基于智能集成模型的苛性比值與溶出率軟測(cè)量及應(yīng)用研究

1、中南大學(xué)博士學(xué)位論文基于智能集成模型的苛性比值與溶出率軟測(cè)量及應(yīng)用研究姓名：李勇剛申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：控制理論與控制工程指導(dǎo)教師：桂衛(wèi)華20041101基于智能集成模型的苛性比值與溶出率軟測(cè)量技術(shù)及應(yīng)剛研究際對(duì)象。另一方面，利用S D S —R P C L 聚類算法將學(xué)習(xí)樣本進(jìn)行聚類，分別用不同的復(fù)合神經(jīng)網(wǎng)絡(luò)來(lái)描述不同類別的樣本，然后利用模糊分類器確定輸入對(duì)每個(gè)復(fù)合神經(jīng)網(wǎng)絡(luò)的隸屬度，從而建立分布式復(fù)合神經(jīng)網(wǎng)絡(luò)。實(shí)際數(shù)據(jù)的仿真結(jié)果表明

2、：當(dāng)輸入變量與訓(xùn)練樣本空間某個(gè)類相距較近時(shí)，其預(yù)測(cè)精度很高；反之，當(dāng)輸入變量與每個(gè)類都相距較遠(yuǎn)時(shí)，其預(yù)測(cè)精度則很低。( 5 ) 針對(duì)分布式復(fù)合神經(jīng)網(wǎng)絡(luò)的上述不足，建立了苛性比值與溶出率的灰色模型。論文設(shè)計(jì)了智能協(xié)調(diào)單元以協(xié)調(diào)各子模型的預(yù)測(cè)結(jié)果，提高了預(yù)測(cè)精度；進(jìn)而對(duì)預(yù)測(cè)結(jié)果進(jìn)行誤差修正以消除可能出現(xiàn)的大誤差，提高了模型的魯棒性；論文還給出了智能集成模型的在線校正方法，保證模型精度不會(huì)隨生產(chǎn)條件變化而降低。( 6 ) 開(kāi)發(fā)了基于軟測(cè)量的原

3、礦漿配料優(yōu)化控制系統(tǒng)。該系統(tǒng)在P l a n t S c a p e 集散控制系統(tǒng)的基礎(chǔ)上，通過(guò)工業(yè)控制計(jì)算機(jī)、P L C 、高速E t h e m e t 網(wǎng)實(shí)現(xiàn)了高層的苛性比值與溶出率在線預(yù)測(cè)、原礦漿配料專家優(yōu)化指導(dǎo)及底層的配料系統(tǒng)自動(dòng)化控制。系統(tǒng)的應(yīng)用提高了氧化鋁的溶出率及原礦漿配料的合格率，穩(wěn)定了氧化鋁生產(chǎn)過(guò)程，為企業(yè)的信息化作出了貢獻(xiàn)，取得了顯著的經(jīng)濟(jì)效益和社會(huì)效益。同時(shí)本文取得的成果對(duì)其它復(fù)雜工業(yè)過(guò)程也具有積極的借鑒意義。關(guān)