基于神经网络的磨矿过程多模型软测量方法研究

发布时间：2020-04-17 05:41

【摘要】：由于磨矿分级现场条件限制和粒度分析仪造价昂贵,采用在线检测的磨矿粒度预测精度低且代价高。因此本文提出采用人工神经网络和软测量相结合的方法对它进行预测具有重要意义。本文具体的工作主要有以下几个方面:首先根据多源信息融合技术可以提高模型预测精度和和鲁棒性的思想,提出了一种基于卡尔曼滤波方法的磨矿粒度多神经网络软测量建模方法。根据磨矿过程工艺特点和软测量预测精度要求,分别建立了小波神经网络,支持向量机回归,RBF神经网络模型,然后采用卡尔曼滤波算法对三个神经网络模型的输出进行信息融合。最后利用融合后的模型及三个单模型对磨矿粒度进行预测并仿真比较。其次根据模型数据空间聚类分割可以提高预测精度和和鲁棒性的思想,提出了一种基于模糊C均值(Fuzzy C-means,FCM)聚类算法的磨矿粒度多BP神经网络软测量建模方法。该模型根据磨矿过程工艺特点和软测量预测精度要求,采用FCM聚类算法对磨矿粒度数据空间进行聚类分割;然后提出基于自适应变异算子和分段二次惯性权值算子的改进粒子群算法(Particle swarm optimization,PSO)对单一子空间所建立的磨矿粒度BP神经网络软测量模型的结构参数进行优化。最后利用基于改进PSO算法的磨矿粒度多BP神教网络软测量模型对磨矿粒度进行预测和仿真比较研究。仿真结果表明该模型可以满足磨矿分级生产过程的实时控制要求。最后,根据磨矿过程工艺特点和实际磨矿分级过程中的大量实验数据推导出磨矿粒度的机理模型,并建立了BP神经网络和小波神经网络软测量模型;然后基于滞后切换策略实现了混合多软测量模型的切换,即在每个采样时刻基于切换性能指标选出最优的局部模型作为当前模型,从而实现全工况运行的自适应控制;最后采用布谷鸟算法对滞后切换策略中性能指标参数进行优化。仿真结果表明该模型具有更好的泛化结果和预测精度,可以满足磨矿分级生产过程的实时控制要求。总之,通过仿真结果表明三种神经网络多模型软测量模型都能取得良好的预测效果,能够提高磨矿过程中磨矿粒度的预测精度和鲁棒性,可以满足磨矿生产过程的实时控制要求。
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD921.4

【相似文献】

相关期刊论文 前10条

1 胡笑寒,郭伟;神经网络在纺织外贸企业竞争战略中的应用[J];郑州纺织工学院学报;2000年04期

2 罗公亮;从神经网络到支撑矢量机(下)[J];冶金自动化;2002年01期

3 杨旭华,戴华平,孙优贤;基于神经网络的发酵时间和最优发酵温度模型[J];化工自动化及仪表;2004年01期

4 孙波,陈静,钟建辉,陈桦;轴类零件设计耦合神经网络的实例分类模型[J];轻工机械;2004年01期

5 段善宁,汪玉春;神经网络技术在储运工程中的应用综述[J];天然气与石油;2004年04期

6 吴孟武;周华民;赵朋;李德群;;塑料熔体黏度的神经网络拟合[J];塑料科技;2007年02期

7 姚尚锋;杨占营;邹彪;;多属性装备质量综合评价的神经网络方法[J];广西轻工业;2007年12期

8 邓建长;刘海波;;对矿山安全评价中神经网络的改进[J];湖南安全与防灾;2008年05期

9 顾玉钢;夏智海;庄力健;;基于改进神经网络的疲劳裂纹扩展速率预测[J];合肥工业大学学报(自然科学版);2008年06期

10 王小完;杨桦;;神经网络技术在矿体边界圈定中的应用研究[J];金属矿山;2009年02期

相关会议论文 前10条

1 王雷;陈宗海;;神经网络在过程系统建模中的应用综述[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 周宗潭;胡德文;;自组织的神经网络方法和群落生长模型研究[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

3 侯媛彬;易继锴;杨玉珍;陈双叶;韩崇昭;;一种能消除混沌现象的神经网络[A];1996年中国智能自动化学术会议论文集（上册）[C];1996年

4 江铭炎;江铭虎;;一种神经网络特征压缩及分类的研究[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

5 陈文新;王长富;戴蓓倩;;基于神经网络的汉语四声识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 刘丰;姜建新;程俊;易克初;;一种用于语音识别的神经网络[A];第二届全国人机语音通讯学术会议论文集[C];1992年

7 梁循;;神经网络中训练样本空间的分割特性及其应用[A];1995中国控制与决策学术年会论文集[C];1995年

8 黄小原;肖四汉;樊治平;;神经网络预警系统及其应用[A];1995中国控制与决策学术年会论文集[C];1995年

9 李艳;邵日祥;方建安;邵世煌;;神经网络在功率电子及拖动控制中的应用[A];1996中国控制与决策学术年会论文集[C];1996年

10 高文忠;顾树生;平力;;静态神经网络新算法及其收敛性初探[A];1994年中国控制会议论文集[C];1994年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

，

本文编号：2630521