当前位置:主页 > 科技论文 > 机电工程论文 >

基于多任务及迁移学习的湿式球磨机关键参数软测量建模研究

发布时间:2021-09-08 13:33
  球磨机是广泛应用于化工、电力、建筑等行业的重要基础设备,同时也是高耗能设备。其能耗、效率与磨机内部负荷具有密切联系,因此,球磨机负荷参数(料球比、磨矿浓度、充填率)的准确测量是实现优化控制和节能降耗的关键。由于磨机旋转、连续工作等特点使得多种直接检测方法难以实施,无法准确获取内部负荷参数。在实际工业产生中,常采用基于数据驱动方法对负荷参数进行间接测量,在一定程度上提高了对磨机负荷测量的准确性。但是,传统的软测量方法忽略了湿式球磨机多个负荷参数之间的相关性,导致模型预测精度不高。为此,本研究利用多任务正则极限学习机,通过多任务学习将多个负荷参数联系起来,挖掘多个参数之间的隐含信息,共同提高模型的预测性能。另外,在湿式球磨机实际运行过程中,由于矿石成分改变、生产方案变化以及钢球磨损等问题使得磨机运行出现变工况问题。球磨机在多工况条件下建模的辅助变量和待测主导变量的数据分布发生迁移,导致传统软测量建模方法包括上述多任务正则极限学习机均无法得到令人满意的结果。为此,将迁移学习引入湿式磨机的负荷参数测量中,解决多工况条件下磨机负荷参数的软测量问题,以提高模型的预测精度。针对湿式球磨机进行负荷参数... 

【文章来源】:太原理工大学山西省 211工程院校

【文章页数】:79 页

【学位级别】:硕士

【文章目录】:
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 球磨机负荷参数测量研究现状
        1.2.2 多任务学习研究现状
        1.2.3 迁移学习研究现状
    1.3 软测量技术
        1.3.1 软测量基本概念
        1.3.2 软测量建模过程
    1.4 本文主要研究内容
第2章 湿式球磨机负荷参数及相关理论基础
    2.1 引言
    2.2 球磨机工作原理及负荷参数介绍
        2.2.1 球磨机的结构与工作原理
        2.2.2 球磨机负荷参数
        2.2.3 球磨机负荷参数与工业过程生产率的关系
        2.2.4 球磨机振动信号反映负荷参数的机理
    2.3 球磨机负荷参数相关性问题分析
        2.3.1 球磨机数据集采集与处理
        2.3.2 负荷参数相关性
        2.3.3 多任务学习概述
    2.4 球磨机多工况问题的分析
        2.4.1 磨机多工况问题的分析
        2.4.2 迁移学习概述
    2.5 本章小结
第3章 基于MT-RELM的球磨机负荷参数软测量
    3.1 引言
    3.2 相关算法描述
        3.2.1 正则极限学习机
        3.2.2 交替乘子法
    3.3 多任务正则极限学习机
        3.3.1 MT-RELM模型描述
        3.3.2 MT-RELM目标参数的学习规则
    3.4 MT-RELM模型验证
        3.4.1 基于MT-RELM的球磨机负荷参数软测量模型
        3.4.2 实验结果与分析
    3.5 本章小结
第4章 基于ELM的半监督域适应算法的湿式球磨机负荷参数软测量
    4.1 引言
    4.2 DASELM算法
        4.2.1 DASELM的模型结构
        4.2.2 DASELM参数学习规则
    4.3 实验验证
        4.3.1 基于DASELM的球磨机多工况负荷参数软测量模型
        4.3.2 实验结果与分析
    4.4 本章小结
第5章 基于DELM-AE迁移学习的湿式球磨机负荷参数软测量
    5.1 引言
    5.2 相关算法
        5.2.1 ELM自编码器
        5.2.2 最大均值差异
    5.3 DA-DELM-AE模型
        5.3.1 DA-DELM-AE模型结构
        5.3.2 DA-DELM-AE模型
        5.3.3 参数学习规则
    5.4 实验验证
        5.4.1 基于DA-DELM-AE的多工况负荷参数软测量模型
        5.4.2 实验结果与分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文目录


【参考文献】:
期刊论文
[1]磨机负荷参数快速去相关神经网络集成模型[J]. 赵立杰,李彬,汪滢,陈斌,王魏.  控制工程. 2017(09)
[2]改进LSSVM迁移学习方法的轴承故障诊断[J]. 陈超,沈飞,严如强.  仪器仪表学报. 2017(01)
[3]基于迁移学习工况划分的裂解炉收率PSO-LS-SVM建模[J]. 刘佳,邵诚,朱理.  化工学报. 2016(05)
[4]基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模[J]. 袁小锋,葛志强,宋执环.  化工学报. 2016(03)
[5]神经网络球磨机出力软测量模型的建立[J]. 韩良云,陆金桂.  动力工程学报. 2015(11)
[6]基于DBN-ELM的球磨机料位软测量方法研究[J]. 康岩,卢慕超,阎高伟.  仪表技术与传感器. 2015(04)
[7]基于卷积神经网络的人脸性别识别[J]. 汪济民,陆建峰.  现代电子技术. 2015(07)
[8]基于迁移学习的裂解炉产率建模[J]. 周书恒,杜文莉.  化工学报. 2014(12)
[9]基于KPCA频谱特征提取的球磨机负荷建模方法[J]. 冯雪,赵立杰,郑瀚洋.  沈阳化工大学学报. 2014(02)
[10]卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用[J]. 刘涛,张文平,陈慧芳,冯桂兰,刘月明.  红外与激光工程. 2014(05)

博士论文
[1]集员估计理论方法及其应用研究[D]. 何青.湖南大学 2002

硕士论文
[1]基于TrAdaBoost的直推式迁移学习文本分类技术改进研究[D]. 李小璇.华中科技大学 2016
[2]基于实例与特征的迁移学习文本分类方法研究[D]. 韦余永.西南大学 2015
[3]极限学习机的研究与应用[D]. 甘露.西安电子科技大学 2014
[4]连续搅拌反应釜(CSTR)控制方法研究[D]. 王维.北京交通大学 2013
[5]基于椭球集员估计理论的神经网络学习算法研究[D]. 王贤明.长沙理工大学 2010
[6]钢球磨煤机负荷的监测与分析研究[D]. 曹静.华北电力大学(河北) 2008



本文编号:3390876

论文下载
论文发表

本文链接:http://www.bigengculture.com/jixiegongchenglunwen/3390876.html

相关文章提示点击查看相关文章
论文发表
专著教材出书