锌钡白回转窑煅烧过程智能建模研究

论文题目: 锌钡白回转窑煅烧过程智能建模研究

论文类型: 博士论文

论文专业: 控制理论与控制工程

作者: 朱燕飞

导师: 毛宗源,田联房

关键词: 煅烧回转窑,智能建模,模糊神经网络,支持向量机,锌钡白

文献来源: 华南理工大学

发表年度: 2005

论文摘要: 本文系统地分析了锌钡白回转窑煅烧过程的复杂特性,在过程采样数据分析的基础上,详细地探讨了该过程多种智能建模算法的理论及应用方法。文章首先结合国内外对回转窑煅烧过程建模及控制的研究现状,从回转窑煅烧生产过程特性出发,分析过程建模需待解决的难点及重点,提出过程分段建模的思想,为后续建模研究的展开奠定基础。其次,针对窑头温度控制系统的闭环辨识问题,应用两阶段闭环辨识方法对其展开研究。系统地分析了该方法克服闭环系统输出信号通过反馈环节与输入信号相关而对系统辨识造成的影响,通过仿真分析,建立了窑头温度随回油阀开度控制量的线性模型,并运用自相关函数方法检验模型的一致无偏性。针对回转窑煅烧段过程质量控制系统的建模问题,从基于能量平衡的控制思想出发,即在稳定窑头温度、物料流量和物料干燥效果的前提下,调节煅烧转速,以此来改变煅烧时间,调节过程反应的能量值,改善消色力指标。依据阿累尼乌斯经验方程推导过程煅烧段能量平衡控制的核心思想。在此基础上,建立了过程煅烧转速对数与煅烧温度倒数的线性回归预测模型,并对其模型的特性及逼近精度进行了分析和讨论。然后,为提高回转窑煅烧段控制模型建立的精度,修改了传统的基于煅烧机理的建模方法, 将模糊规则和神经网络结合起来, 提出了一种基于T-S (Takagi-Sugeno)模型的自适应神经模糊推理系统(ANFIS)建模方法。它采用T-S 的模糊辨识模型,运用神经网络为模糊模型的结构辨识和参数辨识提供自适应学习功能,较基于能量平衡的线性回归建模方法,在辨识精度上有很大的提高。在数据聚类算法研究的基础上,提出采用基于人工免疫系统(AIS)的数据聚类方法,解决ANFIS 网络的模糊结构辨识问题。它使网络能快速、灵活的调整其模糊规则的结构,在数据量大、工况复杂的过程辨识中有较强的实用价值。文章深入分析了AIS 网络中抑制阈值和聚类范围比例对系统辨识效果产生的影响,针对AIS 的随机性问题,对算法做了合理的修正,防止其造成聚类规则数的大幅波动。为提高回转窑煅烧段控制模型的辨识速度,文章提出了基于最小二乘支持向量机(LS-SVM)的建模算法。这种采用统计学习理论,基于结构风险最小化原则进行过程建模的思想,是解决复杂非线性系统辨识问题又一新的尝试。LS-SVM 采用最小二乘线性系统代替SVM 用二次规划方法实现学习问题,其结构简单,算法简练,在精度要求范围内,它有更优良的学习速度。通过仿真,得出其较ANFIS更好的辨识精度和速度。在提高过程模型特性的识别能力上,文章分析了两种典

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 数据预处理知识

1.1.1 拉依达准则剔除数据粗差

1.1.2 数据的噪声平滑

1.2 系统辨识基本方法

1.3 新兴的智能建模及参数优化方法

1.3.1 模糊逻辑(FL)

1.3.2 人工神经网络(ANN)

1.3.3 人工免疫系统(AIS)

1.3.4 支持向量机(SVM)

1.4 回转窑过程建模及控制的研究历史

1.5 课题研究的目的和意义

1.6 内容安排

第二章 锌钡白回转窑煅烧过程特性及建模分析

2.1 回转窑煅烧生产过程特性

2.1.1 工艺流程简介

2.1.2 消色力指标

2.2 干燥煅烧参数间相互关系及对质量指标的影响

2.2.1 原材料

2.2.2 煅烧温度和煅烧转速

2.2.3 进料量

2.2.4 窑头温度

2.2.5 排风温度和干燥转速

2.2.6 钢胆前温度

2.3 窑炉煅烧过程控制

2.3.1 人工调节方法

2.3.2 过程自动控制

2.4 煅烧过程建模

2.4.1 建模难点

2.4.2 建模思路

2.5 本章小结

第三章 窑头温度控制系统的闭环建模研究

3.1 窑头温度控制系统

3.1.1 回油阀的非线性补偿

3.1.2 窑头PID控制

3.2 闭环辨识的主要问题

3.3 两阶段闭环辨识方法

3.3.1 闭环系统辨识简述

3.3.2 辨识算法的基本原理

3.3.3 中间辨识模型与最终辨识结果的关系

3.3.4 中间辨识模型的结构及阶次选择

3.4 闭环仿真研究

3.5 模型的一致无偏检验

3.6 本章小结

第四章 基于能量平衡的煅烧过程控制及建模

4.1 煅烧过程控制特点

4.2 基于能量平衡的煅烧过程控制

4.2.1 控制思路来源

4.2.2 等能量等质量煅烧反应机理

4.2.3 过程能量值的推导

4.2.4 控制实现

4.3 过程回归建模与预估

4.3.1 过程数据的回归建模

4.3.2 过程参量值预估

4.4 本章小结

第五章 基于人工免疫聚类算法的ANFIS建模

5.1 基于T-S型的ANFIS煅烧过程建模及仿真

5.1.1 T-S模型

5.1.2 模糊聚类

5.1.3 ANFIS学习算法

5.1.4 ANFIS性能分析

5.1.5 建模仿真研究

5.2 AIS用于解决模糊结构辨识问题

5.2.1 人工免疫操作

5.2.2 AIS聚类算法

5.2.3 AIS算法收敛性分析

5.2.4 模糊规则的AIS聚类

5.2.5 煅烧过程的ANFIS建模

5.3 AIS聚类算法性能分析

5.3.1 AIS随机特性对系统学习的稳定性能影响

5.3.2 AIS的学习速度问题

5.3.3 其他聚类算法的ANFIS性能分析比较

5.3.4 小结

5.4 AIS在数据聚类分析中的应用

5.4.1 应用AIS算法对粉种信息的提取

5.4.2 过程参数相关性分类

5.5 本章小结

第六章 基于支持向量机的煅烧过程建模研究

6.1 SVM及LS-SVM的非线性建模思想

6.1.1 SVM的分类原理

6.1.2 SVM的非线性建模

6.1.3 LS-SVM的非线性建模

6.2 过程的LS-SVM建模研究

6.2.1 过程LS-SVM建模

6.2.2 LS-SVM与ANFIS辨识性能对比

6.3 混合核函数的提出及在建模中的应用

6.3.1 全局核函数和局部核函数

6.3.2 混合核函数的提出

6.3.3 ρ值的调节作用

6.3.4 SVM及LS-SVM建模分析

6.3.5 结论

6.4 本章小结

第七章 过程多参量的MISO在线优化建模

7.1 LS-SVM的MISO建模

7.2 在线优化问题的提出

7.2.1 时间窗的概念

7.2.2 模型参数在线优化算法

7.3 过程的在线优化建模

7.3.1 LS-SVM预测建模

7.3.2 KKT判定条件

7.3.3 混合核函数的作用

7.3.4 LS-SVM与SVM

7.4 本章小结

结论

参考文献

攻读博士学位期间发表的论文

致谢

发布时间: 2005-08-19

参考文献

• [1].基于最小二乘支持向量机的铝电解过程建模与控制研究[D]. 阎纲.中南大学2012
• [2].基于支持向量机的烧结终点预报与控制研究[D]. 吴晓峰.上海大学2009
• [3].基于支持向量机的回转干燥窑生产过程建模与能耗优化研究[D]. 王欣.中南大学2010
• [4].湿法冶金合成过程建模与优化控制方法研究及应用[D]. 张淑宁.东北大学2013
• [5].基于数据驱动的密闭鼓风炉故障诊断及预测研究[D]. 蒋少华.中南大学2009
• [6].烧结混合料制备过程智能集成优化控制策略及其工业应用[D]. 李勇.中南大学2012
• [7].铅锌烧结过程状态智能预测与优化控制策略[D]. 徐辰华.中南大学2010
• [8].基于火焰多光谱分析的转炉终点控制研究[D]. 邵艳明.南京理工大学2016
• [9].高炉冶炼复杂性分析及支持向量机扩展建模预测研究[D]. 王义康.浙江大学2012
• [10].锌冶炼除钴过程建模与智能优化方法研究及应用[D]. 朱红求.中南大学2010

相关论文

• [1].关联规则挖掘及其在复杂工业过程控制中的应用研究[D]. 张小刚.湖南大学2002
• [2].预分解窑煅烧过程计算机模拟[D]. 杨力远.武汉理工大学2004
• [3].多支承回转窑接触体系的力学特征研究及参数优化[D]. 肖友刚.中南大学2004
• [4].支持向量机算法及其应用研究[D]. 张国云.湖南大学2006
• [5].球团烧结过程智能控制方法及其应用研究[D]. 王介生.大连理工大学2006
• [6].典型危险废物回转窑热处置特性和技术研究[D]. 刘刚.浙江大学2006
• [7].废轮胎回转窑中试热解产物应用及热解机理和动力学模型研究[D]. 闫大海.浙江大学2006
• [8].氧化铝回转窑热工分析与控制应用研究[D]. 易正明.中南大学2007
• [9].新型干法水泥回转窑中低品位燃料燃烧特性和窑内燃烧过程研究[D]. 张保生.浙江大学2007
• [10].锌钡白煅烧回转窑过程控制的分析与研究[D]. 杜启亮.华南理工大学2008

标签：煅烧回转窑论文;  智能建模论文;  模糊神经网络论文;  支持向量机论文;  锌钡白论文;