資源描述：
《基于LSSVM的混合料粒度分布軟測(cè)量方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、中圖分類號(hào)!旦!墨UDC620碩士學(xué)位論文學(xué)校代碼!Q§三3密級(jí)公玨基于LS．SVM的混合料粒度分布軟測(cè)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(guò)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(huì)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(jìn)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(guò)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(shū)而使用過(guò)的材料。與我共同工作的同志對(duì)本研究所作的貢獻(xiàn)均己在論文中作了明確的說(shuō)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(shū)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(guó)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)校可以公開(kāi)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(shí)授權(quán)中國(guó)科學(xué)技術(shù)信息研究所將本學(xué)位論文收錄到《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》，并通過(guò)網(wǎng)絡(luò)向社會(huì)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(cè)量方法研究摘要：燒結(jié)生產(chǎn)過(guò)程是鋼鐵冶煉鐵前過(guò)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。混合制粒是燒結(jié)過(guò)程中一個(gè)至關(guān)重要的環(huán)節(jié)，是保證燒結(jié)料層良好透氣性、實(shí)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(guò)程對(duì)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(guò)程是一個(gè)復(fù)雜的工業(yè)過(guò)程，具有非線性、滯后、工藝參數(shù)難以測(cè)量等特點(diǎn)。本文針對(duì)混合料粒度分布難以實(shí)時(shí)測(cè)量的難點(diǎn)，結(jié)合機(jī)理分析法與灰色關(guān)聯(lián)度法探討了混合制粒過(guò)程的影響因素，設(shè)計(jì)了混合料粒度分布軟測(cè)量模型。通過(guò)采集生產(chǎn)過(guò)程數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，建立了基于最小二乘支持向量機(jī)(LS．SVM)的混合料粒度分布軟測(cè)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(duì)混合料粒度分布軟測(cè)量模型性能的影響，并采用智能優(yōu)化算法對(duì)粒度分布軟測(cè)量模型參數(shù)進(jìn)行優(yōu)化。針對(duì)支持向量機(jī)中參數(shù)選擇大多
5、采用經(jīng)驗(yàn)法、試湊法選擇參數(shù)的問(wèn)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(jìn)，彌補(bǔ)了標(biāo)準(zhǔn)粒子群極易陷入局部最優(yōu)值的缺點(diǎn)。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(cè)量模型能很好的預(yù)測(cè)粒度分布，在算法優(yōu)化時(shí)間和模型精度上均優(yōu)于傳統(tǒng)方法建立的LS．SVM軟測(cè)量模型。圖19幅，表6個(gè)，參考文獻(xiàn)68篇。關(guān)鍵詞：粒度分布，最小二乘支持向量機(jī)(LS．SVM)，軟測(cè)量，量子粒子群(QPSO)分
6、類號(hào)：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，
