水泥熟料生产过程生料分解率软测量模型

2012年03月19日11:44:57 本网站我要评论(2)字号：T | T | T

乔景慧，周晓杰，柴天佑，郑秀萍

东北大学自动化研究中心，辽宁沈阳

东北大学流程工业综合自动化国家重点实验室，辽宁沈阳

摘　　　要：在水泥熟料生产过程中，针对衡量产品质量的生料分解率不能在线检测的难题，将递归限定记忆主元分析和较小二乘支持向量机结合，提出了基于限定记忆主元分析的较小二乘支持向量机方法。限定记忆主元分析不但解决了传统主元分析的缺点和数据饱和现象，而且简化了较小二乘支持向量机的结构。该方法已经成功应用于酒钢宏达水泥厂水泥熟料生产生料分解过程，取得了显著的应用效果。

关　键　词：生料分解率；限定记忆主元分析；较小二乘支持向量机

１　引　言
在水泥熟料生产过程中，由于衡量产品质量指标的生料分解率不能在线检测，实际生产中，只能通过人工离线化验分析得到。操作员根据离线分析的结果调整给煤量和风量。这样导致产品不合格和预热器Ｃ５下料管堵塞。同时，由于生料边界条件频繁变化致使生料分解率发生变化。因此，通过人工离线化验分析，很难保证生料分解率在工艺规定的范围内。所以，必须采用软测量技术对生料分解率进行在线测量，从而保证产品质量并降低预热器Ｃ５下料管堵塞发生率。较小二乘支持向量机（ＬＳＳＶＭ）已经得到迅速发展［１］，它是由Ｖａｐｎｉｋ提出的标准支持向量机的变形［２］。为了减少较小二乘支持向量机输入向量的个数，基于主元分析（ＰＣＡ）和较小二乘支持向量机的方法在很多领域已经得到广泛应用，如电力负荷预测［３］，故障辨识［４］，柴油凝固点预测［５］，人脸识别［６］和密度评估［７］等。然而，上述方法存在以下缺点，首先，ＰＣＡ使用一个静态模型将输入变量转换为不相关的变量集；其次，核函数选择具有学习能力强的高斯函数，但是不具有良好的预测能力。近年来，递归ＰＣＡ（ＲＰＣＡ）方法已经应用在自适应过程监督领域［８］，在这个方法中，使用遗忘因子减小对模型的影响。然而数据饱和现象仍然不能彻底的克服并且数据矩阵的尺寸逐渐增大。这样增加了计算机的负荷。为了克服以上缺点，本文提出了基于限定记忆的主元分析（ＲＦＭＰＣＡ）和较小二乘支持向量机（ＬＳＳＶＭ）的方法。

登录网站后可下载文件

水泥熟料生产过程生料分解率软测量模型

相关阅读: