基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制

针对水泥分解炉温度难以控制、模型建立困难且通用性差的问题,提出一种基于信任度模糊C聚类和改进查表法(BFCM-iWM)模糊规则自提取的温度控制方法.首先,采用信任度模糊C聚类方法(BFCM)从分解炉运行样本数据中提取样本的信任度;然后,利用改进查表法(iWM)提取模糊控制规则,减小噪声和坏点数据对规则提取的影响,以温度偏差和偏差变化率为输入量、喂煤增量为输出量构造控制器实现对温度的控制.实验结果表明,提取到的控制规则鲁棒性好、准确性高、分解炉温度控制效果良好.     

基于互信息和约减LSSVM的水泥生料细度软测量

针对水泥生料粉磨工艺复杂难以解释,过程数据存在偏斜和冗余性、与生料细度映射关系难以描述等问题,提出了基于互信息(mutual information,MI)和约减最小二乘支持向量机(least square support vector machine,LSSVM)的软测量算法,在此基础上建立了水泥生料细度软测量模型。该方法首先从机理上分析生料细度的影响因素,并在此基础上采用互信息方法分析变量间的相关性,得到输入变量;然后基于KS算法对样本数据进行约减,采用最小二乘支持向量机的方法建立水泥生料细度软测量模型。最后应用某水泥厂立磨的实际运行数据进行仿真,验证了该方法的有效性。     

基于MI-LSSVM的水泥生料细度软测量建模

针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。     

时延系统中T-LSSVR动态软测量建模方法研究

针对工业过程中由于系统存在延时导致软测量模型难以建立、模型精度偏低等问题,提出将系统延时(T)与最小二乘支持向量回归机(LSSVR)相结合,构建一种基于T-LSSVR的动态软测量建模方法;该方法在建模过程中利用互相关函数与一阶广义差分算法辨识得到“静态响应延时”和“动态响应延时”,通过软测量手段对变量进行预测以实现辅助变量对主导变量的最佳估计。对某化工企业具有此类双延时性质的系统进行实验,实验结果表明该建模方法在动态和稳态数据预测方面都有良好的预测效果。