水泥生產(chǎn)中的能源耗費、大氣污染等問題逐漸成為行業(yè)關(guān)注的重點,回轉(zhuǎn)窯作為水泥生產(chǎn)工藝中的關(guān)鍵設(shè)備,如何有效實現(xiàn)節(jié)能減排、提高熟料質(zhì)量對水泥行業(yè)的發(fā)展具有重要意義。但回轉(zhuǎn)窯的煅燒工藝極其復(fù)雜,傳統(tǒng)方法難以建立其系統(tǒng)模型,很難實現(xiàn)工況的優(yōu)化調(diào)整。人工智能技術(shù)因其在系統(tǒng)建模和優(yōu)化問題中取得了良好應(yīng)用,得到了各界的廣泛關(guān)注。因此,本文推導(dǎo)出兩種改進的算法:基于速度交流的共生多種群粒子群算法（Symbiosis multi-population particle swarm optimization based on velocity communication,SMPSO）、基于K-均值聚類的多種群灰狼算法（Multi-group grey wolf optimization algorithm based on K-means clustering,KMGWO）。并利用KMGWO算法優(yōu)化極端學(xué)習(xí)機（Extreme learning machine,ELM）網(wǎng)絡(luò)參數(shù),建立KMGWO-ELM模型算法。分別將KMGWO-ELM算法、SMPSO算法應(yīng)用于水泥回轉(zhuǎn)窯參數(shù)建模與優(yōu)化中,以便于實現(xiàn)回轉(zhuǎn)窯工況... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

SMPSO算法結(jié)構(gòu)

第 2 章 基于速度交流的 SMPSO 算法研究價粒子，篩選各子種群全局最優(yōu)位置 ( 1 GpLocalbestGocal best；選擇的pLocal best分享給主種群，主群綜合自身最好經(jīng)(2-12)-式(2-15)進行粒子更新，擇優(yōu)選取全局最優(yōu)位置是否滿足停止要求:最大函數(shù)迭代次數(shù) T 或精度要求。ep9，如果未滿足，執(zhí)行 Step6；al best更新情況，確定算法是否處于局部最優(yōu)。如果算否則執(zhí)行 Step8；-16)、式(2-17)對主種群排在后 50%的個體變異，并執(zhí)的pGlobal best分享給從種群，跳到 Step3；al best，即優(yōu)化問題的解向量。

Sphere函數(shù)收斂特征曲線


本文編號：3126605