共查询到17条相似文献,搜索用时 125 毫秒
1.
SCR脱硝反应器入口NO_x含量及时、准确地测量,对于精确调节喷氨量,控制NO_x排放至关重要。针对NO_x气体分析仪测量滞后的问题,提出了基于KPCA和LSSVM的软测量模型。根据某电厂采集的数据样本规模较大的情况,为了提高NO_x软测量模型的精度,该文首先进行基于相似度函数的样本优选,减少样本冗余信息,简化样本模型。然后对于选取的与反应器入口NO_x有关的18个辅助变量进行核主元分析(KPCA),对样本进行特征提取,降低样本维数,以此作为最小二乘支持向量机(LSSVM)软测量模型的输入,提高软测量模型的精度,对反应器入口NO_x含量的实时、准确测量提供一定的理论依据,为提高反应器脱硝效率打下良好基础。 相似文献
2.
基于AdaBoost混合模型的LF炉钢水终点温度软测量 总被引:2,自引:1,他引:1
本文针对LF精炼炉冶炼过程中物理化学反应过程及传热过程的复杂性,采用混合模型对钢水温度进行软测量,将传统的机理模型与智能方法相结合,并采用改进AdaBoost.RT集成BP网络作为智能模型部分校正机理模型中难以准确获得的参数,再用机理模型进行预测.这种混合模型既克服了传统机理模型难以准确实现的不足也避免了"黑箱"模型过分依赖数据的缺陷.同时改进的AdaBoost.RT集成BP网络算法可以提高传统单神经网络的预测精度和稳定性.实验结果表明,此混合模型具有较好的预测结果,终点温度预测误差不大于±5 ℃的炉次大于85%. 相似文献
3.
4.
5.
基于CPSO与LSSVM融合的发酵过程软测量建模 总被引:2,自引:0,他引:2
发酵过程是一个复杂的时变、非线性、强耦合过程.发酵过程中的关键参量菌体浓度通常难以用传统物理传感器实时在线检测.为了测量该参数,将CPSO算法与LSSVM相结合构建发酵过程软测量模型.模型采用CPSO算法优化LSSVM软测量模型参数,克服了常规交叉验证法选取参数的耗时和盲目性.仿真结果表明,CPSO-LSSVM软测量模型较LSSVM软测量模型更能在较短的时间内获得较高的收敛精度,其平均误差为2.05%,说明该软测量模型可用于发酵过程不可在线测量的菌体浓度的实时在线软测量,并且预测精度高,预测速度快,预测能力强.该软测量建模方法也为发酵过程其他关键参量的实时在线测量提供了新的途径. 相似文献
6.
《工业仪表与自动化装置》2015,(5)
以华能嘉祥电厂330 MW机组为例,根据火电厂的工艺流程分析选取辅助变量以及利用LSSVM建立炉膛温度软测量模型等问题,与上海新华、山东鲁能DCS充分结合,建立炉温软测量系统。现场实测数据表明,该系统在不增加装置设备投资成本的前提下,运用该软监测效果良好,不仅避免了在测温元件损坏时对生产的影响,还为屏式过热器入口温度的预测及受热面的安全性提供了条件,为后续的燃烧优化工作奠定基础。 相似文献
7.
针对篦冷机内部温度难以在线测量的问题,提出一种融合渗流换热机理与神经网络数据辨识的篦冷机温度软测量模型。首先考虑局部非热平衡效应,并结合多孔介质渗流换热理论建立床层内气固换热的机理模型;其次以床层边界条件与机理模型的温度预测值作为网络输入量,机理模型的温度预测偏差作为输出量,建立双并联前馈神经网络,并采用快速学习网算法训练网络参数;将辨识后的人工神经网络作为篦冷机气固渗流换热机理的补偿器,建立混合温度软测量模型。利用篦冷机生产运行数据进行了二次风温的软测量实验,实验结果表明,与机理模型相比混合软测量模型测量精度有较大提高,并且与实验数据的误差较小,混合软测量模型对于篦冷机温度具有较好的测量精度。 相似文献
8.
针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。 相似文献
9.
基于PCA-BP神经网络的精馏塔产品组成软测量模型 总被引:12,自引:0,他引:12
依据工艺机理和操作经验,初选了醋酸精馏塔产品组成的神经网络预测模型的输入变量,运用主元分析方法对输入变量进行主元分解,降低输入变量维数且消除了输入变量之间的线性相关性,再通过基于LM优化算法的BP神经网络进行建模。仿真结果表明,该模型具有较快的训练速率和较高的预测精度,可以满足精馏过程对出口物料组成的在线软测量要求。 相似文献
10.
基于改进核模糊聚类算法的软测量建模研究 总被引:11,自引:3,他引:8
针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力. 相似文献
11.
This paper proposes a new method for the volumetric-concentration measurement of coal/biomass/air three-phase flow using multi-sensor data fusion techniques. The method integrates capacitive and electrostatic sensors and incorporates the data fusion model of an adaptive network based fuzzy inference system (ANFIS), which simulates the human׳s understanding of things. The features of the two sensor signals are extracted as the input of the ANFIS under various experimental conditions. The fusion model of the ANFIS establishes the relationship between the volumetric-concentration of the solid phase and the signal features by training with two different learning rules: the gradient descent method only and the hybrid method combining the Kalman filter algorithm with the gradient descent algorithm. Experimental results show that the ANFIS based on the hybrid learning rule outperforms the system based on the gradient descent learning rule and that the fiducial error for biomass and pulverized coal flows are 1.2% and 0.7%, respectively. 相似文献
12.
试验用VOLVE B230发动机在中速工况下,通过控制空气流量传感器信号电压的通断,去模拟汽车行驶过程中由于传感器接触不好,造成的传感器信号丢失时发动机出现的故障状况,同时实时监测发动机的功率、油耗、废气等相关数据的变化,从而研究空气流量传感器信号丢失时对发动机性能的影响. 相似文献
13.
14.
针对火电厂一次风机运行工况复杂和多状态变量强耦合特性而难以构建设备精确模型问题,将智能数据挖掘方法应用于风机设备故障预警和诊断中。通过对风机典型运行特性进行分析,提出了一种基于最小二乘支持向量机(LS-SVM)的一次风机振动状态估计和故障预警方法。结合山西河曲发电厂1号机组的1#一次风机历史运行数据,应用Matlab对所提出的方法进行了验证和分析。研究结果表明,该预测方法有较高的估计精度,能够及时辨别一次风机在运行中的振动异常,适用于火电厂辅机设备的故障诊断,具有一定的工程应用价值。 相似文献
15.
基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型 总被引:3,自引:2,他引:1
针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,基于模糊聚类提出一种改进的超闭球CMAC神经网络算法,用于电站锅炉混煤燃烧污染物析出软测量模型的建立.以电站锅炉实际运行工况的煤质特性数据和炉内燃烧条件为输入参数,通过软测量实现大型电站锅炉混煤燃烧硫、氮污染物生成浓度的精确预估和在线测量,用于指导电厂运行人员进行锅炉燃烧调整,以控制污染物的超标排放.与超闭球CMAC算法比较,提出的改进算法可以大大降低高维神经网络节点数并提高神经网络软测量精度,实验结果表明该方法的有效性和可行性. 相似文献
16.