基于极限学习机的铝电解工艺参数的软测量建模研究
发布时间:2021-01-28 15:05
工艺参数的实时测量是铝电解生产过程中的重要问题之一。对工艺参数进行实时监测,不仅可以为铝厂工人提供及时的操作决策支持,而且还可以对电解槽的运行状况进行分析。目前,还有许多工艺参数难以用仪表进行实时、精准地测量。因此采用软测量技术来解决这一问题具有重要的研究和现实意义。极限学习机是一种比较新的神经网络算法,它不仅具有良好的泛化能力,而且表现出训练速度快、算法简单易实现及调控的参数少等优点,在工业过程参数实时测量上具有较大优势。因此,围绕极限学习机在软测量领域中的建模研究已经得到了众多的关注。本文以极限学习机为研究基础,从铝电解生产数据和工艺机理出发,对铝电解工艺参数的软测量建模进行了研究,主要的工作如下:1.提出了基于改进极限学习机的软测量建模方法。在建模前首先利用粗糙集的属性约简算法对辅助变量中的冗余或不相关的属性进行剔除,以得到较为精简的辅助变量,从而降低极限学习机网络的输入复杂性。然后利用偏相关系数对输入变量与输出变量的关系进行正、负地判断,将对输出变量作用相同的变量放在一起,以此将极限学习机的输入部分进行分块处理,重新构建极限学习机的网络结构。实验结果表明,该方法不仅能够有效降低...
【文章来源】:重庆邮电大学重庆市
【文章页数】:57 页
【学位级别】:硕士
【部分图文】:
010-2016年中国原铝产量统计及增速[4]
图 2.1 软测量技术的基本框架可测的扰动变量,d2是可测的扰动变量,u 是过程对助变量,Y 则是需要测量的主导变量,Y*是主导变量对软测量模型进行误差校正。软测量技术的实质就是的数学关系 F:2' *Y F( d , u,X ,Y) ,一般的软测量模型的开发过程可以分为如下几个步骤查对数据进行第一次的检查,其目的是对获取数据及其数据中明显存在的一些问题,如加锁的变量应该是一致的数值。再如,在铝电解数据中经常会出现某天某
属性是不必要的并将属性ia 从条件属性集合中删除,不断重复这属性集中没有可以删除的属性,即属性约简过程完成。模型融合建模方法周知,相对于单一的模型,多模型融合具有更好的预测能力和泛化型方法,数据首先被分成了不同的子集,对于每个子集必须建立。建立完成后,还必须采用一定的融合方法将其进行组合以得到当建模过程高度非线性的时候,多模型的方法通常会比单一的模因为,当数据被划分到多个不同的子集时,每个子集都可以识别态,这相当于将非线性的过程进行了线性的划分。由于铝电解生,因此更适合采用多模型融合的建模方法。
【参考文献】:
期刊论文
[1]基于槽况分类的铝电解电流效率预测研究[J]. 崔桂梅,薛法远,刘丕亮. 计算机仿真. 2017(01)
[2]基于自适应差分进化算法优化极限学习机的球磨机料位测量[J]. 王芳,续欣莹,阎高伟. 仪表技术与传感器. 2015(06)
[3]大型铝电解槽电流效率数值建模研究[J]. 邱泽晶,张红亮,徐宇杰,王振宇. 有色金属(冶炼部分). 2015(03)
[4]基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量[J]. 贺彦林,王晓,朱群雄. 控制理论与应用. 2015(01)
[5]过程工业软测量中的多模型融合建模方法[J]. 王海宁,夏陆岳,周猛飞,朱鹏飞,潘海天. 化工进展. 2014(12)
[6]铝电解槽低电压生产中电压偏差的控制[J]. 周虹. 金属世界. 2014(03)
[7]电解槽电流测量模型建模及测量位置的研究[J]. 赵仁涛,紫京浩,范涵奇,张志芳,铁军. 仪器仪表学报. 2014(03)
[8]铝电解槽阳极数据分析[J]. 赵仁涛,林立明,张志芳,铁军. 有色金属(冶炼部分). 2014(01)
[9]基于数据的铝电解槽况分类[J]. 张旖芮,阳春华,朱红求. 计算机工程与应用. 2015(11)
[10]基于LS-SVM的铝电解槽电解温度软测量[J]. 王宇,康全林. 仪器仪表用户. 2012(04)
本文编号:3005206
【文章来源】:重庆邮电大学重庆市
【文章页数】:57 页
【学位级别】:硕士
【部分图文】:
010-2016年中国原铝产量统计及增速[4]
图 2.1 软测量技术的基本框架可测的扰动变量,d2是可测的扰动变量,u 是过程对助变量,Y 则是需要测量的主导变量,Y*是主导变量对软测量模型进行误差校正。软测量技术的实质就是的数学关系 F:2' *Y F( d , u,X ,Y) ,一般的软测量模型的开发过程可以分为如下几个步骤查对数据进行第一次的检查,其目的是对获取数据及其数据中明显存在的一些问题,如加锁的变量应该是一致的数值。再如,在铝电解数据中经常会出现某天某
属性是不必要的并将属性ia 从条件属性集合中删除,不断重复这属性集中没有可以删除的属性,即属性约简过程完成。模型融合建模方法周知,相对于单一的模型,多模型融合具有更好的预测能力和泛化型方法,数据首先被分成了不同的子集,对于每个子集必须建立。建立完成后,还必须采用一定的融合方法将其进行组合以得到当建模过程高度非线性的时候,多模型的方法通常会比单一的模因为,当数据被划分到多个不同的子集时,每个子集都可以识别态,这相当于将非线性的过程进行了线性的划分。由于铝电解生,因此更适合采用多模型融合的建模方法。
【参考文献】:
期刊论文
[1]基于槽况分类的铝电解电流效率预测研究[J]. 崔桂梅,薛法远,刘丕亮. 计算机仿真. 2017(01)
[2]基于自适应差分进化算法优化极限学习机的球磨机料位测量[J]. 王芳,续欣莹,阎高伟. 仪表技术与传感器. 2015(06)
[3]大型铝电解槽电流效率数值建模研究[J]. 邱泽晶,张红亮,徐宇杰,王振宇. 有色金属(冶炼部分). 2015(03)
[4]基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量[J]. 贺彦林,王晓,朱群雄. 控制理论与应用. 2015(01)
[5]过程工业软测量中的多模型融合建模方法[J]. 王海宁,夏陆岳,周猛飞,朱鹏飞,潘海天. 化工进展. 2014(12)
[6]铝电解槽低电压生产中电压偏差的控制[J]. 周虹. 金属世界. 2014(03)
[7]电解槽电流测量模型建模及测量位置的研究[J]. 赵仁涛,紫京浩,范涵奇,张志芳,铁军. 仪器仪表学报. 2014(03)
[8]铝电解槽阳极数据分析[J]. 赵仁涛,林立明,张志芳,铁军. 有色金属(冶炼部分). 2014(01)
[9]基于数据的铝电解槽况分类[J]. 张旖芮,阳春华,朱红求. 计算机工程与应用. 2015(11)
[10]基于LS-SVM的铝电解槽电解温度软测量[J]. 王宇,康全林. 仪器仪表用户. 2012(04)
本文编号:3005206
本文链接:https://www.wllwen.com/projectlw/yjlw/3005206.html