發(fā)布時間：2017-08-09 07:10

  本文關(guān)鍵詞：基于模糊支持向量機的煙氣含氧量軟測量

  更多相關(guān)文章： 模糊支持向量機 含氧量 軟測量 輔助變量

【摘要】：當(dāng)今工業(yè)隨著科技的迅速發(fā)展進入了一個全新時代,而工業(yè)的快速發(fā)展又離不開測量技術(shù)的提高,隨著工業(yè)被測量的迅速增多,出現(xiàn)大量無法通過現(xiàn)有的測量技術(shù)和儀表儀器直接準(zhǔn)確測量的工業(yè)量,因此需要尋求新的途徑,軟測量技術(shù)便應(yīng)運而生,它不僅可以提高測量量的準(zhǔn)確度,而且還有效的降低了工業(yè)成本。因此軟測量技術(shù)一經(jīng)提出就得到極大關(guān)注和認(rèn)可,迅速展開了理論與應(yīng)用的雙向?qū)W習(xí)與發(fā)展。而隨著經(jīng)濟的迅猛發(fā)展,使人類對能源的需求也日益增長,在所有的一次性能源中煤炭占據(jù)這相當(dāng)大的能源消費比重,據(jù)有關(guān)專業(yè)人事預(yù)測,煤炭這種一次性消費能源將在人類社會發(fā)展階段將持續(xù)相當(dāng)長一段時間。煙氣含氧量作為鍋爐燃燒效率在電廠中評測指標(biāo)里一項重要參數(shù),再用傳統(tǒng)的傳感器進行測量無疑會產(chǎn)生更大的測量誤差和資金浪費。因此本文提出應(yīng)用軟測量建模的方法進行煙氣含氧量的預(yù)測,經(jīng)過機理分析、相關(guān)系數(shù)分析等方法確定輔助變量,采用滑動平均濾波和數(shù)據(jù)歸一化處理進行數(shù)據(jù)預(yù)處理,選用放寬隸屬度條件的FCM算法來計算樣本隸屬度值,然后選擇合適的核函數(shù)和懲罰因子,最后進行軟測量模型的建立、訓(xùn)練、測試、驗證。最后進行仿真實驗,得到煙氣含氧量的預(yù)測值與真實值的對比圖及誤差圖,再與其他方法相比較充分驗證該方法的有效性、準(zhǔn)確性、可行性。
【關(guān)鍵詞】：模糊支持向量機 含氧量 軟測量 輔助變量
【學(xué)位授予單位】：青島理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要8-9
• ABSTRACT9-10
• 第1章 緒論10-14
• 1.1 項目研究的背景及意義10-11
• 1.2 含氧量測量的背景及研究現(xiàn)狀11-12
• 1.3 軟測量技術(shù)的產(chǎn)生與發(fā)展12
• 1.4 論文的研究工作及內(nèi)容安排12-14
• 第2章 火電廠煙氣含氧量測量方法14-18
• 2.1 火電廠煙氣含氧量14
• 2.2 測量火電廠煙氣含氧量的意義14-15
• 2.3 間接測量煙氣含氧量的方法15-17
• 2.4 本章小結(jié)17-18
• 第3章 支持向量機理論與應(yīng)用18-30
• 3.1 軟測量及支持向量機理論概述18
• 3.2 支持向量機理論18-20
• 3.2.1 VC維理論18-19
• 3.2.2 風(fēng)險最小理論19-20
• 3.3 支持向量機分類20-23
• 3.3.1 基本概念20-21
• 3.3.2 線性支持向量機21-22
• 3.3.3 非線性支持向量22-23
• 3.4 支持向量機回歸23-26
• 3.4.1 ε-支持向量機回歸23-25
• 3.4.2 ν-支持向量機25-26
• 3.5 核函數(shù)理論26-27
• 3.6 支持向量機應(yīng)用實例27-29
• 3.7 本章小結(jié)29-30
• 第4章 模糊支持向量機算法理論與應(yīng)用30-44
• 4.1 模糊理論及隸屬度函數(shù)的設(shè)計30-33
• 4.2 模糊聚類分析33-36
• 4.2.1 目標(biāo)函數(shù)的模糊C值聚類算法33-35
• 4.2.2 FCM算法的改進35-36
• 4.3 模糊支持向量機36-40
• 4.3.1 一般模糊支持向量機36-38
• 4.3.2 多類模糊支持向量機38-39
• 4.3.3 基于模糊系數(shù)規(guī)劃的模糊支持向量機39-40
• 4.4 應(yīng)用實例40-42
• 4.5 本章小結(jié)42-44
• 第5章 基于FSVM算法含氧量軟測量方法44-62
• 5.1 樣本的選取和預(yù)處理44-47
• 5.2 輔助變量的選取47-50
• 5.3 FSVM軟測量模型的建立50-56
• 5.3.1 模糊隸屬度函數(shù)的計算50-51
• 5.3.2 核函數(shù)的選取51-52
• 5.3.3 參數(shù)的選擇52-53
• 5.3.4 FSVM軟測量模型53-55
• 5.3.5 模型的驗證55-56
• 5.4 實驗系統(tǒng)介紹56-57
• 5.5 實驗結(jié)果分析57-61
• 5.6 總結(jié)61-62
• 第6章 總結(jié)與展望62-64
• 6.1 總結(jié)62
• 6.2 展望62-64
• 參考文獻64-67
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果67-68
• 致謝68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王勇;劉吉臻;劉向杰;譚文;;基于最小二乘支持向量機的軟測量建模及在電廠煙氣含氧量測量中的應(yīng)用[J];微計算機信息;2006年28期

2 秦翠翠;賈立;;基于概率密度函數(shù)的軟測量方法及其在煙氣含氧量中的應(yīng)用[J];江南大學(xué)學(xué)報(自然科學(xué)版);2013年05期

3 陳彥橋;郭一;劉建民;劉金琨;;一種改進煙氣含氧量軟測量建模方法與仿真[J];動力工程學(xué)報;2011年01期

4 張希光,王繼承;提高鍋爐爐膛出口煙氣含氧量的測量準(zhǔn)確度減少鍋爐結(jié)焦和降低機組煤耗[J];節(jié)能技術(shù);2001年03期

5 何心;;基于數(shù)據(jù)融合的煙氣含氧量軟測量技術(shù)綜述[J];工業(yè)鍋爐;2012年06期

6 張倩;楊耀權(quán);;基于支持向量機回歸的火電廠煙氣含氧量軟測量[J];信息與控制;2013年02期

7 秦翠翠;賈立;;集成軟測量方法研究及其在煙氣含氧量中的應(yīng)用[J];系統(tǒng)仿真學(xué)報;2014年07期

8 劉長良;李淑娜;;基于LS-SVM和單純形的煙氣含氧量軟測量[J];熱能動力工程;2010年03期

9 孫靈芳;李茹艷;;基于多變量廣義預(yù)測的煙氣含氧量軟測量研究[J];自動化技術(shù)與應(yīng)用;2012年07期

10 趙永磊;鄭德忠;;一種基于直接廣義預(yù)測的煙氣含氧量軟測量方法研究[J];傳感技術(shù)學(xué)報;2009年08期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 時汝佳;劉友寬;;鍋爐運行中煙氣含氧量的研究[A];2010年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2010年

2 程蓓;;采用O_2和CO信號控制燃燒的方案[A];安徽省電機工程學(xué)會優(yōu)秀學(xué)術(shù)論文集（2002-2003）[C];2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李銳;600MW火電機組煙氣含氧量軟測量應(yīng)用研究[D];華北電力大學(xué);2016年

2 劉真;基于模糊支持向量機的煙氣含氧量軟測量[D];青島理工大學(xué);2016年

3 張健;基于免疫關(guān)聯(lián)規(guī)則的煙氣含氧量優(yōu)化研究[D];華北電力大學(xué);2013年

4 劉闖;基于人工智能方法的煙氣含氧量軟測量及優(yōu)化配煤研究[D];大連理工大學(xué);2008年

5 張捷夫;電站鍋爐煙氣含氧量軟測量方法研究[D];華北電力大學(xué);2014年

6 陳敏;火電廠鍋爐煙氣含氧量預(yù)測及燃燒系統(tǒng)優(yōu)化研究[D];北京交通大學(xué);2011年

7 李茹艷;基于多變量廣義預(yù)測的煙氣含氧量軟測量研究[D];東北電力大學(xué);2012年

8 梁向鋒;基于氧化鋯傳感器的煙氣含氧量檢測技術(shù)[D];天津大學(xué);2008年

9 高大明;大型電站鍋爐燃燒系統(tǒng)優(yōu)化控制研究[D];華北電力大學(xué)（河北）;2006年

10 張倩;基于SVR的煙氣含氧量軟測量方法研究[D];華北電力大學(xué);2013年

，

本文編號：644007