【摘要】：針對MIHC算法、SHC算法、MMHC算法耗時長、冗余邊多、局部最優(yōu)的問題,推導兩種改進算法—IHC和IGHC算法。針對GA算法局部尋優(yōu)能力差的問題,推導一種改進算法—IMGA算法,并在IMGA算法的基礎上,構(gòu)建貝葉斯增量算法—IBN算法。利用構(gòu)建的批量算法與增量算法分別建立篦冷機換熱工藝參數(shù)靜態(tài)模型與修正模型并對二次風溫進行故障診斷。具體研究工作如下:首先,構(gòu)建改進算法IHC(Improved Hill Climbing):利用互信息與條件獨立性測試結(jié)合構(gòu)建初始框架,與此同時對孤立節(jié)點進行處理,最后利用改進爬山算子搜索并輸出最優(yōu)結(jié)構(gòu)。構(gòu)建改進算法IGHC(Improved Genetic Hill Climbing):在自動調(diào)整交叉概率和變異概率的基礎上添加交叉方式和變異方式的自動選擇功能,個體根據(jù)當前得分與最佳得分的接近程度自動調(diào)整交叉概率和變異概率;根據(jù)得分差值自動選擇交叉方式和變異方式。其次,構(gòu)建改進算法IMGA(Immune Genetic Algorithm):在種群內(nèi)部引入改進免疫策略與自動交叉變異策略,在種群之間引入改進聯(lián)姻策略與師生交流機制,最終搜索并構(gòu)建最優(yōu)貝葉斯結(jié)構(gòu)。為能夠及時處理系統(tǒng)產(chǎn)生的增量數(shù)據(jù),在IMGA算法基礎上構(gòu)建增量算法IBN(Improved Bayesian Network):在IMGA算法中引入新數(shù)據(jù)監(jiān)測函數(shù)與匹配程度判別函數(shù),若有新數(shù)據(jù)產(chǎn)生,根據(jù)匹配程度的差值對當前結(jié)構(gòu)進行自動調(diào)整。最后,分析水泥熟料換熱原理,選取篦冷機影響較大的七個換熱工藝參數(shù)并量化,利用IGHC、IMGA算法和IBN算法建立篦冷機換熱工藝參數(shù)靜態(tài)模型和增量修正模型。利用最大似然估計MLE(Maximum Likelihood Estimation)對構(gòu)建的靜態(tài)模型和增量修正模型進行參數(shù)學習,利用變量消元VE(Variable Elimination)法對二次風溫進行診斷推理。
【圖文】：

圖 3-1 一步狀態(tài)轉(zhuǎn)例圖 tctcffffTrg拒絕轉(zhuǎn)移接受轉(zhuǎn)移( , )態(tài)得分；態(tài)得分；部引入改進免疫策略與自動交叉變異操作種群中個體的免疫位數(shù)，如式(3-5)所示：GGGSCOREGSCOREG;GSCOREGSCORElllll ;)|()_max|)|()_max| 疫算子；疫算子；(3-5)，得到免疫后的結(jié)構(gòu)空間1NG 、2NG {|((,))((,))}{|((,))((,))}112212GGIMopGAIMopGAGGIMopGAIMopGAililttilGlGilGlGii

章 篦冷機換熱工藝參數(shù)建模研究的工藝參數(shù)較多、生產(chǎn)過程中變量監(jiān)測點少及篦冷機換熱工藝參數(shù)建模比較困難�；谏鲜鍪炝陷斔图袄鋮s原理的基礎上，利用第2章的 IG建篦冷機換熱工藝參數(shù)靜態(tài)模型，，利用第3章的 增量修正模型，利用構(gòu)建的篦冷機換熱參數(shù)靜二次風溫進行故障診斷分析。熟料換熱原理簡圖如圖 4-1 所示：
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP18;TQ172.6

【參考文獻】

相關(guān)期刊論文 前10條

1 吳鳳和;孫迎兵;王鑫;;基于HCGA的三坐標測量路徑優(yōu)化[J];計量學報;2016年03期

2 楊宇;高曉光;郭志高;;小數(shù)據(jù)集條件下基于數(shù)據(jù)再利用的BN參數(shù)學習[J];自動化學報;2015年12期

3 潘玉峰;齊硯勇;王俊杰;朱文尚;;基于回流區(qū)特性對水泥回轉(zhuǎn)窯減排NO_x的分析[J];硅酸鹽通報;2015年09期

4 劉浩然;呂曉賀;李軒;李世昭;史永紅;;基于Bayesian改進算法的回轉(zhuǎn)窯故障診斷模型研究[J];儀器儀表學報;2015年07期

5 王美琪;劉彬;聞巖;劉浩然;;篦冷機的滲流傳熱模型與數(shù)值模擬[J];機械工程學報;2014年24期

6 劉寶寧;章衛(wèi)國;李廣文;劉小雄;;一種改進遺傳算法的貝葉斯網(wǎng)絡結(jié)構(gòu)學習[J];西北工業(yè)大學學報;2013年05期

7 汪春峰;張永紅;;基于無約束優(yōu)化和遺傳算法的貝葉斯網(wǎng)絡結(jié)構(gòu)學習方法[J];控制與決策;2013年04期

8 朱明敏;劉三陽;楊有龍;;基于最大主子圖分解的貝葉斯網(wǎng)絡等價類學習算法[J];控制與決策;2012年10期

9 劉國華;王群京;張倩;李國麗;;水泥回轉(zhuǎn)窯自動控制系統(tǒng)中的控制算法研究[J];化工自動化及儀表;2012年09期

10 邸若海;高曉光;;基于限制型粒子群優(yōu)化的貝葉斯網(wǎng)絡結(jié)構(gòu)學習[J];系統(tǒng)工程與電子技術(shù);2011年11期

相關(guān)博士學位論文 前2條

1 王美琪;水泥篦冷機高溫滲流換熱規(guī)律及溫度預測模型研究[D];燕山大學;2016年

2 郭峰;基于模糊ARX模型的水泥回轉(zhuǎn)窯預測控制算法研究[D];燕山大學;2012年

相關(guān)碩士學位論文 前6條

1 呂曉賀;基于貝葉斯網(wǎng)絡的水泥回轉(zhuǎn)窯故障診斷系統(tǒng)的研究[D];燕山大學;2016年

2 王佳順;水泥熟料堆積體等效直管換熱模型研究[D];燕山大學;2014年

3 李景囡;基于依賴分析的貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法研究[D];西安電子科技大學;2014年

4 李軒;基于貝葉斯網(wǎng)絡的水泥回轉(zhuǎn)窯故障診斷模型的研究[D];燕山大學;2014年

5 胡國文;水泥生產(chǎn)過程篦冷機環(huán)節(jié)的優(yōu)化控制研究[D];濟南大學;2013年

6 關(guān)菁華;基于依賴分析的貝葉斯網(wǎng)絡結(jié)構(gòu)學習和分類器的研究與實現(xiàn)[D];吉林大學;2005年

本文編號：2678972