水泥煅燒過程是復雜且連續(xù)的工藝過程,具有時變時延性、非線性和不確定性等特征。水泥煅燒過程電耗和煤耗的準確預測可以為水泥生產(chǎn)的節(jié)能降耗和生產(chǎn)管理調(diào)度提供充足信息依據(jù),因此水泥煅燒能耗的預測具有重要的意義。水泥煅燒過程中的特性導致難以建立準確的水泥煅燒能耗預測模型,所以提出了滑動窗口深度信念網(wǎng)絡(luò)水泥煅燒能耗預測模型（Sliding Window Deep Belief Network,SW-DBN）。為了解決難以確定最優(yōu)模型結(jié)構(gòu)的問題,進一步提出了改進粒子群優(yōu)化算法（Improved Particle Swarm Optimization,IPSO）對SW-DBN結(jié)構(gòu)參數(shù)進行優(yōu)化,實現(xiàn)了水泥煅燒過程能耗的精確預測和模型結(jié)構(gòu)的自動尋優(yōu)。具體研究工作如下:首先,介紹新型干法水泥生產(chǎn)工藝,具體分析水泥煅燒過程的重要工序,了解時變時延特性、非線性和不確定性對能耗預測的影響。通過研究水泥生產(chǎn)變量和煅燒過程電耗和能耗的影響關(guān)系,確定預測模型的相關(guān)輸入變量。其次,針對水泥煅燒過程的時變時延性、非線性和不確定性特征,建立了基于滑動窗口深度信念網(wǎng)絡(luò)的水泥煅燒能耗預測模型。該模型采用滑動窗口技術(shù)將包含時變時延... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

水泥熟料煅燒工藝圖

第2章水泥煅燒工藝分析和能耗預測模型框架設(shè)計-17-兩個參數(shù)，以SW-DBN網(wǎng)絡(luò)的訓練均方誤差為目標函數(shù)，實現(xiàn)SW-DBN模型結(jié)構(gòu)參數(shù)的自動尋優(yōu)�；谒嗌a(chǎn)企業(yè)數(shù)據(jù)庫中的實際數(shù)據(jù)，對上述兩個模型進行實驗分析，驗證SW-DBN和IPSO-SW-DBN模型的有效性。具體模型框架設(shè)計如圖2-2所示。圖2-2水泥煅燒能耗預測模型設(shè)計框圖2.5本章小結(jié)本章主要介紹了新型干法水泥生產(chǎn)工藝和水泥煅燒能耗預測模型框架。通過研究水泥煅燒過程的主要工序，分析水泥生產(chǎn)變量與電耗和煤耗的影響關(guān)系，確定影響水泥煅燒過程能耗的關(guān)鍵變量。然后介紹了水泥煅燒過程的時變時延特性，不確

燕山大學工程碩士學位論文-20-圖3-1SW-DBN水泥煅燒能耗預測模型結(jié)構(gòu)框圖SW-DBN的水泥煅燒能耗預測模型的結(jié)構(gòu)圖如圖3-2所示。X和Y分別表示模型的輸入變量和輸出變量，表示滑動窗口的大校圖3-2紅色框體部分展示了滑動窗口將水泥生產(chǎn)周期內(nèi)的變量數(shù)據(jù)生成為時序數(shù)據(jù)的過程。可以看出SW-DBN由可見層、隱含層和輸出層三部分構(gòu)成�？梢妼拥纳窠�(jīng)元與輸入變量的時序數(shù)據(jù)對應，隱含層由多個受限玻爾茲曼機(RestrictedBoltzmannMachine，RBM)堆疊而成，輸出層的神經(jīng)元分別對應著模型擬合得到的水泥煅燒電耗值和煤耗值。圖3-2滑動窗口深度信念網(wǎng)絡(luò)模型結(jié)構(gòu)圖

【參考文獻】：
期刊論文
[1]一種基于進化的自適應卡爾曼修正粒子群優(yōu)化算法[J]. 侯森,李才發(fā).  焦作大學學報. 2018(04)
[2]基于MI-LSSVM的水泥生料細度軟測量建模[J]. 趙彥濤,單澤宇,常躍進,陳宇,郝曉辰.  儀器儀表學報. 2017(02)
[3]中國水泥生產(chǎn)與碳排放現(xiàn)狀分析[J]. 魏軍曉,耿元波,沈鐳,岑況.  環(huán)境科學與技術(shù). 2015(08)
[4]基于改進多元非線性算法的水泥電耗預測建模[J]. 趙輝,張寧,蔡萬通,王紅君,岳有軍.  制造業(yè)自動化. 2015(01)
[5]鋼鐵企業(yè)能耗分析模型的建立及應用[J]. 申銀花,張琦.  冶金能源. 2014(02)
[6]能源投入產(chǎn)出模型的改進[J]. 謝國威,王慶泉,孫文強,姜延朔,姜奎波.  冶金能源. 2013(05)
[7]指數(shù)平滑法及其在負荷預測中的應用[J]. 陳娟,吉培榮,盧豐.  三峽大學學報(自然科學版). 2010(03)
[8]自底向上加快神經(jīng)網(wǎng)絡(luò)學習的算法[J]. 楊鐘瑾.  湖南師范大學自然科學學報. 2006(03)
[9]人工神經(jīng)網(wǎng)絡(luò)混合剪枝算法[J]. 李倩,王永縣,朱友芹.  清華大學學報(自然科學版). 2005(06)

碩士論文
[1]基于投入產(chǎn)出法的鋼鐵企業(yè)能耗分析模型研究[D]. 趙佳駿.東南大學 2015
[2]BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法的研究及應用[D]. 趙壽玲.蘇州大學 2010
[3]新型干法水泥生產(chǎn)線混合控制系統(tǒng)設(shè)計與研究[D]. 李立峰.武漢理工大學 2008



本文編號：2941042