煉焦生產(chǎn)是眾多工業(yè)生產(chǎn)過程中較為復(fù)雜的一個。要實現(xiàn)煉焦生產(chǎn)過程綜合生產(chǎn)指標的優(yōu)化,關(guān)鍵是要智能合理控制煉焦能耗。論文在充分分析了煉焦生產(chǎn)特點和工藝過程的基礎(chǔ)上,對算法在煉焦生產(chǎn)上的應(yīng)用作了適應(yīng)性分析,選出公理模糊集算法(AFS算法)作為理論基礎(chǔ),再通過對煉焦數(shù)據(jù)報表分析確定了影響因素,據(jù)此建立了基于AFS算法的煉焦生產(chǎn)過程綜合生產(chǎn)指標模型,并提出構(gòu)建了模型結(jié)果優(yōu)化過程。針對煉焦生產(chǎn)中相關(guān)因素眾多、因素相互影響且控制具有強大滯后性等特點,設(shè)計建立了一種基于模糊語義規(guī)則和邏輯推理相結(jié)合的數(shù)學(xué)模型。首先對采集的煉焦生產(chǎn)數(shù)據(jù)進行了合理分析,確定了10個煉焦生產(chǎn)主要因素并依此建立了兩套數(shù)據(jù)庫;然后通過隸屬函數(shù)對煉焦生產(chǎn)數(shù)據(jù)進行分析,確定隸屬度分類參數(shù),實現(xiàn)了數(shù)據(jù)到算法的直接對接,減少了人工參與。隨后通過數(shù)據(jù)庫大量數(shù)據(jù)的輸入,計算得出了圍繞煉焦耗熱量較低的復(fù)雜語義集,且訓(xùn)練精度達到了77.81%,測試數(shù)據(jù)精度達到了76.67%,基本滿足生產(chǎn)要求,并據(jù)此推測出了煉焦生產(chǎn)優(yōu)化參數(shù)控制范圍。隨著輸入數(shù)據(jù)量的逐漸增多,輸出語義集也逐漸龐大。因此通過對復(fù)雜語義集的分析,發(fā)現(xiàn)相關(guān)的復(fù)雜語義數(shù)量較多,對于實際應(yīng)用仍然存在一定局限性。針對這一問題,提出了一種基于參數(shù)調(diào)整和頻數(shù)相結(jié)合的優(yōu)化約簡過程,得出的約簡結(jié)果滿足實際生產(chǎn)的一般規(guī)律,提高了AFS算法在煉焦工業(yè)生產(chǎn)上的實用價值。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TQ520.6
【部分圖文】：

算法建模分類Fig.1.1Algorithmmodelingclassification數(shù)據(jù)規(guī)則提取型數(shù)據(jù)特征

數(shù)據(jù)處理流程

圖 3.1 實際結(jié)焦時間-煉焦耗熱量關(guān)系Fig.3.1 Coking time  the relationship between consumption of heat

【參考文獻】

相關(guān)期刊論文 前10條

1 張宇博;舒紅平;;改進的BP神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2015年03期

2 李艷紅;趙文波;常麗萍;王美君;王平艷;楊榮;;煉焦機理和焦炭質(zhì)量預(yù)測的研究進展[J];化工進展;2014年05期

3 劉春梅;;基于遺傳算法的煉焦配煤最優(yōu)化配置研究[J];制造業(yè)自動化;2012年02期

4 馮立穎;;改進的BP神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J];計算機仿真;2010年12期

5 儲琳琳;郭純生;;淺析BP神經(jīng)網(wǎng)絡(luò)算法的改進和優(yōu)化[J];科技經(jīng)濟市場;2009年04期

6 張燕麗;劉曉東;;AFS理論的模糊聚類[J];計算機工程與應(yīng)用;2009年09期

7 王偉;吳敏;雷琪;曹衛(wèi)華;;煉焦生產(chǎn)過程質(zhì)量產(chǎn)量能耗的集成優(yōu)化控制[J];化工學(xué)報;2008年07期

8 孟召平;田永東;雷e

本文編號：2821242