發(fā)布時間：2018-01-28 23:51

  本文關(guān)鍵詞： 高爐 故障診斷 最小二乘分析 支持向量機(jī) 全局優(yōu)化　出處：《工程科學(xué)學(xué)報》2017年01期 　論文類型：期刊論文

【摘要】：針對高爐故障診斷系統(tǒng)快速性和準(zhǔn)確性的要求,提出基于全局優(yōu)化最小二乘支持向量機(jī)的策略.首先,采用變尺度離散粒子群對最小二乘支持向量機(jī)的參數(shù)和故障特征的選取進(jìn)行優(yōu)化;然后,利用核主元分析法對選取的特征向量進(jìn)行壓縮整理;最后,構(gòu)造了以Fisher線性判別率為標(biāo)準(zhǔn)的啟發(fā)式糾錯輸出編碼.仿真結(jié)果表明,通過對故障訓(xùn)練樣本有意義地分割重組,用較少的最小二乘支持向量機(jī)分類器,得到較高的故障判斷準(zhǔn)確率且增強了整個系統(tǒng)的實時性.
[Abstract]:Aiming at the requirement of the speed and accuracy of blast furnace fault diagnosis system, a strategy based on global optimization least squares support vector machine (LS-SVM) is proposed. Variable scale discrete particle swarm optimization is used to optimize the parameters and fault features of the least squares support vector machine (LS-SVM). Then, the kernel principal component analysis is used to compress the selected feature vectors. Finally, a heuristic error correction output code based on Fisher linear discriminant rate is constructed. The simulation results show that the fault training samples are segmented and reorganized meaningfully. By using less least squares support vector machine classifier, the accuracy of fault diagnosis is higher and the real-time performance of the whole system is enhanced.
【作者單位】： 北京科技大學(xué)自動化學(xué)院;北京科技大學(xué)鋼鐵流程先進(jìn)控制教育部重點實驗室;
【分類號】：TF549
【正文快照】： 鋼鐵工業(yè)是我國國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)和支柱產(chǎn)業(yè)[1].高爐煉鐵在鋼鐵工業(yè)中處于舉足輕重的地位.高爐煉鐵系統(tǒng)生產(chǎn)設(shè)備繁多,具有多耦合、大延時、非線性等特點.盡管在高爐本體上安裝了很多自動化的檢測裝置,然而由于高爐運行爐況復(fù)雜,無法建立準(zhǔn)確的機(jī)理模型,在高爐自動控制決策過

【相似文獻(xiàn)】

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計算機(jī)學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：1471903