一种基于决策树系统的锅炉燃烧机燃烧不充分预警方法与流程

技术特征：

1.一种基于决策树系统的锅炉燃烧机燃烧不充分预警方法，其特征在于，包括如下步骤：

步骤(1)、获取锅炉房环境与锅炉运行参数数据A，再获取锅炉燃烧机燃烧不充分临界值B，根据数据A和临界值B中的相互学习速度对应出误差率表t，将误差率表t中的数值量化为0-1之间的小数后建立燃烧机燃烧不充分误差率表T；

步骤(2)：根据步骤(1)中的燃烧机燃烧不充分误差率表T作为决策树系统骨架，建立决策树系统，同时获取工作人员人工判断锅炉燃烧机燃烧不充分高低值的历史数据建立对照系统，将决策树系统与对照系统进行逻辑匹配；

步骤(3)：通过电子传感器获取实时锅炉燃烧机燃烧数据，并传输至决策树系统，决策树系统反复训练后得到燃烧机燃烧不充分高低值概率P；

步骤(4)：决策树系统判断燃烧机燃烧不充分高低值概率P的大小，如果P大于0.8，则说明锅炉燃烧机燃烧不充分，决策树系统将结果传输给中控台，中控台给出报警提示；如果P小于0.8，则说明锅炉燃烧机燃烧充分，中控台不会给出报警提示；

步骤(5)：锅炉工作人员得到中控台发出的报警提示后，对锅炉实际汽水共腾情况进行确认，如果确认后锅炉燃烧机燃烧充分则说明决策树系统判断错误，此时锅炉工作人员将正确结果输入给对照系统，此时将对照系统再次与决策树系统逻辑匹配后修正决策树系统；如果确认后锅炉燃烧机燃烧不充分则说明决策树系统判断正确；

步骤(6)：重复步骤(3)-(5)，如此不断循环不断修正决策树系统直到决策树系统判断准确，不再需工作人员人工判断锅炉燃烧机燃烧情况。

2.根据权利要求1所述的一种基于决策树系统的锅炉燃烧机燃烧不充分预警方法，其特征在于，在步骤(2)中决策树系统的公式满足：

$\frac{{\mathrm{dX}}_S}{dt}=(1-f_p)b_H{X}_{BH}-k_h\left(\frac{\frac{X_S}{X_{BH}}}{K_X+\frac{X_S}{X_{BH}}}\right)\left(\frac{S_O}{K_{OH}+S_O}\right)X_{BH};$

其中：X_S为反馈积分，X_BH为卷积常数，K_X为逆反馈层数，S_O为矢量卷积常数，K_OH为定义向量常数集，f_p为子集概率，b_H为计数次数，K_h为判断误差计数。