基于KPCA-BHMM的窯內(nèi)喂煤趨勢預(yù)測.pdf

1、回轉(zhuǎn)窯熟料燒結(jié)是氧化鋁生產(chǎn)工藝中的關(guān)鍵工序。燒結(jié)過程是一類典型的復(fù)雜工業(yè)過程，用機(jī)理分析或系統(tǒng)辨識(shí)的方法建模難度很大。在鼓風(fēng)機(jī)、排煙等風(fēng)門開度保持不變的情況下，喂煤量的供給是控制窯內(nèi)燒結(jié)溫度的主要操作變量。
　　 本文充分考慮回轉(zhuǎn)窯燒結(jié)過程中各熱工參數(shù)對燒結(jié)過程的影響，將核主成分分析(Kernel Principal Component Analysis，KPCA)與隱馬爾可夫模型(HiddenMarkov Model，HMM)

2、相結(jié)合，并根據(jù)窯前操作需求進(jìn)行最小風(fēng)險(xiǎn)貝葉斯決策(Bayesian)得到回轉(zhuǎn)窯喂煤量變化趨勢預(yù)測結(jié)果，此時(shí)模型表示為KPCA-BHMM。本文主要進(jìn)行的研究工作如下:分析了時(shí)間序列的壓縮，并針對回轉(zhuǎn)窯熱工數(shù)據(jù)的時(shí)間序列，提出了關(guān)鍵點(diǎn)的時(shí)間序列壓縮和一階差分均值的子序列描述;針對回轉(zhuǎn)窯燒結(jié)過程中所采集的數(shù)據(jù)都具有非線性結(jié)構(gòu)，利用核主成分分析消除數(shù)據(jù)中的噪音，提取包含信息的主成分，并對數(shù)據(jù)進(jìn)行降維;利用HMM在時(shí)間序列預(yù)測方面的優(yōu)勢，將HMM

3、引入到回轉(zhuǎn)窯喂煤趨勢的預(yù)測中，并針對離散HMM模型中的矢量量化問題，提出了一種等比例縮放的矢量量化方法;結(jié)合熟料燒結(jié)過程中對趨勢錯(cuò)判所帶來的損失，將最小風(fēng)險(xiǎn)貝葉斯決策引入到回轉(zhuǎn)窯喂煤量變化趨勢的判斷中來，利用HMM模型算出的后驗(yàn)概率和決策表進(jìn)行最小風(fēng)險(xiǎn)貝葉斯決策來獲得喂煤量變化趨勢;利用回轉(zhuǎn)窯現(xiàn)場數(shù)據(jù)對上述核主成分分析-隱Markov-貝葉斯決策模型方法(KPCA-BHMM)進(jìn)行驗(yàn)證和仿真，并將其與樸素貝葉斯模型(NBC)、主成分分析-