基于时序趋势特征的回转窑喂煤SVM分类方法

提出一种基于时序趋势特征的回转窑喂煤支持向量机（SVM）分类方法,根据回转窑多个热工数据之间的动态变化规律预测喂煤变化趋势,指导人工喂煤调节的操作。首先对回转窑热工数据进行预处理,将喂煤时间序列分段线性表示,并提取相应趋势特征,形成训练样本;然后采用粒子群（PSO）算法优化SVM参数,构建SVM分类器,进而对测试样本进行分类,实现对喂煤趋势的分类预测。通过采用现场数据进行对比分析,证明本文提出的喂煤趋势预测方法具有较高的预测准确率,提高了窑前控制的鲁棒性,模型达到了现场应用的水平。     

一种基于CHMM的回转窑喂煤量变化趋势预测方法

提出了一种基于CHMM的工业回转窑喂煤量变化趋势预测的辅助控制系统方法。采用PCA方法对现场采集的数据进行主成分分析方法进行数据降维,并以主元特征序列作为CHMM模型的观测序列。最后,采用回转窑现场热工数据作为实验数据进行喂煤量变化趋势仿真试验,并以此来实现对专家系统的辅助控制,试验结果表明该方法是有效的。