神经网络在干熄焦系统控制中的研究与应用
发布时间：2021-01-19 19:56
干熄焦工艺是一种新兴的制焦工艺,相比于传统湿熄焦工艺,热能回收效率高,出焦质量好,且污染物排放量低,在我国钢铁产业技术升级中扮演重要的角色。干熄焦系统是一个复杂的非线性系统并且具有很高的延时性,因此一般采用模型预测控制来实现对干熄焦系统的控制,但模型预测控制的精准程度受制于回归预测模型的精准程度。因此本文希望能够提出一种能够实现变量选择的非线性建模方法,从而使得预测模型拥有结构简单,响应速度快,预测精度高等优点。以满足模型预测控制对预测模型的精度要求。论文首先对目前国内外干熄焦工艺的发展情况进行介绍,并且对神经网络建模方法与变量选择方法的发展状况与基本原理进行了介绍。之后通过对干熄焦系统工作流程的分析,以及对现场工业数据的分析,选取锅炉进气温度作为建模的目标变量,并对数据集进行初步选取,选择了18个协变量作为预测建模与变量筛选的备选变量。为实现变量筛选与非线性建模,本文提出了一种基于Lasso惩罚与神经网络的变量筛选建模方法（Lasso-ANN）,并对该算法的算法流程进行了详细介绍。除此之外还对该算法中的关键环节进行了更为详细的介绍。在利用Lasso-ANN进行变量筛选的过程中存在一个...
【文章来源】：齐鲁工业大学山东省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
人工神经元数学模型
而掀起了第二次研究人工神经网络的热潮。高性能集成电路芯片不断出现，如斯坦福大学的 Bo14 年在 proceedings of the IEEE 期刊发表的论文中指出新的电路板‘Neurogrid’能够模拟 100 万个神经元以些技术是的神经网络的大规模实现变得相对简单，学网络研究热潮。络的基本介绍网络技术的飞速发展，以及计算机硬件运算能力的提各异的神经网络如，广义回归神经网络[15,16]、自组织络[18,19]以及专门面向复杂 MIMO 系统解耦控制的 PID线性复杂系统建模中，常用的有多层感知器 M及隐含层由径向基函数(Radial Basis Function, RBF)构层感知器的网络模型为典型的多层前馈神经网络(MFeural network)，网络结构如图 1.2 所示：
第 2 章 干熄焦技术的理论基础及初步过程数据分析.1 干熄焦系统的基本结构和工作原理顾名思义干熄焦技术是一种需要使用冷水便可使炽热红焦降温的熄焦方法。干熄焦过程中，红焦从干熄炉顶部装入，低温隋性气体经过循环风机加压从干炉下部吹入，冷的惰性气体与炽热红焦进行热量交换，冷却后的焦炭从干熄炉部排出，而升温后的高温惰性气体上升进入干熄炉上的环形烟道被输送至锅炉以加热锅炉生产蒸汽，而冷却后的惰性气体再次由循环风机鼓入干熄炉，惰性体在封闭的系统内循环使用。相比于传统湿熄焦技术，干熄焦在节能、环保和善焦炭质量等方面都有明显优势[56]。因此作为新兴的节能环保装置在我国钢铁业的制焦工艺中得到普遍推广。本节将结合干熄焦装置结构图对干熄焦系统的构与工作原理进行介绍。干熄焦装置结构图如图 2.1 所示：
【参考文献】：
期刊论文
[1]非参数非线性系统的变量选择及研究进展[J]. 白尔维,李慷,赵文虓,牟必强,郑卫新. 中国科学:数学. 2016(10)
[2]光谱数据分析中的通用非线性变量筛选新方法[J]. 陈达,闫孟雨,李奇峰,于苓,金涌,徐可欣. 纳米技术与精密工程. 2015(03)
[3]干熄焦技术的节能减排及环保分析[J]. 王永林. 煤化工. 2011(03)
[4]我国干熄焦技术的回顾与现状分析[J]. 张秋强,谭豫章,董兴宏. 燃料与化工. 2010(05)
[5]干熄焦系统优化操作与控制[J]. 葛海标,蒋泽义,刘建伟. 燃料与化工. 2010(04)
[6]RBF网络在基于动载的路面识别中的应用[J]. 李忠国,张为公,王琪,李世民. 重庆工学院学报(自然科学版). 2009(01)
[7]基于广义回归神经网络的经济预测模型研究[J]. 范群林,李桃,吴花平. 商场现代化. 2008(26)
[8]PID神经网络内模控制在湿法烟气脱硫中的应用[J]. 沈永俊,顾幸生. 清华大学学报(自然科学版). 2007(S2)
[9]基于Matlab的自组织神经网络在油气层识别中的应用研究[J]. 王家华,李志勇,周冠武. 电脑知识与技术. 2006(35)
[10]学习矢量量化的推广及其典型形式的比较[J]. 程剑锋,徐俊艳. 计算机工程与应用. 2006(17)
博士论文
[1]基于核方法的非线性系统变量选择及其应用[D]. 苏盈盈.重庆大学 2014
硕士论文
[1]基于BP神经网络的短期负荷预测[D]. 吕婵.华中科技大学 2007
[2]RBF神经网络学习算法在模式分类中的应用研究[D]. 穆云峰.大连理工大学 2006
本文编号：2987620
【文章来源】：齐鲁工业大学山东省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
人工神经元数学模型
而掀起了第二次研究人工神经网络的热潮。高性能集成电路芯片不断出现，如斯坦福大学的 Bo14 年在 proceedings of the IEEE 期刊发表的论文中指出新的电路板‘Neurogrid’能够模拟 100 万个神经元以些技术是的神经网络的大规模实现变得相对简单，学网络研究热潮。络的基本介绍网络技术的飞速发展，以及计算机硬件运算能力的提各异的神经网络如，广义回归神经网络[15,16]、自组织络[18,19]以及专门面向复杂 MIMO 系统解耦控制的 PID线性复杂系统建模中，常用的有多层感知器 M及隐含层由径向基函数(Radial Basis Function, RBF)构层感知器的网络模型为典型的多层前馈神经网络(MFeural network)，网络结构如图 1.2 所示：
第 2 章 干熄焦技术的理论基础及初步过程数据分析.1 干熄焦系统的基本结构和工作原理顾名思义干熄焦技术是一种需要使用冷水便可使炽热红焦降温的熄焦方法。干熄焦过程中，红焦从干熄炉顶部装入，低温隋性气体经过循环风机加压从干炉下部吹入，冷的惰性气体与炽热红焦进行热量交换，冷却后的焦炭从干熄炉部排出，而升温后的高温惰性气体上升进入干熄炉上的环形烟道被输送至锅炉以加热锅炉生产蒸汽，而冷却后的惰性气体再次由循环风机鼓入干熄炉，惰性体在封闭的系统内循环使用。相比于传统湿熄焦技术，干熄焦在节能、环保和善焦炭质量等方面都有明显优势[56]。因此作为新兴的节能环保装置在我国钢铁业的制焦工艺中得到普遍推广。本节将结合干熄焦装置结构图对干熄焦系统的构与工作原理进行介绍。干熄焦装置结构图如图 2.1 所示：
【参考文献】：
期刊论文
[1]非参数非线性系统的变量选择及研究进展[J]. 白尔维,李慷,赵文虓,牟必强,郑卫新. 中国科学:数学. 2016(10)
[2]光谱数据分析中的通用非线性变量筛选新方法[J]. 陈达,闫孟雨,李奇峰,于苓,金涌,徐可欣. 纳米技术与精密工程. 2015(03)
[3]干熄焦技术的节能减排及环保分析[J]. 王永林. 煤化工. 2011(03)
[4]我国干熄焦技术的回顾与现状分析[J]. 张秋强,谭豫章,董兴宏. 燃料与化工. 2010(05)
[5]干熄焦系统优化操作与控制[J]. 葛海标,蒋泽义,刘建伟. 燃料与化工. 2010(04)
[6]RBF网络在基于动载的路面识别中的应用[J]. 李忠国,张为公,王琪,李世民. 重庆工学院学报(自然科学版). 2009(01)
[7]基于广义回归神经网络的经济预测模型研究[J]. 范群林,李桃,吴花平. 商场现代化. 2008(26)
[8]PID神经网络内模控制在湿法烟气脱硫中的应用[J]. 沈永俊,顾幸生. 清华大学学报(自然科学版). 2007(S2)
[9]基于Matlab的自组织神经网络在油气层识别中的应用研究[J]. 王家华,李志勇,周冠武. 电脑知识与技术. 2006(35)
[10]学习矢量量化的推广及其典型形式的比较[J]. 程剑锋,徐俊艳. 计算机工程与应用. 2006(17)
博士论文
[1]基于核方法的非线性系统变量选择及其应用[D]. 苏盈盈.重庆大学 2014
硕士论文
[1]基于BP神经网络的短期负荷预测[D]. 吕婵.华中科技大学 2007
[2]RBF神经网络学习算法在模式分类中的应用研究[D]. 穆云峰.大连理工大学 2006
本文编号：2987620
本文链接：https://www.wllwen.com/projectlw/hxgylw/2987620.html
最近更新
教材专著
