【摘要】： 工業(yè)過程往往具有結(jié)構(gòu)復(fù)雜、非線性、時(shí)變、耦合、不確定性、信息量少的特點(diǎn)。隨著生產(chǎn)過程規(guī)模的進(jìn)一步擴(kuò)大和復(fù)雜程度的提高,透徹分析其過程機(jī)理并建立精確數(shù)學(xué)模型已經(jīng)變得越來越困難,利用可測量的生產(chǎn)數(shù)據(jù)建立其辨識模型已成為必然的選擇。自1995年Vapnik等人提出支持向量機(jī)算法以來,基于核的機(jī)器學(xué)習(xí)方法(簡稱核方法)取得了迅速的發(fā)展,目前已成為人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一,已經(jīng)在模式識別、系統(tǒng)辨識等許多領(lǐng)域中得到成功應(yīng)用,因此,本文以一類具有非線性特性的復(fù)雜工業(yè)過程為背景開展研究工作,將核方法應(yīng)用于工業(yè)過程數(shù)據(jù)特征提取、建模和預(yù)報(bào)。 本文提出一種基于核方法和貪婪思想的主元提取模糊神經(jīng)網(wǎng)絡(luò)模型。采用核函數(shù)把輸入變量向高維特征空間映射來充分挖掘變量的隱藏信息,經(jīng)貪婪算法優(yōu)化選取主元,輸入自適應(yīng)神經(jīng)模糊推理系統(tǒng)后,網(wǎng)絡(luò)以規(guī)則的形式來反映數(shù)據(jù)間蘊(yùn)含的關(guān)系,避免出現(xiàn)規(guī)則爆炸,為提高模糊神經(jīng)網(wǎng)絡(luò)建模精度提供一個(gè)有效的方法。此外,以統(tǒng)計(jì)回歸方法為基礎(chǔ),建立一種基于核方法的貝葉斯回歸模型。與傳統(tǒng)人工經(jīng)驗(yàn)控制方法相比,回歸模型能消除隨機(jī)因素的影響,提高動態(tài)過程控制精度。在分別采用增量回歸及貝葉斯回歸模型對工業(yè)過程量建模,并進(jìn)行比較后發(fā)現(xiàn),基于核方法的貝葉斯模型在保證建模精度的情況下,還能自動對參數(shù)進(jìn)行有效估計(jì),避免人工干預(yù)的影響。 最后,以轉(zhuǎn)爐煉鋼工業(yè)過程為應(yīng)用實(shí)例,應(yīng)用基于核方法的貝葉斯回歸模型計(jì)算補(bǔ)吹氧量的結(jié)果,結(jié)合三階段梯形脫碳曲線理論建立碳指數(shù)模型,對熔池碳含量的實(shí)時(shí)變化及終點(diǎn)情況做出指導(dǎo)。并對碳積分模型進(jìn)行修正,結(jié)合爐氣分析儀的實(shí)測數(shù)據(jù),計(jì)算總脫碳量,為碳含量的終點(diǎn)預(yù)報(bào)提供一個(gè)新途徑。
【圖文】：

一\叮，

本文編號：2663619