基于KPCA和BiLSTM的分解炉出口温度预测

水泥生产过程中，分解炉出口温度是非常重要的工艺参数，为了应对出口温度变量的多样性，文章提出一种核主成分分析(kernel principal component analysis, KPCA)与双向长短期记忆(bidirectional long short-term memory, BiLSTM)神经网络相结合的温度预测组合模型用来预测分解炉的出口温度。通过KPCA筛选出影响因素的主成分从而达到数据降维目的，将降维后的主成分作为BiLSTM神经网络的输入，分解炉出口温度作为BiLSTM神经网络的输出。经BiLSTM神经网络训练，得到分解炉出口温度预测模型。通过对比验证表明，使用KPCA-BiLSTM相结合的温度预测模型具有较好的预测精度。     

基于智能算法的分解炉掺烧污泥脱硝经济分析

为研究水泥分解炉在掺烧污泥和选择性非催化还原(SNCR)脱硝共同作用下,以脱硝系统运行成本最小为目标,对相关主要参数进行优化控制.以广东某6000 t/d水泥分解炉为研究对象,以污泥掺烧量、喷氨量、烟风温度、压差等运行参数为输入变量,采用遗传算法优化的BP神经网络(GA-BPNN)建立出口烟气NOx浓度的预测模型.再采...     

水泥分解炉出口温度HDP优化控制研究

水泥分解炉出口温度是一个典型的非线性、多输入、强耦合过程,它直接影响水泥生产的产量、质量和能耗.本文中以这一复杂工业控制过程为研究对象,研究水泥分解炉出口温度的优化控制问题.先建立分解炉出口温度的径向基函数神经网络(radial basis function neural network,RBFNN)模型;然后在此基础上设计分解炉出口温度启发式动态规划(heuristic dynamic programming,HDP)控制器,并在MATLAB环境下对所设计的HDP控制器进行了仿真实验,实验结果表明该HDP控制器实现分解炉出口温度的稳定控制.该控制算法适用于其他类似的工业控制过程,具有一定的参考借鉴意义.     

水泥分解炉智能控制系统的设计

针对水泥分解炉非线性、强耦合、大滞后及时变的控制特点,设计了包括变速积分PID控制器、趋势校正控制器、偏差校正控制器和前馈控制器的智能控制系统。选择分解炉出口温度为控制变量,通过Matlab系统辨识工具箱得出分解炉出口温度的数学模型,并进行动态仿真验证。仿真结果显示,分解炉温度加入扰动后波动范围在10℃以内,最终达到稳态。     

分解炉结构参数的优化设计研究

针对水泥生产中分解炉的结构参数优化设计问题,提出了一种利用分解炉虚拟样机结合神经网络、遗传算法及正交设计的方法,详细研究了它们之间的逻辑联系和在整体优化设计框架中的作用,同时以水泥生产中常见的双喷腾分解炉为例,对其结构参数进行了优化设计研究,给出了优化结果.该方法不仅建立了一套较为完备的分解炉系统仿真和分析的理论体系,为分解炉进一步的开发和设计提供了有利的工具,同时也为工程设计人员提供了一种优化思路.     

模糊控制及其在水泥分解炉的应用

分析了影响水泥回转窑分解炉的多种因素，提出在VC环境下通过OPC接口技术与DCS控制系统进行数据交换，实现了VC环境下的模糊控制算法在水泥回转窑分解炉部分控制中的成功应用。     

水泥三喷腾分解炉煅烧过程数值模拟研究

为了深入研究分解炉内的煅烧过程,提高煅烧效果,运用Fluent软件对国内某水泥公司4 500 t/d TTF分解炉进行了数值建模。在选取Standard k-ε模型、离散相模型和组分传输模型模拟出流场和温度场的基础上,分析了煤粉燃烧过程及生料角度、三次风速度和温度对炉内煅烧过程的影响。结果表明:生料入射角度对分解率有较大的影响;三次风速度较大时,生料分解率和焦炭燃烬率也较高;三次风温度升高,会引起助燃空气不足,降低焦炭反应活性,从而降低燃烬率;通过优化3个参数,CaCO_3分解率达到90.3%,焦炭燃烬率达到88.0%。开展水泥分解炉煅烧过程数值模拟研究并将之应用于实际工程项目中,可为优化水泥生产工况提供理论参考,对水泥工业与资源环境的协调发展具有较大的现实意义。     

一种新的水泥烧成法——旋风炉烧成法

日本三信通商公司提出了不用回旋窑的水泥新烧成法,它把旋风收尘器和旋风炉的原理结合起来,实现由分解到烧成的整个反应过程。据称可与窑外分解烧成法相匹敌。现已与水泥制造公司合作,用小型中间试验设备完成了确认其实用性的试验。此法原理是:加热气体由炉顶部侧面沿侧壁切线方向鼓入,形成加热气体的回旋流,然后,从炉顶漏斗喂入生料,载于回旋加热气体中。与此同时,由炉底的一次加热     

基于神经网络PID电阻炉温度控制系统设计

系统采用BP神经网络控制策略,通过神经网络模拟实现PID参数在线调整．论文介绍了以单片机AT89S52为核心,采用热电偶及数字芯片MAX6675组成的温度控制系统,及神经网络PID控制器设计与仿真研究．     

基于遗传BP网络的PID控制算法在无模拉拔温度控制中的应用

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能. 通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型. 采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性.     

改进的神经网络算法在瓦斯涌出量预测中的应用

针对传统神经网络存在的收敛速度慢、容易陷入局部最小等缺陷,采用改良的BP算法———双权值迭代优化法,提高神经网络传统BP算法的训练速度。以三层神经网络为例,对权值进行优化。实验对比表明：双权值迭代优化法应用于瓦斯涌出量的预测,比一般BP网络有更高的预测精度和程序运行速度。     

粒子群算法优化BP神经网络

现实生活中绝大数系统都是非线性的,BP神经网络通过训练能否达到局部最优值、能否收敛以及训练的时间长短与初始值和阈值的选取关系密切.为此采用了具有动态惯性权重的粒子群算法对BP神经网络初始值进行优化.实验表明具有动态惯性权重的粒子群算法优化BP神经网络预测误差很小,能够跳出局部极小值,得到更优的结果.     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

基于改进的反向传播神经元网络复杂煤岩层对比方法研究

为了提高复杂地区煤岩层对比的准确率,解决由于反向传播神经元网络(BP神经元网络)连接权值和阈值的初始值选择不合适而导致的无解问题,本文把求全局最优解近似值的遗传算法(GA)和求局部最优解精确值的传统BP神经元网络所使用的梯度法有机地结合起来,取长补短,用于复杂地区煤岩层对比。首先,用GA求得BP神经元网络权值和阈值的全局最优解的近似值;然后,把该近似值作为初始值,训练该神经元网络;最后,用训练好的BP神经元网络进行复杂地区煤岩层对比工作。本文利用测井曲线采用小波变换分析沉积旋回,并用于煤岩层对比。该新方法在钱营孜煤矿的复杂煤岩层对比中,取得了较好的效果,比常规的单一方法和简单的组合方法效果要好。     

改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。     

改进的BP算法在地震灾害损失预测中的应用

神经网络因其自组织性、自学习性与高度非线性广泛应用于各种预测领域。针对传统神经网络存在的收敛速度慢,容易陷入局部最小等缺陷,为提高神经网络传统BP算法的训练速度,以3层神经网络为例,通过对权值的分析与优化,推导出改良的BP算法———双权值迭代优化法,将该算法应用于地震灾害损失的预测中去并取得较好效果。     

基于熵权-离差的GA-BP神经网络编程能力评估方法

针对在线评测系统中缺少对学习者编程能力的客观反馈和评估指标权重难以确定的问题,建立遗传算法(genetic al-gorithm,GA)优化反向传播(back propagation,BP)(GA-BP)神经网络的编程能力评估模型.通过对在线评测系统的数据进行挖掘,提取编程能力评估指标,采用双参数平衡熵权法和离差最大化法的客观组合赋权方法确定指标权重以及编程能力评估值,将评估值作为GA-BP神经网络的期望输出,并与单一BP神经网络确定的编程能力评估结果进行比较.研究结果表明,利用该模型能够实现对学习者编程能力的评估且评估结果更准确.     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

基于模糊BP神经网络的垃圾焚烧炉控制系统

根据固体垃圾焚烧技术原理,结合垃圾焚烧炉运行特点,分析了垃圾焚烧过程与影响焚烧的主要因素,提出了基本模糊BP神经网络算法的垃圾焚烧炉控制方法.建立了垃圾焚烧炉炉温双端输入模糊神经网络（DIFNN）控制模型,并使用模糊BP神经网络控制算法对系统进行控制.仿真实验表明,该模糊BP神经网络控制能够适应复杂多变的焚烧过程的控制...