基于最小二乘-支持向量机的制粉过程煤粉细度软测量模型

被引:9
作者
张立岩
岳恒
张君
丁进良
柴天佑
机构
[1] 东北大学流程工业综合自动化教育部重点实验室 沈阳110004
[2] 东北大学流程工业综合自动化教育部重点实验室
关键词
软测量; 煤粉细度; 最小二乘-支持向量机;
D O I
10.16511/j.cnki.qhdxxb.2007.s2.049
中图分类号
TP274 [数据处理、数据处理系统];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
煤粉细度是煤粉磨制过程控制的一个关键工艺指标,保证煤粉细度在一定范围内对于优化锅炉或回转窑的燃烧效率有着重要意义。由于煤粉细度无法在线测量,而离线化验既不能保证实时性,又容易造成煤粉泄漏污染环境,因此难以实现对煤粉细度的有效控制。该文通过对制粉过程中影响煤粉细度的因素进行分析,采用基于最小二乘-支持向量机的方法建立煤粉细度的软测量模型。通过模型误差最小的原则,确定了模型相关参数,解决了样本数量较少,常规软测量方法难以实现的问题。通过现场采集的样本数据进行的实验研究表明了该模型的有效性。
引用
收藏
页码:1932 / 1935
页数:4
相关论文
共 6 条
[1]   基于高斯过程的软测量建模 [J].
熊志化 ;
张继承 ;
邵惠鹤 .
系统仿真学报, 2005, (04) :793-794+800
[2]   An Efficient Support Vector Machine Learning Method with Second-Order Cone Programming for Large-Scale Problems [J].
Rameswar Debnath ;
Masakazu Muramatsu ;
Haruhisa Takahashi .
Applied Intelligence, 2005, 23 :219-239
[3]   Benchmarking least squares support vector machine classifiers [J].
van Gestel, T ;
Suykens, JAK ;
Baesens, B ;
Viaene, S ;
Vanthienen, J ;
Dedene, G ;
de Moor, B ;
Vandewalle, J .
MACHINE LEARNING, 2004, 54 (01) :5-32
[4]   Local models for soft-sensors in a rougher flotation bank [J].
Gonzalez, GD ;
Orchard, M ;
Cerda, JL ;
Casali, A ;
Vallebuona, G .
MINERALS ENGINEERING, 2003, 16 (05) :441-453
[5]   Grindability soft-sensors based on lithological composition and on-line measurements [J].
Casali, A ;
Gonzalez, G ;
Vallebuona, G ;
Perez, C ;
Vargas, R .
MINERALS ENGINEERING, 2001, 14 (07) :689-700
[6]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300