基于LSSVM的混合料粒度分布軟測量方法研究

基于LSSVM的混合料粒度分布軟測量方法研究

ID:36569999

大?。?.05 MB

頁數(shù):59頁

時間:2019-05-12

基于LSSVM的混合料粒度分布軟測量方法研究_第1頁
基于LSSVM的混合料粒度分布軟測量方法研究_第2頁
基于LSSVM的混合料粒度分布軟測量方法研究_第3頁
基于LSSVM的混合料粒度分布軟測量方法研究_第4頁
基于LSSVM的混合料粒度分布軟測量方法研究_第5頁
資源描述:

《基于LSSVM的混合料粒度分布軟測量方法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中圖分類號!旦!墨UDC620碩士學(xué)位論文學(xué)校代碼!Q§三3密級公玨基于LS.SVM的混合料粒度分布軟測量方法研究SoftMeasurementMethodBaseonLS.SVMforMixtureGranulari夠Distribution作者姓名:學(xué)科專業(yè):研究方向:學(xué)院(系、所):指導(dǎo)教師:涂仲新控制科學(xué)與工程復(fù)雜過程建模信息科學(xué)與工程吳敏教授論文答辯日期型:塹:!芝答辯委員會主席中南大學(xué)2013年5月c溯ZyL/一’原創(chuàng)性聲明本人聲明,所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取

2、得的研究成果。盡我所知,除了論文中特別加以標(biāo)注和致謝的地方外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果,也不包含為獲得中南大學(xué)或其他單位的學(xué)位或證書而使用過的材料。與我共同工作的同志對本研究所作的貢獻均己在論文中作了明確的說明。作者簽名:蓋掣壘仁日期:j吐年』月土日學(xué)位論文版權(quán)使用授權(quán)書本人了解中南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,即:學(xué)校有權(quán)保留學(xué)位論文并根據(jù)國家或湖南省有關(guān)部門規(guī)定送交學(xué)位論文,允許學(xué)位論文被查閱或借閱;學(xué)??梢怨_學(xué)位論文的全部或部分內(nèi)容,可以采用復(fù)印、縮印或其他手段保存

3、學(xué)位論文;同時授權(quán)中國科學(xué)技術(shù)信息研究所將本學(xué)位論文收錄到《中國學(xué)位論文全文數(shù)據(jù)庫》,并通過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。作者簽名:絲自卑導(dǎo)師簽名期:土啦年塵月王基于LS.SVM的混合料粒度分布軟測量方法研究摘要:燒結(jié)生產(chǎn)過程是鋼鐵冶煉鐵前過程的一道重要工序,其產(chǎn)品燒結(jié)礦是高鐵煉鐵的主要原料。燒結(jié)礦的質(zhì)量好壞直接影響著高爐的爐況和鐵水質(zhì)量?;旌现屏J菬Y(jié)過程中一個至關(guān)重要的環(huán)節(jié),是保證燒結(jié)料層良好透氣性、實現(xiàn)厚料層燒結(jié)、提高能源有效利用的關(guān)鍵。因此,研究燒結(jié)混合制粒過程對鋼鐵企業(yè)節(jié)約能源,降低排放具

4、有重要意義。燒結(jié)混合制粒過程是一個復(fù)雜的工業(yè)過程,具有非線性、滯后、工藝參數(shù)難以測量等特點。本文針對混合料粒度分布難以實時測量的難點,結(jié)合機理分析法與灰色關(guān)聯(lián)度法探討了混合制粒過程的影響因素,設(shè)計了混合料粒度分布軟測量模型。通過采集生產(chǎn)過程數(shù)據(jù),并對數(shù)據(jù)進行預(yù)處理,建立了基于最小二乘支持向量機(LS.SVM)的混合料粒度分布軟測量模型,分析了模型參數(shù)(核函數(shù)寬度函數(shù)仃和懲罰因子c)對混合料粒度分布軟測量模型性能的影響,并采用智能優(yōu)化算法對粒度分布軟測量模型參數(shù)進行優(yōu)化。針對支持向量機中參數(shù)選擇大多

5、采用經(jīng)驗法、試湊法選擇參數(shù)的問題,本文提出了基于量子粒子群(QPS0)法優(yōu)化LS—SVM模型參數(shù)。量子粒子群法是標(biāo)準(zhǔn)粒子群法的改進,彌補了標(biāo)準(zhǔn)粒子群極易陷入局部最優(yōu)值的缺點。仿真結(jié)果表明,采用QPS0優(yōu)化參數(shù)速度快,精度高?;赒PS0的LS.SVM建模方法,建立的混合料粒度分布軟測量模型能很好的預(yù)測粒度分布,在算法優(yōu)化時間和模型精度上均優(yōu)于傳統(tǒng)方法建立的LS.SVM軟測量模型。圖19幅,表6個,參考文獻68篇。關(guān)鍵詞:粒度分布,最小二乘支持向量機(LS.SVM),軟測量,量子粒子群(QPSO)分

6、類號:TPl8IISoRMeasurementMethodBaseonLS.SVMforMixtllreGranularityDis砸butionAbstract:Sinteringprocessisanimportantprocedureoftheproceebeforetheironandsteelsmeltingiron,andsinter,theproductionofsintering,whichhasadirectimpactontheoutputandqualityofsteel,i

7、saVitalrawmaterialforblast如mace.MixinggranulationisaVe巧importantsubprocessofsinteringtoensurethepemeabilityofthesinterlayer,achievethicklayersinteringandtoiII]Iprovetheefhcientuseofene略y.DuetotheaboVesimation,researchingonthemixinggranulationprocessis

8、ofgreatsignificanceforsteelente印dsestosaveene瑪yandreduceemissions.ThemixinggranulationprocessisaVe巧complexindustialprocesswiththefeaturesofnon-linear,hysteresis,processparametersaredif!Eiculttomeasure.Baseonthedi銜cultiesofgranularitymeansudng,

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。