燒結(jié)磚隧道窯焙燒過(guò)程的建模與優(yōu)化研究.pdf

1、當(dāng)今社會(huì)可持續(xù)發(fā)展的關(guān)鍵在于能源與環(huán)境，但是隨著工業(yè)的發(fā)展，能源短缺和環(huán)境污染問(wèn)題越來(lái)越嚴(yán)重。然而，廣西大多數(shù)制磚企業(yè)在燒結(jié)磚隧道窯焙燒生產(chǎn)過(guò)程中都普遍存在自動(dòng)化程度低、生產(chǎn)效率低、產(chǎn)品質(zhì)量不穩(wěn)定、管理不規(guī)范等問(wèn)題。因此，研究燒結(jié)磚隧道窯焙燒過(guò)程的建模與優(yōu)化，以此提高資源利用效率、減少?gòu)U物排放具有重要的意義。
　　本文在對(duì)燒結(jié)磚隧道窯工藝原理及控制關(guān)鍵研究分析的基礎(chǔ)上，首先確定了燒結(jié)磚隧道窯焙燒過(guò)程的數(shù)據(jù)變量;然后針對(duì)增量型極限學(xué)

2、習(xí)機(jī)在訓(xùn)練過(guò)程中，由于輸入權(quán)值以及隱層神經(jīng)元的閾值是隨機(jī)取得，可能存在部分隱層神經(jīng)元的輸出權(quán)值過(guò)小，使其對(duì)網(wǎng)絡(luò)輸出貢獻(xiàn)很小，存在無(wú)效神經(jīng)元的問(wèn)題，它不但使網(wǎng)絡(luò)變得更復(fù)雜，而且降低了網(wǎng)絡(luò)的穩(wěn)定性，所以本文提出了一種給增量型極限學(xué)習(xí)機(jī)隨機(jī)的隱層輸出矩陣加上了一個(gè)偏置的改進(jìn)方法(用Ⅱ-ELM表示)，并分析證明了該方法的有效性;最后使用UCI數(shù)據(jù)庫(kù)中的多種數(shù)據(jù)，通過(guò)與Ⅰ-ELM方法在分類和回歸問(wèn)題上的仿真對(duì)比，驗(yàn)證了Ⅱ-ELM的有效性，并將該方

3、法應(yīng)用于燒結(jié)磚隧道窯焙燒過(guò)程建模。
　　本文選擇案例推理方法優(yōu)化燒結(jié)磚隧道窯焙燒過(guò)程，首先為了提高案例檢索效率，本文描述了一種基于聚類分析的案例分類方法;其次，案例推理過(guò)程中還采用了基于粒子群算法的權(quán)重提取和基于遺傳算法的案例修改;最后，通過(guò)尋找與之相似的歷史案例以及案例重用和案例修改來(lái)給出當(dāng)前工況優(yōu)化后的案例解。
　　基于上述燒結(jié)磚隧道窯焙燒過(guò)程的建模與優(yōu)化研究，最終通過(guò)半實(shí)物仿真平臺(tái)驗(yàn)證了燒結(jié)磚隧道窯焙燒過(guò)程優(yōu)化控制的可