基于时间序列单维卷积神经网络的水泥熟料游离钙软测量方法

水泥熟料游离钙(fCaO)含量对水泥质量和生产能耗有着重要影响,现阶段主要通过化学分析的方法离线测得水泥熟料fCaO含量,但是该方法对于烧成系统操作指导具有明显的滞后性。针对熟料fCaO无法在线实时监测的问题,提出基于多变量时间序列单维卷积神经网络(TS-CNN)熟料fCaO软测量建模方法。该方法利用影响熟料fCaO的多个过程变量历史时间段的时间序列作为输入,结合水泥数据特性,采用单维卷积池化的方式提取各过程变量特征,同时降低网络的复杂度,最后经全连接层整合提取的局部信息。通过实验对比,结果表明基于TS-CNN的软测量方法预测精度更高、泛化能力更强。