基于時序趨勢特征的回轉(zhuǎn)窯喂煤SVM分類方法.pdf

1、在燃煤窯爐生產(chǎn)領(lǐng)域，回轉(zhuǎn)窯燒結(jié)是一類典型的復(fù)雜工業(yè)過程，具有大滯后、強(qiáng)耦合、多干擾、時變、非線性等特點(diǎn)。在近年來工業(yè)回轉(zhuǎn)窯燒結(jié)過程的測控研究中，燒結(jié)帶溫度的測量和控制方面取得了一些成果，但是基于火焰圖像的燒結(jié)溫度軟測量易受現(xiàn)場粉塵和煙霧干擾，對燒結(jié)帶溫度的過分依賴使得控制器的投運(yùn)范圍較窄?，F(xiàn)有利用現(xiàn)場信號的建模方法，都是基于單個樣本點(diǎn)的預(yù)測，容易忽視熱工信號動態(tài)變化趨勢之間的規(guī)律。論文提出一種基于時序趨勢特征的回轉(zhuǎn)窯喂煤支持向量機(jī)(Su

2、pport Vector Machine，SVM)分類方法，通過對一定時間段內(nèi)熱工數(shù)據(jù)的趨勢特征的提取，用多個樣本點(diǎn)的趨勢值代替單個樣本點(diǎn)值，在窯前數(shù)據(jù)的趨勢特征基礎(chǔ)上，建立回轉(zhuǎn)窯喂煤的支持向量機(jī)預(yù)測模型，避免了單一依賴燒結(jié)帶溫度信號的控制，提高了窯前控制的魯棒性。論文的主要內(nèi)容如下：
　　 首先，研究基于線性擬合的回轉(zhuǎn)窯熱工數(shù)據(jù)的趨勢特征提取。將回轉(zhuǎn)窯數(shù)據(jù)視為時間序列樣本，通過基于關(guān)鍵點(diǎn)和等間距滑窗的方法將時間序列樣本分段線性

3、化表示，并提取相應(yīng)的趨勢特征。采用聚類分析方法，去除關(guān)聯(lián)不緊密的樣本點(diǎn)，基于粗糙集理論對特征化的樣本進(jìn)行屬性約簡，形成最終訓(xùn)練樣本。
　　 其次，在支持向量機(jī)分類預(yù)測過程中，采用粒子群和遺傳算法兩種啟發(fā)式優(yōu)化算法優(yōu)化支持向量機(jī)學(xué)習(xí)過程中的懲罰參數(shù)和核函數(shù)方差，有效提高了分類預(yù)測準(zhǔn)確率。
　　 最后，利用工業(yè)現(xiàn)場數(shù)據(jù)仿真實(shí)驗(yàn)，通過對基于單個樣本點(diǎn)和基于關(guān)鍵點(diǎn)趨勢特征的喂煤趨勢分類對比，驗(yàn)證了基于趨勢特征的分類方法有更高的準(zhǔn)