机器学习算法在温度分布重建中的应用

发布时间：2022-02-17 15:09

　　由于现场环境及测量技术的制约,工业测量过程中会出现关键参数数据缺失或失真现象。为了解决这一问题,将机器学习应用于参数测量过程中,实现对缺失数据集的补全和失真数据的修复,进而实现对缺失数据集的深层次挖掘和应用。以温度为例,作为燃烧过程中的重要参数,温度信息直接反映了燃烧状态,完整准确的温度测量信息对燃烧设备运行控制有着深远的意义。针对经验数据不完整的情况,使用机器学习中的主成分分析（PCA）算法迭代恢复缺失数据并进行特征提取,结合少量温度测量数据,实时重建燃烧温度分布。通过理论分析,确定重建算法的可行性。将重建算法应用于燃气燃烧仿真模型温度分布重建工作。结果表明,该方法能够准确地补全温度信息,快速实现温度分布重建,为解决工业参数测量中的数据缺失及数据失真问题提供一种新思路。 

【文章来源】：自动化仪表. 2020,41(01)

【文章页数】：7 页

【文章目录】：
0 引言
1 主成分分析算法
2 重建算法
    2.1 基于PCA及完整数据集的温度分布重建算法
    2.2 基于PCA及缺失数据集的温度分布重建算法
    2.3 重建结果误差分析算法
3 数值仿真模型
    3.1 几何模型
    3.2 计算模型
    3.3 仿真工况设定
4 重建结果分析
    4.1 完整数据重建分析
    4.2 数据补全重建分析
5 结论


【参考文献】：
期刊论文
[1]基于PCA模式和颜色特征的钢轨表面缺陷视觉显著性检测[J]. 王姮,王曼,张华,刘桂华.  自动化仪表. 2017(01)
[2]一种基于改进BP神经网络的PCA人脸识别算法[J]. 李康顺,李凯,张文生.  计算机应用与软件. 2014(01)
[3]基于相干函数矩阵的风场本征正交分解[J]. 胡亮,顾明,李黎.  振动工程学报. 2010(01)
[4]温度测量技术的最新动态及特殊与实用测温技术[J]. 王魁汉,李友,王柏忠.  自动化仪表. 2001(08)

硕士论文
[1]基于声光融合法的气体浓度与温度场重建研究[D]. 宋伟.华北电力大学(北京) 2016
[2]基于PCA的人脸识别研究[D]. 黄泉龙.西安电子科技大学 2012
[3]可调谐激光半导体吸收光谱技术应用于火焰中气体浓度和温度二维分布重建的研究[D]. 姜治深.浙江大学 2012



本文编号：3629632