陽極焙燒爐故障預(yù)警方法研究.pdf

1、統(tǒng)計學(xué)習(xí)理論是建立在堅實的理論基礎(chǔ)之上的，為解決小樣本學(xué)習(xí)問題提供了統(tǒng)一的框架。支持向量機是一種基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)方法，它很好地執(zhí)行了統(tǒng)計學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險最小化原則。 支持向量機針對小樣本情況所表現(xiàn)出來的優(yōu)良性能引起了眾多故障預(yù)警領(lǐng)域研究人員的注意，因為故障預(yù)警本身就是一種小樣本情況在實際問題中的體現(xiàn)。支持向量機應(yīng)用于故障預(yù)警最大的優(yōu)勢在于它適合于小樣本決策，其學(xué)習(xí)方法的本質(zhì)在于能夠在有限特征信息情況下，最大限度地發(fā)掘

2、數(shù)據(jù)中隱含的分類知識。從推廣性的角度來看，更適用于故障預(yù)警這種實際的工程問題。 針對陽極焙燒爐中存在的問題，運用支持向量機，提出了以加熱架溫度和煙道壓力為特征輸入向量，預(yù)測火道溫度的故障預(yù)警的方法。 為了滿足故障預(yù)警所要求的精度，本文對陽極焙燒爐特征參數(shù)進行了校正。熱電偶是重要的測溫工具，用于測量溫度樣本，本文針對N型熱電偶應(yīng)用中存在的問題，提出了基于粒子群算法優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)(RBF-PSO)進行熱電偶非線性校正的新

3、方法。仿真結(jié)果表明，采用該方法比以往采用的BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)方法具有更高的擬合精度；同時以陽極焙燒過程中燃燒室溫度為對象進行了仿真和實際應(yīng)用研究，取得了滿意的結(jié)果。針對壓力傳感器在測量煙道壓力中存在的問題，本文引入PSO算法，優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的權(quán)值和參數(shù)(PSO-WNN)，達到提高壓力傳感器測量精度的目的。 最后，將校正后的數(shù)據(jù)帶入故障預(yù)警的模型中，以歷史樣本數(shù)據(jù)作為學(xué)習(xí)樣本，有效預(yù)測了火道溫度的輸出趨勢，并與生產(chǎn)工藝要求進行