版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
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-
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于HMM的回轉(zhuǎn)窯喂煤量趨勢預(yù)測.pdf
- 基于K-ELM的回轉(zhuǎn)窯喂煤量趨勢預(yù)測.pdf
- 基于LLE的HMM回轉(zhuǎn)窯喂煤預(yù)測.pdf
- 基于時(shí)序趨勢特征的回轉(zhuǎn)窯喂煤SVM分類方法.pdf
- 基于爐溫趨勢的高爐噴煤量預(yù)測研究.pdf
- 基于社交網(wǎng)絡(luò)的趨勢預(yù)測.pdf
- 基于KPCA的圖像匹配算法研究.pdf
- 基于測量的軟件老化趨勢預(yù)測.pdf
- 基于多指標(biāo)空間趨勢面分析的煤與瓦斯突出區(qū)域預(yù)測系統(tǒng)研究.pdf
- 水泥窯內(nèi)氣流場模擬及煤粉運(yùn)動(dòng)特性研究.pdf
- 基于類模型的Web輿情趨勢預(yù)測.pdf
- 基于微博挖掘的流行趨勢預(yù)測.pdf
- 基于RBFNN的煤與瓦斯突出預(yù)測研究.pdf
- 基于智能技術(shù)的混煤特性預(yù)測及配煤優(yōu)化模型研究.pdf
- 基于時(shí)空的多源數(shù)據(jù)趨勢預(yù)測研究.pdf
- 基于KPCA與LBP的人臉識(shí)別.pdf
- 基于SVM的煤與瓦斯突出預(yù)測模型研究.pdf
- 基于聲發(fā)射的煤與瓦斯突出預(yù)測研究.pdf
- 基于物元分析的煤自燃動(dòng)態(tài)預(yù)測研究.pdf
- 基于混合模型的股票趨勢預(yù)測方法研究.pdf
評論
0/150
提交評論