• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文会议>2016年第27届中国过程控制会议 >数据驱动高炉多元铁水质量非线性动态建模

数据驱动高炉多元铁水质量非线性动态建模

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

铁水温度、铁水硅含量[Si]、铁水磷含量[P]、铁水硫含量[S]作为高炉炼铁最为关键的质量指标,需要严格监测和控制.由于难以采用常规仪表进行直接在线检测且离线化验严重滞后,必须建立铁水质量模型以实现铁水质量的在线软测量,这也是实现高炉铁水质量自动控制的关键.本文针对现有随机权神经网络(RVFLNs)建模方法存在的过拟合和泛化能力差的问题,基于自编码(Autoencoder)算法和主成分分析(PCA)技术,提出一种新型的改进随机权神经网络算法,即AE-P-RVFLNs,并将其用于高炉多元铁水质量指标的动态ARMA建模.首先,为了分析出实际复杂工业数据中的有用信息和发现输入数据之间的隐藏关系,用Autoencoder训练输入数据,并将训练得到的输出权值作为后续神经网络中的输入权重;其次,引入PCA技术对隐层输出矩阵进行降维处理,避免隐层输出矩阵多重共线问题,大大降低网络中的无用隐层结点个数,简化网络结构,有效避免由于隐层节点过多导致的过拟合问题;最后,将所提方法在柳钢2号高炉进行了工业试验和比较研究.结果表明,相对于常规铁水质量软测量方法,所提软测量模型提高了计算精度和计算速度,并且有效解决了常规RVFLNs的过拟合问题.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号