回转窑烧成带温度预测方法研究

发布时间：2017-08-17 14:24

  本文关键词：回转窑烧成带温度预测方法研究

  更多相关文章： 回转窑 烧成带温度预测 果蝇优化 超限学习机

【摘要】：水泥回转窑是新型干法水泥生产过程中原料煅烧环节的核心设备,其运转情况的好坏直接关系到水泥熟料的产量、质量、能耗和企业成本。研究水泥回转窑烧成带温度预测方法,通过预测结果提前指导操作人员对回转窑生产热工参数进行调整,对提高水泥回转窑的运行效率和节能降耗具有重要的理论和实际意义。论文针对新型干法水泥生产过程中回转窑的工作具有大惯性、纯滞后、多变量以及非线性的特点,在对新型干法水泥生产工艺进行分析的基础之上,提出了基于果蝇群体优化超限学习机的回转窑烧成带温度预测方法。首先,论文分析水泥回转窑烧成过程的工艺和机理,识别出影响水泥回转窑烧成带温度的因素,确定了以喂煤量、二次风速和回转窑转速为自变量,以回转窑烧成带温度为输出量的建模变量,为建立回转窑烧成带温度预测模型提供基础;其次,本文提出果蝇群体优化超限学习机结构的算法(FOA-ELM),该算法以超限学习机的思想为基础,采用具有全局最优特性的果蝇优化算法选择超限学习机的网络结构,通过数据实验结果表明该算法具有泛化能力好且相对于一般神经网络训练时间较短的特点;再次,结合回转窑烧成带温度预测的建模变量,提出基于FOA-ELM的回转窑烧成带温度预测模型,该模型与一般基于神经网络的回转窑烧成带温度预测模型相比,减少了学习时间,提升了预测效率。最后,论文结合西南水泥生产线现场实测的数据,对上诉理论研究进行了仿真实验。实验结果表明:本文提出的基于FOA-ELM的回转窑烧成带温度预测模型能够对回转窑的烧成带温度进行有效地预测,并且该方法相比于传统的基于神经网络的回转窑烧成带温度预测方法,减少了训练时间,提升了学习过程的效率。
【关键词】：回转窑 烧成带温度预测 果蝇优化 超限学习机
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ172.622;TP183
【目录】：

• 摘要3-4
• Abstract4-10
• 注释表10-11
• 第1章 绪论11-17
• 1.1 课题研究背景及意义11-12
• 1.2 回转窑烧成带温度预测方法研究现状12-15
• 1.2.1 国内外研究现状12-14
• 1.2.2 回转窑烧成带温度预测方法存在的问题14-15
• 1.3 论文主要内容与论文结构15-17
• 第2章 水泥回转窑简介及经典烧成带温度预测方法分析17-36
• 2.1 引言17
• 2.2 水泥回转窑及水泥生产过程工艺简介17-23
• 2.2.1 水泥回转窑的分类及发展17-18
• 2.2.2 水泥回转窑的结构及功能18-20
• 2.2.3 新型干法水泥回转窑烧成工艺流程20-23
• 2.3 基于模糊理论的回转窑烧成带温度预测方法23-26
• 2.3.1 模糊逻辑基础23-24
• 2.3.2 基于模糊理论的回转窑烧成带温度预测模型24-26
• 2.4 基于神经网络的回转窑烧成带温度预测方法26-33
• 2.4.1 人工神经网络27-28
• 2.4.2 基于RBF神经网络的回转窑烧成带温度预测模型28-31
• 2.4.3 基于Elman神经网络的回转窑烧成带温度预测模型31-33
• 2.5 基于SVM的回转窑烧成带温度预测方法33-35
• 2.6 本章小结35-36
• 第3章 基于FOA-ELM的回转窑烧成带温度预测模型研究36-54
• 3.1 引言36-37
• 3.2 回转窑烧成带温度影响因素分析37-38
• 3.3 基于果蝇优化的超限学习机(FOA-ELM)38-47
• 3.3.1 果蝇算法优化的超限学习机39-45
• 3.3.2 数值实验45-47
• 3.4 基于FOA-ELM的回转窑烧成带温度预测模型47-52
• 3.5 本章小结52-54
• 第4章 回转窑烧成带温度预测模型的仿真与分析54-63
• 4.1 引言54
• 4.2 评价标准54-55
• 4.3 数据处理55-57
• 4.3.1 样本数据的选取55-56
• 4.3.2 数据预处理56-57
• 4.4 参数选择57-58
• 4.5 仿真实验结果及分析58-62
• 4.5.1 基于FOA-ELM的烧成带温度预测模型仿真分析58-61
• 4.5.2 不同算法性能比较61-62
• 4.6 本章小结62-63
• 第5章 结束语63-65
• 5.1 主要工作及创新点63
• 5.2 后续研究工作63-65
• 参考文献65-69
• 致谢69-70
• 攻读硕士学位期从事的科研工作及取得的成果70

【参考文献】

中国期刊全文数据库 前10条

1 李忠华;;DCS系统设计与调试的几点经验[J];水泥;2016年02期

2 魏军晓;耿元波;沈镭;岑况;;中国水泥生产与碳排放现状分析[J];环境科学与技术;2015年08期

3 杨柳;王钰;;泛化误差的各种交叉验证估计方法综述[J];计算机应用研究;2015年05期

4 黄贤林;刘红桔;裴文卉;;水泥回转窑诊断专家系统的设计与实现[J];中国科技信息;2014年06期

5 覃新颖;佘乾仲;彭奎;杨晓娜;;基于神经网络的回转窑建模及其优化控制设计[J];计算机仿真;2012年01期

6 毛健;赵红东;姚婧婧;;人工神经网络的发展及应用[J];电子设计工程;2011年24期

7 黄清宝;林小峰;宋绍剑;佘乾仲;杨宝生;;基于Elman网的水泥回转窑模型及其DHP控制器设计[J];系统仿真学报;2011年03期

8 封培然;;浅议水泥回转窑烧成带温度[J];水泥技术;2010年05期

9 封培然;齐砚勇;汪澜;牛云辉;;小议过渡带与烧成带的关系[J];中国水泥;2010年06期

10 林小峰;刘唐波;雷声勇;;基于神经网络的水泥回转窑温度预测模型[J];微计算机信息;2009年01期

，

本文编号：689499