基于混沌灰狼优化算法的氧化铝质量指标预测模型

发布时间：2017-07-15 19:29

  本文关键词：基于混沌灰狼优化算法的氧化铝质量指标预测模型

  更多相关文章： 氧化铝焙烧过程 质量预测 在线贯序极限学习机 Tent混沌 灰狼优化算法

【摘要】：针对氧化铝焙烧过程具有强非线性、检测滞后等特点,提出一种基于混沌灰狼优化算法(CGWO)参数优化在线贯序极限学习机(OSELM)的氧化铝质量预测模型。在基于机理分析和变量相关性分析的基础上,选择氧化铝质量指标预测模型的输入变量,采用在线序贯极限学习机的方法建立模型,并利用改进的混沌灰狼优化算法得到最优的初始权值和隐含层偏差,实现焙烧过程氧化铝质量预测建模。采用工业过程数据对提出的方法进行实验验证,仿真结果表明:所建立的预测模型具有更好的精度,从而验证了方法的有效性。
【作者单位】： 广西大学电气工程学院;
【关键词】： 氧化铝焙烧过程 质量预测 在线贯序极限学习机 Tent混沌 灰狼优化算法
【基金】：国家自然科学基金资助项目(61364007) 广西自然科学基金资助项目(2014GXNSFAA118391)
【分类号】：TQ133.1;TP18
【正文快照】： 0引言氧化铝焙烧过程(alumina sintering process,简称ASP)伴随复杂的物理化学变化,具有强非线性、检测时间滞后、多变量等特点[1],而焙烧过程的控制目标是使氧化铝产品质量综合指标达到最优。目前,操作员通过观察焙烧主炉的出口温度、剩余氧含量、灼减等来判断焙烧工况优劣,，

本文编号：545436