針對球團鏈箅機預(yù)熱段溫度場因非線性、時滯性、不確定性等特點難以通過傳統(tǒng)的理論分析方法建立數(shù)學(xué)模型的問題,建立貝葉斯-BP神經(jīng)網(wǎng)絡(luò),對該溫度場模型進行系統(tǒng)辨識,對比模型預(yù)測輸出值與實際系統(tǒng)輸出值,通過仿真與實驗分析該辨識模型的擬合效果。結(jié)果表明:貝葉斯-BP神經(jīng)網(wǎng)絡(luò)擬合效果較好,其線性擬合度近似為1,最終預(yù)測誤差約為0.014 K,預(yù)測相對誤差在5%范圍內(nèi),構(gòu)建的預(yù)熱段溫度場模型準(zhǔn)確可靠且適用性強,可為預(yù)熱段溫度場均衡穩(wěn)定控制提供理論指導(dǎo)。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1球團鏈箅機預(yù)熱段熱風(fēng)流工藝流程

球團鏈箅機預(yù)熱段溫度場主要由空間氣體溫度和球團料層溫度兩部分構(gòu)成,其隨時間呈非線性分布狀態(tài),因此,可將其視為一個復(fù)雜的非線性系統(tǒng)。氣流作為鏈箅機內(nèi)熱量的重要載體,調(diào)節(jié)其在預(yù)熱段中的流量是控制系統(tǒng)熱量分布、穩(wěn)定溫度場的主要手段。球團鏈箅機預(yù)熱段熱風(fēng)流工藝流程如圖1所示。由圖1可知:....

圖2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意

BP(BackPropagation)神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò),如圖2所示。由圖2可知:BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層、隱含層和輸出層。其網(wǎng)絡(luò)學(xué)習(xí)過程由數(shù)據(jù)流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構(gòu)成。當(dāng)正向(由輸入層到隱含層再到....

圖3貝葉斯-BP神經(jīng)網(wǎng)絡(luò)辨識建模流程

貝葉斯-BP神經(jīng)網(wǎng)絡(luò)對非線性系統(tǒng)具有良好的擬合能力,其辨識建模流程如圖3所示,其中X(X={x1,x2,x3,x4,x5,x6})為球團鏈箅機預(yù)熱段溫度場和貝葉斯-BP神經(jīng)網(wǎng)絡(luò)的輸入,y為系統(tǒng)的輸出,y′為貝葉斯-BP神經(jīng)網(wǎng)絡(luò)的實際輸出,e為系統(tǒng)輸出和網(wǎng)絡(luò)實際輸出的誤差。在辨識過....

圖4貝葉斯-BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差

針對球團鏈箅機預(yù)熱段溫度場進行系統(tǒng)辨識建模與仿真,其中,將215組數(shù)據(jù)分3種工況用于貝葉斯-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練,結(jié)果如圖4所示。由圖4可知:貝葉斯-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中,誤差隨訓(xùn)練時間的變化逐漸減少,在經(jīng)過378個單位時間以后,網(wǎng)絡(luò)誤差逼近要求。3種工況下的仿真結(jié)果如表1所示。由....

本文編號：3913753