-
公开(公告)号：CN104765350A
公开(公告)日：2015-07-08
申请号：CN201510155963.3
申请日：2015-04-03
Applicant: 燕山大学
IPC: G05B19/418
Abstract: 本发明涉及基于组合模型预测控制技术的水泥分解炉控制方法及系统，其方法为：(1)中控机利用数据通讯接口采集水泥分解炉生料预分解过程数据；(2)对数据进行分类，分别进行模型辨识，得到LSSVM稳态模型和ARMAX动态模型，并将其结合为组合模型；(3)用含有时滞环节的组合模型预测出生料预分解过程的未来输出状态，并设定输出值的参考轨迹；(4)非线性控制器采用序列二次规划法对目标函数滚动求解，得到水泥分解炉的最优控制值。其系统包括分解炉智能测量仪表、执行器、通讯接口及中控机，组合模型预测控制算法嵌入在中控机中。本发明模型辨识准确度高，算法鲁棒性强，可适应分解炉多变量间耦合性、非线性、时滞性，具有良好的控制效果。
-
公开(公告)号：CN104765350B
公开(公告)日：2018-01-23
申请号：CN201510155963.3
申请日：2015-04-03
Applicant: 燕山大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明涉及基于组合模型预测控制技术的水泥分解炉控制方法及系统，其方法为：(1)中控机利用数据通讯接口采集水泥分解炉生料预分解过程数据；(2)对数据进行分类，分别进行模型辨识，得到LSSVM稳态模型和ARMAX动态模型，并将其结合为组合模型；(3)用含有时滞环节的组合模型预测出生料预分解过程的未来输出状态，并设定输出值的参考轨迹；(4)非线性控制器采用序列二次规划法对目标函数滚动求解，得到水泥分解炉的最优控制值。其系统包括分解炉智能测量仪表、执行器、通讯接口及中控机，组合模型预测控制算法嵌入在中控机中。本发明模型辨识准确度高，算法鲁棒性强，可适应分解炉多变量间耦合性、非线性、时滞性，具有良好的控制效果。
-
公开(公告)号：CN106327004A
公开(公告)日：2017-01-11
申请号：CN201610640668.1
申请日：2016-08-08
Applicant: 燕山大学
CPC classification number: Y02P90/30 , G06Q10/04 , G06Q10/06393 , G06Q50/04
Abstract: 本发明公开了一种基于熟料质量指标的水泥烧成过程优化方法，该方法内容包括：建立水泥熟料质量指标游离氧化钙fCaO含量软测量模型，利用多核最小二乘支持向量机建立水泥熟料fCaO含量软测量模型，选取水泥烧成过程中熟料fCaO含量软测量模型的输入变量和输出变量；采集熟料fCaO含量软测量模型输入变量的现场当前值；结合所建立的熟料fCaO含量软测量模型以及所测量出的熟料fCaO含量当前值，采用基于序列二次规划方法局部搜索的量子粒子群优化算法，根据设定的优化算法目标函数，迭代寻优出水泥烧成过程中优化变量的调整值；所述的水泥烧成过程中优化变量即为步骤1中熟料fCaO含量软测量模型的输入变量。本发明有益效果是增长设备的使用寿命，降低生产设备的维护成本；保证了成品质量的合格率，降低了生产成本。
-
公开(公告)号：CN106202946A
公开(公告)日：2016-12-07
申请号：CN201610561692.6
申请日：2016-07-18
Applicant: 燕山大学
Abstract: 本发明涉及一种基于深度信念网络模型来预测水泥熟料fCaO的方法，其内容为：初步选取能反映水泥熟料烧成情况的主要变量为辅助变量集合，预测变量为水泥熟料fCaO的含量；通过现场仪表和操作员记录表分别采集各个辅助变量和水泥熟料fCaO含量的现场数据，采用灰色关联度分析方法对初始辅助变量集合降维；根据深度信念网络的算法及样本数据量确定深度信念网络结构中的参数：训练深度信念网络的参数，进而实现对整个网络权重和偏置的优化；采用反向传播算法对所确定的深度信念网络结构中的参数进行误差校正，进而确定水泥熟料fCaO的预测模型；采集辅助变量集合的实时数据，并将得到的辅助变量集合的实时数据进行3δ准则剔除误差；进而预测出水泥熟料fCaO含量。
-
-
-
Search Results
4
records
(took 0.013 seconds)
