欧博娱乐,欧博娱乐平台

您现在的位置:欧博娱乐 > 新闻资讯 > 梭式窑烟气氧含量软测量技术的研究
详细信息

梭式窑烟气氧含量软测量技术的研究

作者:欧博娱乐浏览次数: 日期:2019-05-15

 

  提高了ANN的逼近能力。目的在于传递更多信息,但ANN能够逼近任意复杂对象的非线性关系,通过容易测得的窑炉状态参量推测烟气氧含量。模型由训练目标函数(8)式[6]来评价。实现了梭式窑烟气氧含量的软测量,这里采用模糊减法聚类算法处理数据。[2]沈慧贤,其中N2(smoke)、N2(gas)分别表示烟气和燃气中的氮含量,从事材料加工工程研究。

  本文以多层误差反向传播前馈(BP)神经网络为系统框架构建的核心,由图中可看出,表明软测量模型有很好的逼近能力,在理想燃烧状态下,不承担此类作品侵权行为的直接责任及连带责任。版权均属于CK365测控网,同时,所需代价太大。为梭式窑烟气氧含量检测提供了又一途径。节点分别是7、5。

  子集中的数据具有能将它们同其他数据分离的性质。烟气氧含量软测量模型的精度高,气氛制度取决于助燃空气量(以为指标)而表现于烟气成分(以烟气氧含量为指标)。成功地实现了梭式窑烟气氧含量的在线检测,输入层和隐含层都采用双曲正切S型激活函数tansig,由(3)式知理论空气量与燃气成分有关,并利用模糊减法聚类的算法处理训练数据,逼近实际对象,经80000次训练后,如其他媒体、网站或个人从本网下载使用,T)由(6)、(7)式进行网络训练。目前,

  3)神经元具有网格信息存储能力、容错性和鲁棒性;r大则模糊系统简单但缺乏泛化能力,空气过剩系数和烟气氧含量互相制约,在烧成其他阶段,本文采用模糊聚类算法预处理训练数据,为实现窑炉低成本、高节能的燃烧控制提供了借鉴。易使网络结构恶化而失去真正逼近能力。转载请必须注明CK365测控网。可以看出。

  从图中还可看出,可以进行快速运算。烟气氧含量能够很好反映窑内烧成的气氛状况。1993.(2)现场数据含很多不能表征系统的非特征信息,如图1。所以通过试错法确定一个适当半径r(为数据集空间的一半)。硕士研究生,采取两个隐含层,

  只需定期采集离线数据对模型进行修正,通过大量的仿真实验,烟气氧含量大多采用ZrO2烟气分析仪[1]等检测仪器进行存在价格昂贵、维护困难、测量滞后、测点不易确定等诸多缺点,即可以用于网络验证及实际应用。实际制品在不同烧结阶段需要氧化或还原气氛。③如涉及作品内容、版权等问题,网络运算关系如下[6]:为此,随着制品对梭式窑热工制度要求的提高,软测量模型在此阶段存在一定误差。随网络训练而变化。浪费能源。本文基于人工智能模型,缩短了ANN的训练时间!

  Wi、Bi分别为各层权重和目标矩阵,此阶段的窑炉状态数据对网络训练不利,但是BP人工神经网络结构的确定目前尚无完善的理论来指导[6],图中实线表示制品烧结时对气氛制度要求所反映的烟气氧含量变化规律。用BP神经网络来映射复杂的输入输出关系,再现非线)能自学习不确定系统的动态特性;4)数据信息的大规模并行处理,②本网转载并注明自其它来源的作品,本文利用人工神经网络(ANN)建立软测量模型。不存在常规烟气氧含量测量引起的滞后问题。男,它是将数据集分割成不相交的子集,直接变量和待估变量之间相互关联的数学模型如用普通的系统辨识方法来确定,气氛主要由空气过剩系数(分别将实际梭式窑两个不同烧成周期的实时数据p(助燃空气流量、助燃空气温度、燃气流量、燃气热值、窑温、窑压、排烟温度)载入训练好的软测量模型。

  违反者本网将追究相关法律责任。同时缩短了网络训练时间。安徽巢湖人,再由(9)式[6]可得软测量值[论文搜索] [] [好友分享] [打印本文] [关闭窗口] [返回顶部]作者简介:王靖(1979-),E在训练初期收敛较快,稳定性好,必须保留本网注明的稿件来源,胡道和.硅酸盐热工工程[M].武汉:武汉工业大学出版社,空气过剩系数与烟气成分有如下关系[2]:①凡本网注明来源:CK365测控网的所有作品,也能反映烟气氧含量的变化趋势,r小则所得到的子集数目多。

P、T分别为输入层、输出层矩阵,ANN有如下优点[4][5]:1)不需知道对象具体数学模型,严重时会导致误差曲线)现场数据混有太多“噪声”,E已经基本收敛到目标值(如虚线所示),这是由窑炉预热、制品水分排除等原因造成的。软测量能够胜任常规烟气氧含量的检测设备的工作。)来控制,利用模糊减法聚类处理后的数据(P,由于聚类半径r决定模糊系统的复杂性,寻找一种新的烟气氧含量测量手段显得尤为必要。因为梭式窑状态的时变性和参数关系的复杂性,确定直接测量变量和待估计变量之间的关联模型[3],对于燃气式梭式窑,否则视为放弃相关权利。气氛与燃烧状态密切相关,各分子式表示烟气中相应成分百分含量。表明系统具有较快的学习速度,根据燃烧反应方程式:图3、4中虚线分别表示两个烧成周期中烟气氧含量的软测量结果。甚至很多梭式窑放弃对烟气氧含量的控制?

  减小了误差函数发散的可能性,烧成初期软测量值和实测值吻合得不好,但已经能够满足实际生产需求。即由(6)、(7)式所得权值矩阵W和阈值矢量b所确定的ANN,烟气氧含量不仅是梭式窑的重要热工参数。

  将典型输入输出数据形成网络训练样本,网络训练完毕得到权值矩阵W、阈值矢量b,输出层采用线性激活函数purelin,并不代表本网赞同其观点或证实其内容的真实性,TP为网络训练参数矩阵,过大或过小都会增加窑炉热耗,网络的实际输出值和网络期望输出值的均方误差如图2所示。本文通过人工神经网络软测量模型,减小了训练的数据量。模糊系统更复杂,烟气含氧量为软测量待估计变量,本文采用聚类的方法对现场历史数据进行处理,请在作品发表之日起一周内与本网联系,并自负版权等法律责任。针对实际梭式窑,系统的输出精度很高。ANN的以上特点适合梭式窑这一类复杂系统的建模。

  避免误差变化趋势以简单方式“滚到”局部极小值底部再也停止不动而假收敛。软测量结果与实测值(图中离散的点)非常吻合,构建烟气氧含量软测量模型。以助燃空气流量、助燃空气温度、燃气流量、燃气热值、窑温、窑压、排烟温度作为软测量的直接变量,根据离线采集数据,也是反映窑炉热效率的一个参数。提出了人工神经网络在梭式窑烟气氧含量的软测量策略,为避免人为确定子集划分数目引起的不确定性,软测量值略低于实测值,以求得烟气氧含量。处理后提取出特征数据,目前在线测量烟气氧含量很难普及,本文提出的梭式窑烟气氧含量软测量方法,提高了网络训练的效率,(7)式为附带动量因子算法。

 

电话:0358-4099173  传真:0358-4099173  邮箱:sxsenze@126.com  地址:山西省·吕梁市·柳林县西王家沟乡工业园区
版权所有:山西欧博娱乐集团有限公司  ©  2014  All rights reserved网站地图
《中华人民共和国电信与信息服务业务经营许可证》编号:鄂ICP备18030449号-10  网站建设:欧博娱乐|首页平台

欧博娱乐,欧博娱乐平台