

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、復(fù)雜工業(yè)過(guò)程具有參數(shù)多、耦合性強(qiáng)、不確定性、性能指標(biāo)波動(dòng)大等特征,致使工業(yè)生產(chǎn)企業(yè)在全球競(jìng)爭(zhēng)中面臨著資源、能源與環(huán)境的嚴(yán)重制約和挑戰(zhàn)。而復(fù)雜工業(yè)過(guò)程建模與優(yōu)化是其提高性能指標(biāo)和實(shí)現(xiàn)節(jié)能降耗的關(guān)鍵技術(shù)之一。本課題旨在利用數(shù)據(jù)挖掘等理論方法,建立具有適應(yīng)生產(chǎn)過(guò)程變化的復(fù)雜系統(tǒng)動(dòng)態(tài)演化模型及決策參數(shù)穩(wěn)健優(yōu)化方法,并以鋁電解實(shí)際生產(chǎn)過(guò)程為例開(kāi)展以下三個(gè)方面工作:
第一,鋁電解工藝過(guò)程的決策變量選擇。選擇出最佳決策變量集是建立精確模型的
2、前提。本文提出結(jié)合KPLS(Kernel Partial Least Square)和FR(False Nearest Neighborsand Randomization Method)的工業(yè)過(guò)程變量選擇方法,首先將原始空間通過(guò)核映射的方法轉(zhuǎn)化到偏最小二乘空間;同時(shí)提出在該空間運(yùn)用FR的變量選擇策略,選擇出最佳決策變量集,剔除在統(tǒng)計(jì)意義上不顯著的變量。
第二,建立鋁電解槽工藝能耗動(dòng)態(tài)演化模型。建立精準(zhǔn)的過(guò)程模型是實(shí)現(xiàn)優(yōu)化的前
3、提。本文提出強(qiáng)跟蹤平方根無(wú)跡Kalman神經(jīng)網(wǎng)絡(luò)(STR-UKFNN),并用其建立鋁電解槽工藝能耗的動(dòng)態(tài)演化模型。該方法利用誤差協(xié)方差陣的平方根代替UKFNN算法中的協(xié)方差陣,避免誤差協(xié)方差陣可能出現(xiàn)負(fù)定而導(dǎo)致濾波發(fā)散,并在UKFNN算法中引入漸消因子和弱化因子,實(shí)時(shí)調(diào)整濾波增益,提高模型收斂速度和其對(duì)突變狀態(tài)的跟蹤能力。
第三,鋁電解過(guò)程工藝能耗決策參數(shù)的穩(wěn)健優(yōu)化。鋁電解過(guò)程所受的不確定因素干擾對(duì)最優(yōu)參數(shù)的設(shè)計(jì)和實(shí)現(xiàn)能產(chǎn)生不
4、良影響。本文提出結(jié)合動(dòng)態(tài)建模和穩(wěn)健優(yōu)化策略的工業(yè)過(guò)程最優(yōu)參數(shù)設(shè)計(jì)方案,在STR-UKFNN精確能耗模型的基礎(chǔ)上,采用改進(jìn)的強(qiáng)度Pareto穩(wěn)健多目標(biāo)優(yōu)化方法進(jìn)行最優(yōu)參數(shù)的設(shè)計(jì),得出在系統(tǒng)受不確定因素干擾時(shí),能夠保證系統(tǒng)具有穩(wěn)健最優(yōu)輸出的工藝決策參數(shù),達(dá)到改善鋁電解過(guò)程能耗指標(biāo)的目的。
綜上所述,該研究提出了:(1)結(jié)合KPLS和FR的工藝參數(shù)選擇方法;(2)基于STR-UKFNN的動(dòng)態(tài)演化模型建立方法;(3)基于動(dòng)態(tài)模型的強(qiáng)度
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多模態(tài)復(fù)雜工業(yè)過(guò)程的建模與優(yōu)化研究.pdf
- 復(fù)雜工業(yè)過(guò)程的建模優(yōu)化及濾波估計(jì).pdf
- 復(fù)雜化工生產(chǎn)過(guò)程的動(dòng)態(tài)演化建模與智能優(yōu)化決策.pdf
- 復(fù)雜工業(yè)過(guò)程的建模、控制及應(yīng)用.pdf
- 基于核方法的復(fù)雜工業(yè)過(guò)程建模研究.pdf
- 復(fù)雜工業(yè)過(guò)程資源調(diào)度優(yōu)化算法研究.pdf
- 復(fù)雜工業(yè)過(guò)程智能控制研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的復(fù)雜工業(yè)過(guò)程混合智能建模研究.pdf
- 數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜工業(yè)過(guò)程統(tǒng)計(jì)過(guò)程監(jiān)測(cè).pdf
- 復(fù)雜工業(yè)過(guò)程新型先進(jìn)控制方法研究.pdf
- 軋鋼復(fù)雜工業(yè)生產(chǎn)過(guò)程產(chǎn)品質(zhì)量建模研究.pdf
- 復(fù)雜工業(yè)模糊過(guò)程能力評(píng)價(jià)與診斷方法研究.pdf
- 基于改進(jìn)DBSCAN的復(fù)雜工業(yè)過(guò)程建模數(shù)據(jù)異常點(diǎn)檢測(cè)研究.pdf
- 復(fù)雜工業(yè)系統(tǒng)的穩(wěn)態(tài)優(yōu)化控制研究.pdf
- 復(fù)雜工業(yè)過(guò)程模型預(yù)測(cè)控制的研究.pdf
- 基于多元統(tǒng)計(jì)的復(fù)雜工業(yè)過(guò)程監(jiān)測(cè)方法研究.pdf
- 復(fù)雜工業(yè)過(guò)程運(yùn)行狀態(tài)辨識(shí)方法的研究.pdf
- 復(fù)雜機(jī)械產(chǎn)品質(zhì)量功能建模與參數(shù)穩(wěn)健優(yōu)化技術(shù)及應(yīng)用研究.pdf
- 基于EFSM的復(fù)雜工業(yè)過(guò)程故障預(yù)測(cè)應(yīng)用研究.pdf
- 復(fù)雜作用關(guān)系過(guò)程全局穩(wěn)健性參數(shù)設(shè)計(jì)方法研究.pdf
評(píng)論
0/150
提交評(píng)論