基于K-ELM的回转窑喂煤量趋势预测

被引量 : 0次 | 上传用户:xhb876
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
回转窑是工业上生产氧化铝的重要热工设备,其操作参数多且具有大滞后、非线性、强耦合、多干扰等特点。回转窑的烧结是整个回转窑系统中的关键工序。烧结过程中的窑内工况,烧结温度,煤粉质量对窑前喂煤量影响很大,因此即使经验丰富的操作工人也难以在这么复杂的环境下进行准确地加减煤判断。在人工比较难把握加减煤趋势的情况下,如果对其建模并能准确预测出喂煤量的趋势方向,则可以稳定窑内工况,提高熟料的产量和质量。根据这个思路,把喂煤量作为主要的研究对象,提取窑前基于时序的热工数据的变化趋势,总结出热工数据趋势特征和喂煤趋势方向的关系,提出一种基于核函数的极限学习机(K-ELM)模型,实现对喂煤量变化趋势进行预测。对于窑前的热工数据,采用基于加煤或减煤的关键点方法对整个时序进行分段线性化压缩,然后提取每一小段热工数据的变化趋势,建立喂煤量变化趋势的训练测试数据库。考虑到窑前热工数据噪声大、受干扰因素多等特点,一般的神经网络进行训练受到影响比较大,预测精度较低。为此,本文引进了鲁棒性较强的K-ELM神经网络模型。在对标准数据库中几组数据集加噪声的情况下,对几种神经网络模型进行了比较,并分析其结果。目前的研究资料中还没有形成固定的算法来选择K-ELM的参数。本文采用了交叉验证算法对其参数进行寻优,在一定程度上避免了神经网络的过学习问题。用前面提取得到的喂煤趋势数据库,对ELM、SVM及K-ELM三个模型训练测试,并对结果进行分析。两次实验结果都表明基于K-ELM的模型抗噪声能力比较强,且模型训练时间短,能在复杂且有干扰的环境下对回转窑喂煤量趋势做出较准确的判断。利用此模型对某氧化铝回转窑现场5小时以上喂煤趋势进行预测,准确率达到80%左右,证明了本文思路的可行性。
其他文献
针对一种用于丝网印刷的平面3自由度(Three-degree-of-freedom,3-DOF)并联平台,提出一种基于视觉测量的分步递进的运动学标定方法,解决这类特殊平面并联平台的运动学标定问题
农村职业教育在近年来成为人们关注的一个焦点。其原因之一就是因为农村职业教育在我国起步晚,发展却很迅速,并且在近些年来农村职业教育的发展给全社会所带来的经济效益有目共
光与影是西方绘画艺术长期以来研究和关注的重要绘画语言和元素,西方油画历史的众多作品都显现出了历代艺术家对于光的重视。尤其在写实油画历史发展中,光与影共同担负起油画
4 本章教材分析章头图、引言章头图为天坛.天坛始建于1426年,是我国现存的精美的古建筑群之一.通过观察可以发现,如此雄伟的建筑是由一些基本的空间图形组合而成.它和引言提
<正>长江师范学院乌江流域社会经济文化研究中心主任李良品教授主持的国家社科基金西部资助项目"乌江流域民族地区教育发展史研究"的最终成果《乌江流域民族地区教育发展史》
新疆口头传统文化作为各民族历史发展的见证,目前正面临濒危、衰退、消失的困境,亟需国家、政府及广大人民共同努力抢救。本文关注新疆口头传统文化面临的困境,并就如何应对
产业集群是当前地区经济发展一大特色,通过培育优势产业的集群效应,从而推动区域经济发展,这已成为一种提高区域竞争力的有效途径。本文选用龙头企业作为研究视角,以产业集群演进
本论文的研究以博罗石鼓隧道为依托,该隧道主体位于软弱围岩中,结合实际工程研究软弱围岩下隧道施工的方法,对今后类似的软岩隧道施工方法提供参考。论文主要根据隧道地质条
建立了以人为粒度(agent)的供应链道德风险有向多局域世界网络模型,给出了供应链道德风险的定义,确定了供应链道德风险复杂网络中人与人之间相互作用的交互规则及网络的演化
现阶段,重庆市经济发展的现状还是主要依靠投资来拉动经济的增长及社会的进步,如何通过有限的投资,获得较大的社会效益,即需要了解投资对经济总量的直接影响还需要清醒认识投资通