基于CNN-LSTM的水泥熟料f-CaO预测模型

作者：郑涛; 刘辉; 陈薇; 杨恺; 张建飞; 褚彪

来源：控制工程, 2024, 31(07): 1263-1271.

DOI：10.14107/j.cnki.kzgc.20220261

• 时序特征
• 滑动窗口
• CNN
• LSTM神经网络
• 最优时序特征
• 预测精度

水泥熟料中游离氧化钙(f-CaO)含量的传统人工离线检测缺乏时效性，不利于生产指导。针对离线检测的滞后问题和软测量模型中f-CaO含量与辅助变量的时序匹配问题，提出了一种基于卷积神经网络(convolutionalneuralnetwork,CNN)和长短时记忆(long short-termmemory,LSTM)神经网络的f-CaO含量预测模型。首先，利用滑动窗口截取辅助变量的区间数据；然后，采用CNN提取区间数据的时序特征；之后，构建LSTM神经网络模型；最后，控制截取辅助变量的延迟时间和间隔时间，根据模型预测拟合度提取辅助变量的最优时序特征。仿真结果表明，所提模型提高了水泥熟料中f-CaO含量的预测精度。

• 单位
  合肥工业大学; 合肥水泥研究设计院有限公司