势，用于支撑算法的研究、建模和开发，控制算法更容易实现。因此，我们以双膛竖型石灰窑在生产过程中采集到的并积累下来的海量多维数据为基础，从现有的系统中获取各测点历史数据以及事故记录数据，把数据通讯传送到大数据服务器，在服务器内建立智能分析引擎，利用大数据服务器的弹性数据存储、计算处理能力、人工智能技术对大数据进行大数据分析与深度挖掘，进行数据探索、特征建模。借助设备故障智能预测引擎，通过对石灰窑煅烧生产的海量历史数据测点进行分析和建模，针对性的建立石灰窑煅烧中的结窑和塌料两种异常事件的预测算法，并使用历史数据对算法进行反向验证，以验证结窑和塌料事故预测算法，对异常进行预警分析。
56.将双膛竖型石灰窑在正常煅烧状态下的测点数据构造成记忆矩阵，矩阵的行向量代表某一时刻所有测点的运行数据，列向量代表测点在不同时刻的运行数据。当实时输出与基于当前输入的期望输出偏离较大，发出异常状态预警。
57.石灰窑在健康运行状态下，输入、输出的状态信息存在一定映射关系。当关系发生偏离，各个参数之间的期望映射关系被破坏，煅烧过程可能处于异常状态。本次设计的大数
据分析算法研究中将结合样本集的数据特点，采用无监督学习和有监督学习结合的方式，通过大数据仿真，找出与正常状态下有偏离的异常模式，同时，找出异常的数据特征。
58.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。
59.本发明还包含一种基于大数据分析的石灰窑预警方法，包括以下步骤：
60.步骤一：通过双膛竖型石灰窑生产现场的温度传感器、压力传感器、雷达料位仪、振动传感器、限位开关等组成的传感器单元101，对生产过程中各种物理数据参量进行感知检测，并将感知到的信息按照一定规律变换成电信号，经数据电缆或者通讯电缆传送至数据采集单元102中。作为优选的实施方式，一般将实际物理数据参量的上下限量程之间数值对应变换为4-20ma最为常见，有时也转为1-5v或者0-10v等。
61.步骤二：所述数据采集单元102按照一定的扫描周期对传感器单元101的输出信号进行采集，随后将采集到的数据传送至中央处理单元103中；扫描周期一般设置为100ms，对响应要求不高的检测采集可有选择的设置为100ms的倍数如200ms或者500ms可降低系统负荷率。
62.步骤三：所述中央处理单元103将从数据采集单元102收集到的信号进行逻辑控制处理后，同时将数据传送到人机交互单元104和大数据分析单元105，所述人机交互单元104执行步骤7，大数据分析单元105按照图2所示预警方法原理进行双膛竖型石灰窑的大数据分析；
63.步骤四：大数据分析单元105在大数据分析的过程中，特征提取单元105-1按照图2-1所示步骤，采用无监督大数据分析方法进行各部分数据的特征提取；所述无监督学习方法包括以下步骤：在上述大数据分析过程描述中多次提到的数据特征提取，我们采用无监督学习的方式，我们利用特征值分解(evd)的方法对数据进行主成分分析(pca)，用以减少研究对象的特征维度，同时又要尽量减少降维过程中不可避免的信息损失，最为有效的途径是利用一组线性无关且维度较少的新特征来替代原始的采样特征，如图2-1所示，具体计算步骤如下：首先获取双膛竖型石灰窑原始数据(步骤201)；之后对原始数据进行数据零均值化处理(步骤202)即数据中心化；随后求取采样特征的协方差矩阵(步骤203)；再对协方差矩阵进行对角化处理(步骤204)；构建新特征协方差为0的对角矩阵(步骤205)；通过该对角阵计算得到新的标准正交基向量组成的特征集矩阵(步骤206)；之后在此新的彼此无关的特征集中舍弃掉不重要的特征，保留主成分贡献率较高的新特征(步骤207)；如此则针对研究对象进行了主要信息的描述同时也大大降低了后续数据处理的运算量，完成特征计算过程并降维完毕(步骤208)；当然，我们也可以通过python或者r等语言提供的工具直接一次性获得奇异值分解的所有成分成果方法来获取目标标准正交基向量组成的特征集矩阵，特征值分解(evd)和奇异值分解(svd)这两种方法在本质上都是基于采样矩阵与其转置矩阵相乘的结果是实对称方阵，利用该方阵所具有的优良特性来求取新的目标标准正交基向量组成的特征集矩阵，在此不再赘述。
64.步骤五：随后，步骤四中提取的特征进一步传送到分析学习单元105-2中，按照图2-2所示步骤采用有监督大数据分析方法进行双膛竖型石灰窑模型的训练与测试；在数据
特征提取并降维以后，我们采用有监督学习的方式进行双膛竖型石灰窑模型的训练与测试。选取合适的时间长度对石灰窑结窑和塌料异常事件的数据特征进行拆分，剔除排除故障时间段的数据，将事故发生时刻的前一段时间样本标记为异常样本，其他时刻的数据标为正常样本。数据拆分之后，针对两种事故可以分别建立二分类模型，建立二分类模型使用的是xgboost分类算法。具体步骤如图2-2所示，首先获取双膛竖型石灰窑特征数据(步骤211)；之后进行特征值归一化处理(步骤212)，获得无量纲特征数据，便于不同单位或量级的指标进行比较和加权，归一化有助于模型更好地利用数据；之后，将样本进行数据分组(步骤213)，在此步骤中将获取的所有样本数据经过编排分组后按4：1划分为训练样本和测试样本；其中，训练样本组成训练数据集(步骤214)；测试样本组成测试数据集(步骤215)；之后，训练xgboost模型(步骤216)，xgboost算法思想就是按特征进行分裂不断的添加树，每次添加的一颗树其实就是学习一个新函数，去拟合上次预测的残差，树的叶子节点对应一个分数，最终将每棵树对应的分数相加就是该样本的预测值；将训练样本数据代入xgboost模型中进行训练，损失函数选择1ogloss，在此基础上加入正则项，对目标函数进行二次泰勒展开，以此为理论依据遍历所有特征的所有取值作为分裂点，选取增益最大的点进行分裂，如此通过不断的将特征进行分裂，迭代构建故障分裂树，直至满足分裂的正则化要求才结束而不再进行树的分裂，至此模型已经训练好；利用测试集数据对xgboost模型进行参数调优(步骤217)，选择每组参数下模型分类的最高准确率对应的参数为最优参数；完成特征分类模型建立(步骤218)。xgboost算法在数据量大的情况下仍可保持较好的训练效果，最终将实时待检验数据代入训练好的模型去检测当前双膛竖型石灰窑的运行异常状态，预测是否即将出现结窑和塌料事故，随后反馈至基础自动化控制系统及时调整双膛竖型石灰窑的煅烧策略，避免石灰窑煅烧过程中的异常事件的发生。
65.步骤六：将分析学习单元105-2中出现的异常数据传送到业务应用单元105-3，业务应用单元105-3实现状态监测、故障诊断等功能，并与中央处理单元103的数据实时交互无缝对接；
66.步骤七：人机交互单元104实时显示中央处理单元103中的重要信息，并接收工艺操作人员的控制指令反向传送至中央处理单元103中；
67.步骤八：当收到异常事件的预警信息时，中央处理单元103自动切换双膛竖型石灰窑的生产工艺控制策略，或者接受来自于人机交互单元104工艺操作人员的调整策略指令；
68.步骤九：中央处理单元103输出控制指令及数据至数控输出单元106中；
69.步骤十：通过数控输出单元106将控制信号传送至由电磁阀、电动机等组成的执行机构单元107中，完成双膛竖型石灰窑现场设备的真实动作。
70.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种基于大数据分析的石灰窑预警系统，其特征在于，包括：预警系统由传感器单元(101)、数据采集单元(102)、中央处理单元(103)、人机交互单元(104)、大数据分析单元(105)、数控输出单元(106)以及执行机构单元(107)；其中，所述大数据分析单元(105)包括：特征提取单元(105-1)、分析学习单元(105-2)以及业务应用单元(105-3)；所述传感器单元(101)对生产过程中各种物理数据参量进行感知检测，并将感知到的信息按照一定规律变换成电信号进行输出，输出信号被所述数据采集单元(102)利用；所述数据采集单元(102)按照一定的扫描周期对所述传感器单元(101)输出的电信号进行采集，随后将采集到的数据输出至中央处理单元(103)；所述中央处理单元(103)将从数据采集单元(102)收集到的信号进行逻辑控制处理，随后将处理后的实时信息传送至所述人机交互单元(104)供使用者查看，并接收所述人机交互单元(104)发过来的控制指令进入中央处理单元(103)的逻辑控制，完成与人机交互单元(104)的双向数据沟通；所述中央处理单元(103)发送大量数据至大数据分析单元(105)进行大数据处理、特征提取、分析学习、业务应用，随后所述大数据分析单元(105)将学习成果信息返送至所述中央处理单元(103)；所述中央处理单元(103)将收到的预测信息进行处理并调整生产工艺控制策略，通过数控输出单元(106)将控制信号传送至执行机构单元(107)。2.根据权利要求1所述的一种基于大数据分析的石灰窑预警系统，其特征在于，所述人机交互单元(104)将从中央处理单元(103)接收到的信息进行实时显示，并将使用者的控制指令发送至中央处理单元(103)。3.根据权利要求1所述的一种基于大数据分析的石灰窑预警系统，其特征在于，所述数控输出单元(106)实时接收中央处理单元(103)发出的控制指令，并将信息转换成各种物理信号传送至执行机构单元(107)。4.根据权利要求1所述的一种基于大数据分析的石灰窑预警系统，其特征在于，所述执行机构单元(107)接收数控输出单元(106)发来的物理信号，完成双膛竖型石灰窑生产过程中的设备动作。5.一种基于大数据分析的石灰窑预警方法，其特征在于，包括以下步骤：步骤一：通过传感器单元(101)，对生产过程中各种物理数据参量进行感知检测，并将感知到的信息按照一定规律变换成电信号，经数据电缆或者通讯电缆传送至数据采集单元(102)中；步骤二：所述数据采集单元(102)按照一定的扫描周期对传感器单元(101)的输出信号进行采集，随后将采集到的数据传送至中央处理单元(103)中；步骤三：所述中央处理单元(103)将从数据采集单元(102)收集到的信号进行逻辑控制处理后，同时将数据传送到人机交互单元(104)和大数据分析单元(105)，所述人机交互单元(104)执行步骤七，大数据分析单元(105)进行双膛竖型石灰窑的大数据分析；步骤四：大数据分析单元(105)在大数据分析的过程中，特征提取单元(105-1)采用无监督大数据分析方法进行各部分数据的特征提取；步骤五：随后，步骤四中提取的特征进一步传送到分析学习单元(105-2)中，采用有监督大数据分析方法进行双膛竖型石灰窑模型的训练与测试；
步骤六：将分析学习单元(105-2)中出现的异常数据传送到业务应用单元(105-3)；步骤七：人机交互单元(104)实时显示中央处理单元(103)中的重要信息，并接收工艺操作人员的控制指令反向传送至中央处理单元(103)中；步骤八：当收到异常事件的预警信息时，中央处理单元(103)自动切换双膛竖型石灰窑的生产工艺控制策略，或者接受来自于人机交互单元(104)工艺操作人员的调整策略指令；步骤九：中央处理单元(103)输出控制指令及数据至数控输出单元(106)中；步骤十：通过数控输出单元(106)将控制信号传送至由电磁阀、电动机等组成的执行机构单元(107)中，完成双膛竖型石灰窑现场设备的真实动作。6.根据权利要求5所述的一种基于大数据分析的石灰窑预警方法，其特征在于，所述无监督学习方法包括以下步骤：步骤201：获取双膛竖型石灰窑原始数据；步骤202：对原始数据进行数据零均值化处理即数据中心化；步骤203：求取采样特征的协方差矩阵；步骤204：对协方差矩阵进行对角化处理；步骤205：构建新特征协方差为0的对角矩阵；步骤206：通过该对角阵计算得到新的标准正交基向量组成的特征集矩阵；步骤207：在所述新特征集中舍弃掉不重要的特征；步骤208：完成特征计算过程并降维完毕。7.根据权利要求5所述的一种基于大数据分析的石灰窑预警方法，其特征在于，所述有监督学习方法包括以下步骤：步骤211：获取双膛竖型石灰窑特征数据；步骤212：进行特征值归一化处理，获得无量纲特征数据；步骤213：将样本进行数据分组；按4∶1划分为训练样本和测试样本；步骤214：训练样本组成训练数据集；步骤215：测试样本组成测试数据集；步骤216：训练xgboost模型；步骤217：测试集数据对xgboost模型进行参数调优；步骤218：完成特征分类模型建立。

技术总结
本发明提供一种基于大数据分析的石灰窑预警系统，包括：预警系统由传感器单元、数据采集单元、中央处理单元、人机交互单元、大数据分析单元、数控输出单元以及执行机构单元；其中，所述大数据分析单元包括：特征提取单元、分析学习单元以及业务应用单元。本发明所述的方法及系统对结窑和塌料异常事件提前预警；石灰窑生产稳定运行；避免或减轻事故造成的经济损失，降低石灰窑整体的运行成本，提升效益。提升效益。提升效益。


技术研发人员：谷端玉 刘福平 郭亮 康振波 蔺雪丹 庞宏伟
受保护的技术使用者：大连华锐重工集团股份有限公司
技术研发日：2022.12.30
技术公布日：2023/5/25