針對球團鏈箅機預熱段溫度場因非線性、時滯性、不確定性等特點難以通過傳統(tǒng)的理論分析方法建立數學模型的問題,建立貝葉斯-BP神經網絡,對該溫度場模型進行系統(tǒng)辨識,對比模型預測輸出值與實際系統(tǒng)輸出值,通過仿真與實驗分析該辨識模型的擬合效果。結果表明:貝葉斯-BP神經網絡擬合效果較好,其線性擬合度近似為1,最終預測誤差約為0.014 K,預測相對誤差在5%范圍內,構建的預熱段溫度場模型準確可靠且適用性強,可為預熱段溫度場均衡穩(wěn)定控制提供理論指導。

【文章頁數】：6 頁

【部分圖文】：

圖1球團鏈箅機預熱段熱風流工藝流程

球團鏈箅機預熱段溫度場主要由空間氣體溫度和球團料層溫度兩部分構成,其隨時間呈非線性分布狀態(tài),因此,可將其視為一個復雜的非線性系統(tǒng)。氣流作為鏈箅機內熱量的重要載體,調節(jié)其在預熱段中的流量是控制系統(tǒng)熱量分布、穩(wěn)定溫度場的主要手段。球團鏈箅機預熱段熱風流工藝流程如圖1所示。由圖1可知:....

圖2BP神經網絡結構示意

BP(BackPropagation)神經網絡是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡,如圖2所示。由圖2可知:BP神經網絡模型拓撲結構包括輸入層、隱含層和輸出層。其網絡學習過程由數據流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構成。當正向(由輸入層到隱含層再到....

圖3貝葉斯-BP神經網絡辨識建模流程

貝葉斯-BP神經網絡對非線性系統(tǒng)具有良好的擬合能力,其辨識建模流程如圖3所示,其中X(X={x1,x2,x3,x4,x5,x6})為球團鏈箅機預熱段溫度場和貝葉斯-BP神經網絡的輸入,y為系統(tǒng)的輸出,y′為貝葉斯-BP神經網絡的實際輸出,e為系統(tǒng)輸出和網絡實際輸出的誤差。在辨識過....

圖4貝葉斯-BP神經網絡的訓練誤差

針對球團鏈箅機預熱段溫度場進行系統(tǒng)辨識建模與仿真,其中,將215組數據分3種工況用于貝葉斯-BP神經網絡訓練,結果如圖4所示。由圖4可知:貝葉斯-BP神經網絡訓練過程中,誤差隨訓練時間的變化逐漸減少,在經過378個單位時間以后,網絡誤差逼近要求。3種工況下的仿真結果如表1所示。由....

本文編號：3913753