焦炭生產(chǎn)過程質(zhì)量模型建模方法研究.pdf

1、焦炭生產(chǎn)過程是一個(gè)具有嚴(yán)重非線性、時(shí)變、多參數(shù)和不確定性等特性的復(fù)雜工業(yè)生產(chǎn)過程。焦炭是冶金、機(jī)械、化工行業(yè)的主要原料和燃料,它的質(zhì)量直接關(guān)系到后續(xù)工業(yè)生產(chǎn)的穩(wěn)定性,為實(shí)現(xiàn)對焦炭生產(chǎn)過程產(chǎn)品質(zhì)量控制,進(jìn)行焦炭質(zhì)量建模是十分必要的。而對于焦炭生產(chǎn)過程,由于其復(fù)雜性加之工業(yè)噪聲污染,對其進(jìn)行質(zhì)量建模存在很大的困難。本文對焦炭生產(chǎn)過程焦炭質(zhì)量建模方法進(jìn)行深入的研究,取得了一些具有實(shí)際意義的結(jié)果,其主要工作和內(nèi)容如下:
　　 在對焦炭生

2、產(chǎn)過程分析的基礎(chǔ)上,提出了焦炭生產(chǎn)過程產(chǎn)品質(zhì)量建模問題,對影響焦炭質(zhì)量的主要因素和焦炭的質(zhì)量指標(biāo)進(jìn)行了深入分析和探討,確定了質(zhì)量模型的輸入、輸出,并對焦炭生產(chǎn)過程數(shù)據(jù)進(jìn)行了預(yù)處理。
　　 在對自適應(yīng)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)算法分析的基礎(chǔ)上,對基本的自適應(yīng)遺傳算法進(jìn)行了改進(jìn),給出了基于自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量模型建模型方法。仿真結(jié)果表明本文提出的方法收斂速度快,預(yù)測精度和預(yù)測命中率高。
　　 在對粒子群優(yōu)化算

3、法和徑向基神經(jīng)網(wǎng)絡(luò)分析的基礎(chǔ)上,借鑒了遺傳算法的交叉思想對粒子群優(yōu)化算法進(jìn)行了改進(jìn)。結(jié)合粒子群優(yōu)化算法和徑向基網(wǎng)絡(luò)算法這兩者的優(yōu)點(diǎn),將粒子群優(yōu)化RBF網(wǎng)絡(luò)的算法引入到焦炭質(zhì)量建模中,建立了基于PSO優(yōu)化RBF的焦炭質(zhì)量模型。仿真結(jié)果表明,其預(yù)測精度高,預(yù)測效果好。
　　 最后論文對焦炭質(zhì)量模型的兩種建模方法和質(zhì)量預(yù)測效果進(jìn)行了比較分析,在此基礎(chǔ)上,提出了焦炭質(zhì)量模型的輸出優(yōu)化問題,并對其進(jìn)行了分析和探討,為進(jìn)一步進(jìn)行焦炭質(zhì)量優(yōu)化