基于KPCA-BHMM的窯內喂煤趨勢預測.pdf

1、回轉窯熟料燒結是氧化鋁生產(chǎn)工藝中的關鍵工序。燒結過程是一類典型的復雜工業(yè)過程，用機理分析或系統(tǒng)辨識的方法建模難度很大。在鼓風機、排煙等風門開度保持不變的情況下，喂煤量的供給是控制窯內燒結溫度的主要操作變量。
　　 本文充分考慮回轉窯燒結過程中各熱工參數(shù)對燒結過程的影響，將核主成分分析(Kernel Principal Component Analysis，KPCA)與隱馬爾可夫模型(HiddenMarkov Model，HMM)

2、相結合，并根據(jù)窯前操作需求進行最小風險貝葉斯決策(Bayesian)得到回轉窯喂煤量變化趨勢預測結果，此時模型表示為KPCA-BHMM。本文主要進行的研究工作如下:分析了時間序列的壓縮，并針對回轉窯熱工數(shù)據(jù)的時間序列，提出了關鍵點的時間序列壓縮和一階差分均值的子序列描述;針對回轉窯燒結過程中所采集的數(shù)據(jù)都具有非線性結構，利用核主成分分析消除數(shù)據(jù)中的噪音，提取包含信息的主成分，并對數(shù)據(jù)進行降維;利用HMM在時間序列預測方面的優(yōu)勢，將HMM

3、引入到回轉窯喂煤趨勢的預測中，并針對離散HMM模型中的矢量量化問題，提出了一種等比例縮放的矢量量化方法;結合熟料燒結過程中對趨勢錯判所帶來的損失，將最小風險貝葉斯決策引入到回轉窯喂煤量變化趨勢的判斷中來，利用HMM模型算出的后驗概率和決策表進行最小風險貝葉斯決策來獲得喂煤量變化趨勢;利用回轉窯現(xiàn)場數(shù)據(jù)對上述核主成分分析-隱Markov-貝葉斯決策模型方法(KPCA-BHMM)進行驗證和仿真，并將其與樸素貝葉斯模型(NBC)、主成分分析-