干熄焦工藝是一種新興的制焦工藝,相比于傳統(tǒng)濕熄焦工藝,熱能回收效率高,出焦質(zhì)量好,且污染物排放量低,在我國鋼鐵產(chǎn)業(yè)技術(shù)升級中扮演重要的角色。干熄焦系統(tǒng)是一個復(fù)雜的非線性系統(tǒng)并且具有很高的延時性,因此一般采用模型預(yù)測控制來實現(xiàn)對干熄焦系統(tǒng)的控制,但模型預(yù)測控制的精準(zhǔn)程度受制于回歸預(yù)測模型的精準(zhǔn)程度。因此本文希望能夠提出一種能夠?qū)崿F(xiàn)變量選擇的非線性建模方法,從而使得預(yù)測模型擁有結(jié)構(gòu)簡單,響應(yīng)速度快,預(yù)測精度高等優(yōu)點。以滿足模型預(yù)測控制對預(yù)測模型的精度要求。論文首先對目前國內(nèi)外干熄焦工藝的發(fā)展情況進行介紹,并且對神經(jīng)網(wǎng)絡(luò)建模方法與變量選擇方法的發(fā)展?fàn)顩r與基本原理進行了介紹。之后通過對干熄焦系統(tǒng)工作流程的分析,以及對現(xiàn)場工業(yè)數(shù)據(jù)的分析,選取鍋爐進氣溫度作為建模的目標(biāo)變量,并對數(shù)據(jù)集進行初步選取,選擇了18個協(xié)變量作為預(yù)測建模與變量篩選的備選變量。為實現(xiàn)變量篩選與非線性建模,本文提出了一種基于Lasso懲罰與神經(jīng)網(wǎng)絡(luò)的變量篩選建模方法（Lasso-ANN）,并對該算法的算法流程進行了詳細(xì)介紹。除此之外還對該算法中的關(guān)鍵環(huán)節(jié)進行了更為詳細(xì)的介紹。在利用Lasso-ANN進行變量篩選的過程中存在一個... 

【文章來源】：齊魯工業(yè)大學(xué)山東省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

人工神經(jīng)元數(shù)學(xué)模型

而掀起了第二次研究人工神經(jīng)網(wǎng)絡(luò)的熱潮。高性能集成電路芯片不斷出現(xiàn)，如斯坦福大學(xué)的 Bo14 年在 proceedings of the IEEE 期刊發(fā)表的論文中指出新的電路板‘Neurogrid’能夠模擬 100 萬個神經(jīng)元以些技術(shù)是的神經(jīng)網(wǎng)絡(luò)的大規(guī)模實現(xiàn)變得相對簡單，學(xué)網(wǎng)絡(luò)研究熱潮。絡(luò)的基本介紹網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，以及計算機硬件運算能力的提各異的神經(jīng)網(wǎng)絡(luò)如，廣義回歸神經(jīng)網(wǎng)絡(luò)[15,16]、自組織絡(luò)[18,19]以及專門面向復(fù)雜 MIMO 系統(tǒng)解耦控制的 PID線性復(fù)雜系統(tǒng)建模中，常用的有多層感知器 M及隱含層由徑向基函數(shù)(Radial Basis Function, RBF)構(gòu)層感知器的網(wǎng)絡(luò)模型為典型的多層前饋神經(jīng)網(wǎng)絡(luò)(MFeural network)，網(wǎng)絡(luò)結(jié)構(gòu)如圖 1.2 所示：

第 2 章 干熄焦技術(shù)的理論基礎(chǔ)及初步過程數(shù)據(jù)分析.1 干熄焦系統(tǒng)的基本結(jié)構(gòu)和工作原理顧名思義干熄焦技術(shù)是一種需要使用冷水便可使熾熱紅焦降溫的熄焦方法。干熄焦過程中，紅焦從干熄爐頂部裝入，低溫隋性氣體經(jīng)過循環(huán)風(fēng)機加壓從干爐下部吹入，冷的惰性氣體與熾熱紅焦進行熱量交換，冷卻后的焦炭從干熄爐部排出，而升溫后的高溫惰性氣體上升進入干熄爐上的環(huán)形煙道被輸送至鍋爐以加熱鍋爐生產(chǎn)蒸汽，而冷卻后的惰性氣體再次由循環(huán)風(fēng)機鼓入干熄爐，惰性體在封閉的系統(tǒng)內(nèi)循環(huán)使用。相比于傳統(tǒng)濕熄焦技術(shù)，干熄焦在節(jié)能、環(huán)保和善焦炭質(zhì)量等方面都有明顯優(yōu)勢[56]。因此作為新興的節(jié)能環(huán)保裝置在我國鋼鐵業(yè)的制焦工藝中得到普遍推廣。本節(jié)將結(jié)合干熄焦裝置結(jié)構(gòu)圖對干熄焦系統(tǒng)的構(gòu)與工作原理進行介紹。干熄焦裝置結(jié)構(gòu)圖如圖 2.1 所示：

【參考文獻(xiàn)】：
期刊論文
[1]非參數(shù)非線性系統(tǒng)的變量選擇及研究進展[J]. 白爾維,李慷,趙文虓,牟必強,鄭衛(wèi)新.  中國科學(xué):數(shù)學(xué). 2016(10)
[2]光譜數(shù)據(jù)分析中的通用非線性變量篩選新方法[J]. 陳達(dá),閆孟雨,李奇峰,于苓,金涌,徐可欣.  納米技術(shù)與精密工程. 2015(03)
[3]干熄焦技術(shù)的節(jié)能減排及環(huán)保分析[J]. 王永林.  煤化工. 2011(03)
[4]我國干熄焦技術(shù)的回顧與現(xiàn)狀分析[J]. 張秋強,譚豫章,董興宏.  燃料與化工. 2010(05)
[5]干熄焦系統(tǒng)優(yōu)化操作與控制[J]. 葛海標(biāo),蔣澤義,劉建偉.  燃料與化工. 2010(04)
[6]RBF網(wǎng)絡(luò)在基于動載的路面識別中的應(yīng)用[J]. 李忠國,張為公,王琪,李世民.  重慶工學(xué)院學(xué)報(自然科學(xué)版). 2009(01)
[7]基于廣義回歸神經(jīng)網(wǎng)絡(luò)的經(jīng)濟預(yù)測模型研究[J]. 范群林,李桃,吳花平.  商場現(xiàn)代化. 2008(26)
[8]PID神經(jīng)網(wǎng)絡(luò)內(nèi)�？刂圃跐穹煔饷摿蛑械膽�(yīng)用[J]. 沈永俊,顧幸生.  清華大學(xué)學(xué)報(自然科學(xué)版). 2007(S2)
[9]基于Matlab的自組織神經(jīng)網(wǎng)絡(luò)在油氣層識別中的應(yīng)用研究[J]. 王家華,李志勇,周冠武.  電腦知識與技術(shù). 2006(35)
[10]學(xué)習(xí)矢量量化的推廣及其典型形式的比較[J]. 程劍鋒,徐俊艷.  計算機工程與應(yīng)用. 2006(17)

博士論文
[1]基于核方法的非線性系統(tǒng)變量選擇及其應(yīng)用[D]. 蘇盈盈.重慶大學(xué) 2014

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[D]. 呂嬋.華中科技大學(xué) 2007
[2]RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在模式分類中的應(yīng)用研究[D]. 穆云峰.大連理工大學(xué) 2006



本文編號：2987620