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 ZHENG Tao;LIU Hui;CHEN Wei;YANG Kai;ZHANG Jianfei;CHU Biao

作者机构：合肥工业大学电气与自动化工程学院安徽合肥230009 合肥工业大学安徽省工业自动化工程技术研究中心安徽合肥230009 合肥水泥研究设计院有限公司安徽合肥230051 

出 版 物：《控制工程》 (Control Engineering of China)

年 卷 期：2024年第31卷第7期

页      面：1263-1271页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省重点研发计划项目(202104a05020054) 青年教师科研创新启动专项A项目(JZ2021HGQ0195) 

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

摘      要：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(convolutional neural network,CNN)和长短时记忆(long short-term memory,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。