資源描述：
《鋅鋇白回轉(zhuǎn)窯煅燒過程智能建模研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、擒要摘要本文系統(tǒng)地分析了鋅鋇白回轉(zhuǎn)窯煅燒過程的復(fù)雜特性，在過程采樣數(shù)據(jù)分析的基礎(chǔ)上，詳細(xì)地探討了該過程多種智能建模舞法的理論及應(yīng)用方法。文章囂先緒舍鏊內(nèi)終對(duì)霾轉(zhuǎn)鬻瑕澆遙程黧模及控毒l蕊矯究凌獲，鼴強(qiáng)轉(zhuǎn)窯簸燒生產(chǎn)過程特性出發(fā)，分析過程建模需待解決的難點(diǎn)及重點(diǎn)，提出過程分段建模的思想，為后續(xù)建模研究的展開奠定基礎(chǔ)。其次，錚對(duì)窯頭滋發(fā)控裁系繞瓣蘑巧辮談耀蘧，應(yīng)用舞狳段翅黲辨詼方法對(duì)其展開研究。系統(tǒng)趣分析了該方法究綴霞環(huán)系統(tǒng)輸出信號(hào)通過反饋環(huán)節(jié)與輸入信號(hào)相關(guān)而對(duì)系統(tǒng)辨識(shí)造成的影響，通過仿真分析，建立了躲頭
2、溫度隨回油閥開度控制量的線性模型，并運(yùn)用自相關(guān)函數(shù)方法檢驗(yàn)?zāi)Ｐ偷囊恢聭{偏性。贊薅鬻轉(zhuǎn)窯簸袋毅過程矮量按翻系統(tǒng)熬建模翊題，扶熬予藐量平餐豹控裁愚想出發(fā)，即在穩(wěn)定窯頭溫度、物料流量和物料干燥效果的前提下，調(diào)節(jié)煅燒轉(zhuǎn)速，以此來改變煅燒時(shí)間，調(diào)節(jié)過程反應(yīng)的能量值，改善消色力指標(biāo)。依據(jù)阿累尼烏額經(jīng)驗(yàn)方簇箍罷過程煅燒段能量乎餐控裂夔核心愚怒。在戴蕊磷上，建立了過程綴燒轉(zhuǎn)速對(duì)數(shù)與嫉燒漱度倒數(shù)韻線性回歸預(yù)測模型，并對(duì)其模型的特性及逼近精度進(jìn)行了分析和討論。然后，必提高回轉(zhuǎn)窯煅燒段控制模型建立的糖度，修改了傳統(tǒng)的基
3、于煅燒機(jī)瑾熬建橫方法，瘸模耬蔑翼
4、l葙瓣經(jīng)瓣絡(luò)絡(luò)念超來，怒懣了一種藻子T_s(Takagi-sugeno)模型的自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIs)建橫方法。它采用T_s的模糊辨識(shí)模型，運(yùn)用神經(jīng)網(wǎng)絡(luò)為模糊模型的結(jié)構(gòu)辨識(shí)和參數(shù)辨識(shí)提供自適應(yīng)學(xué)習(xí)功齄，較蒸予麓量乎黌夔線毪回j毽建模方法，農(nóng)瓣諼壤度上湊綴大熬鬟舞。在數(shù)據(jù)聚類算法研究的基礎(chǔ)上，提出采用基予人工免疫系統(tǒng)(AlS)的數(shù)據(jù)聚類方法，解決ANFIs網(wǎng)絡(luò)的模糊結(jié)構(gòu)辨識(shí)問磁。它使網(wǎng)絡(luò)能快速、靈灞的調(diào)整其模糊規(guī)則的結(jié)構(gòu)，在數(shù)據(jù)量大、工況復(fù)雜靜過稷辨識(shí)中
5、有較強(qiáng)鶼實(shí)用價(jià)傻。文章深入分板了Als弼絡(luò)奪靜稍溪篷秘漿類范圍魄鍘對(duì)系統(tǒng)瓣談效栗產(chǎn)生辯影響，針對(duì)AIs靜隨機(jī)性問題，對(duì)算法傲了禽理的修正，防止其造成聚類規(guī)則數(shù)的大幅波動(dòng)。為提高回轉(zhuǎn)窯煅燒段控制模型的辨識(shí)速度，文章提出了基于最小二梁支持向萋壤(Ls—sV醞)鶼建模舞法。這靜采蠲絞詩學(xué)霹爨論，基予綾擒風(fēng)險(xiǎn)最奎純囂裂遴行過程建模的思想，怒解決復(fù)雜非線性系統(tǒng)辨識(shí)問題又一新的嘗試。Ls．svM采用最小二乘線性系統(tǒng)代替sVM用二次規(guī)劃方法實(shí)現(xiàn)學(xué)習(xí)問題，其結(jié)構(gòu)簡單，算法簡練，程精度要求范鞭內(nèi)，它有蹩譙良斡學(xué)習(xí)速
6、度。通過佬囊，褥出其較ANFIs更努的簿談精度和速度。在提高過撩模鍪特性的識(shí)別麓力土，文章分掰了兩種典華南理工大學(xué)博士學(xué)位論文型核函數(shù)的映射特性，提出混合核函數(shù)的建模算法。它綜合了全局核函數(shù)能抑制預(yù)測輸出波動(dòng)和局部核函數(shù)擬合精度高的優(yōu)點(diǎn)，較采用單一核函數(shù)的支持向量機(jī)方法有更優(yōu)良的綜合辨識(shí)性能。最后，文章將Ls—sVM非線性建模思想拓展到多輸入單輸出(MISO)系統(tǒng)中，通過提取過程煅燒溫度、干燥溫度、排風(fēng)溫度、煅燒轉(zhuǎn)速、進(jìn)料量等多個(gè)關(guān)鍵參量的實(shí)測數(shù)據(jù)，建立過程的多參量模型。在解決過程的在線優(yōu)化建模問
7、題上，提出了時(shí)間窗的概念。它通過網(wǎng)絡(luò)的Karush—Kuhn—Tucker判定條件，確定新增數(shù)據(jù)樣本加入后，是否進(jìn)行系統(tǒng)模型的訓(xùn)練和參數(shù)的更新，以避免網(wǎng)絡(luò)在線學(xué)習(xí)過程中不必要的重復(fù)運(yùn)算。理論分析及仿真實(shí)驗(yàn)表明，這一算法在類似回轉(zhuǎn)窯煅燒過程的非線性建模中具有巨大的研究價(jià)值。關(guān)鍵詞：煅燒回轉(zhuǎn)窯；智能建模；模糊神經(jīng)網(wǎng)絡(luò)；支持向量機(jī)：鋅鋇白Ⅱ矗BSlll矗eTABSTRACTInthispaper，thecOmplexityOfthecalcinationprocess0frOtaryLithOponek
8、ilnisanalyzed．Ontheba8isofprocessdataacquisitiOnaⅡdanalysis，severalintelligent{拄Odeling￡鞋e氌odsfof爭fOeesscOn牲OlhaVebee鑫pl簪se鞋teda玨ddise玨ssedin畦et鑫il。Firstly，aftefstudyingthepresentstateofthemodelingandcontrolOfcalcinationprocessofrotarykilnindomestican
9、dfbreigncOuntriesandanalyzingthedifficultiesandkeyprOblemstoberesOlVedu瑁ently，segmentationmodeli娃gstfategyisproposed，whiehest酶lishes氌efound雒ionf。fsubsequent黼o&lings．Secondly，atwO·stageidentificationmethodisproposedfortheidentificationofthetemp
