(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111279815.4 (22)申请日 2021.10.2 9 (71)申请人 江苏方天电力技 术有限公司 地址 211102 江苏省南京市江宁区苏源大 道58号 (72)发明人 陈波　徐文韬　黄亚继　曹歌瀚　 李雨欣　岳俊峰　王亚欧　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 代理人 郝雅洁 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 20/00(2019.01) G06Q 10/04(2012.01) (54)发明名称 一种磨煤 机安全性评估的预测方法 (57)摘要 本发明涉及一种磨煤机安全性评估的预测 方法， 从历史数据库中提取关键因素变量及相应 的专家评分构成原始数据集； 将原始数据集数据 聚类简化； 基于主成分分析策略将每一聚类下关 键因素变量进行降维， 获取每一聚类下主成分因 素； 结合主成分分析和长短期记忆神经网络， 以 训练样本的主成分因素作为长短期记忆神经网 络输入变量， 以相应的磨煤机运行安全性评分作 为输出变量， 建立磨煤机设备安全性评估的预测 模型； 基于预测模型评估磨煤机运行数据的磨煤 机运行安全性。 可对磨煤机运行状态进行实时在 线安全性评估， 提前感知磨煤机运行状态并实施 干预工作， 提高安全性、 延长磨煤 机使用寿 命。 权利要求书2页 说明书9页 附图4页 CN 114021449 A 2022.02.08 CN 114021449 A 1.一种磨煤 机安全性评估的预测方法， 其特 征在于， 包括以下步骤： S1、 从历史运行数据库提取与影响磨煤机设备安全运行的关键因素变量及其对应的专 家评分， 构成原 始数据集； S2、 基于数据清洗策略剔除所述原始数据集中异常点， 采用模糊C均值聚类算法进行聚 类； S3、 采用主成分分析策略， 将每一聚类下关键因素变量进行降维， 获取每一聚类下关键 因素变量中的有效信息， 构建主成分变量样本集； 所述主成分 分析策略包括： 对样本集的样本序列向量xn中心化： 式中， xn为聚类后的某一类样本集中的第n组样本序列向量， n样本集序列向量的个数 数， m表示影响磨煤机设备运行安全性的因素个数， 下标j为第j个因素， xnj、 xnj′分别为中心 化前、 后的数据； 由xnj′构成样本中心化数据集X， 计算X的协方差矩阵X XT； 对协方差矩阵X XT进行特征值分解， 求 解协方差矩阵特 征值和特 征向量； 选取特征值中最大的k个， 并将对应的k个特征向量标准化之后作为行向量组成特征向 量矩阵W； 将样本集转换到k个特 征向量构建的新空间中： Fk＝WTxn； 输出主成分变量样本集D ′＝(F1， F2， ...， Fk)， 样本集维数由m减小为 k； S4、 结合主成分分析和长短期记忆神经网络建立预测模型： 以主成分变量作为长短期 记忆神经网络输入变量， 以主成分变量对应的历史专家评 分作为长 短期记忆神经网络输出 变量， 构建磨煤 机运行安全性评估预测模型； S5、 基于所述磨煤机运行安全性评估预测模型评估磨煤机运行数据的磨煤机运行安全 性。 2.根据权利要求1所述的磨煤机安全性评估的预测方法， 其特征在于， 在基于主成分分 析策略对关键因素变量降维之前， 对关键因素变量进行相关性分析， 基于皮尔逊相关系 数 分析方法判别各关键因素变量间相关性 程度， 表达式如下： 式中， ρXY为皮尔逊相关系数， X、 Y分别表示序列向量1和序列向量2； σX、 σY分别表示序列 向量1、 序列向量2的标准差； cov(X， Y)表示序列向量1和序列向量2间的协方差 。 3.根据权利要求1所述的磨煤机安全性评估的预测方法， 其特征在于， 所述数据清洗策 略采用下式： rij＝|Vij‑Vavj|/Vavj·100％＞20％ 式中， Vij表示原始数据集中第i个样本的第j个变量对应的数据； Vavj表示原始数据集 中， 第j个变量对应的平均值； rij表示原始数据集中， 第i个样本的第j个变 量与第j个变 量平 均值间残差占据第j个 变量平均值的百分数。 4.根据权利要求1所述的磨煤机安全性评估的预测方法， 其特征在于， 采用模糊C均值权　利　要　求　书 1/2 页 2 CN 114021449 A 2聚类算法进行聚类， 包括： 计算聚类中心向量： 式中， vi表示聚类中心向量， i为第i聚类， 且1≤i≤c， c代表分类 数； L代表迭代次数， n代 表数据集的序列向量总数， 2≤c≤n， j表示第j个序列向量， uj表示第j个数据样本， aij代表 第j组数据样本隶属于第i聚类的隶属度， aij构成样本隶属于各聚类的隶属度矩阵A(L)， 上标 L代表第L次迭代； 用下式将A(L)迭代更新 为A(L+1)： 以矩阵范数形式比较A(L)与A(L+1)， 若||A(L+1)‑AL||≤δ， 停止迭代， 否则取L＝L+1， 继续执 行迭代； 其中， δ表 示第L次迭代隶属度矩阵的范数与第L +1次迭代隶属度 矩阵的范数间的允 许误差。权　利　要　求　书 2/2 页 3 CN 114021449 A 3