收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

回转干燥生产过程建模与优化控制研究

杜康  
【摘要】:在回转干燥生产过程的研究中,由于回转干燥窑是一个多变量、非线性、时变性、大滞后的复杂控制对象,因此回转干燥窑模型的建立与回转干燥窑控制器的设计一直是回转干燥窑研究的重点与难点。 文章主要的研究工作及其创新如下: 1、文章通过实验获得所要研究的回转干燥窑的工况数据,在实验室做干燥速率实验获取干燥速率实验数据。基于混合模型的思想,根据传热传质的数学方程建立了回转干燥窑的混合动态模型。采用传统的干燥速率建模方法获得干燥速率模型。 2、干燥速率是回转干燥过程建模的一个重要参数,它的精准度直接关系到回转干燥过程模型的实用性。本文提了基于最小二乘支持向量机的方法建立干燥速率模型,并针对最小二乘支持向量机中超参数难确定的问题,设计了用免疫果蝇算法来优化超参数的方法。通过超参数优化后,建模效果有了提高。 3、针对最小二乘支持向量机稀疏性散失的问题,本文提出固定尺寸的最小二乘支持向量机回归方法,把支持向量的个数从所有的输入数据变成少数的输入数据个数以提高模型稀疏性。 4、在非线性支持向量机回归建模的算法中,支持向量机中的核函数的选择是制约建模精度的又一问题,本文设计了多核最小二乘支持向量机并与固定尺度算法相结合设计出了固定尺寸的多核最小二乘支持向量机回归建模方法以提高模型的精度。实验证明要比普通LSSVR精度高。 5、本文提出采用滑模变结构控制算法来设计回转干燥窑的温、湿度控制器,并根据实际生产与研究情况把滑模变结构与模糊控制相结合设计了基于模糊自适用滑模变结构的回转干燥窑控制器。在控制器设计中,对模糊自适应滑模变结构控制能否用于回转干燥窑控制上做了证明。 经过以上研究工作及其创新,设计了回转干燥过程模型及其该模型下的控制器,经过实验仿真证明了所提方法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 邵洁;董楠;;基于相关向量机的物体识别[J];上海电力学院学报;2011年02期
2 朱建鸿;丁健;杨慧中;姜永森;;贝叶斯回归支持向量机的软测量建模方法[J];南京航空航天大学学报;2006年S1期
3 栾英宏;李跃华;;一维距离像识别的相关向量机法[J];探测与控制学报;2009年02期
4 陈其松;陈孝威;张欣;戚琳;吴茂念;;基于粒子群优化支持向量机的火电厂主汽温预测模型[J];微电子学与计算机;2010年07期
5 周欣;许建华;;基于遗传算法与经验误差最小化的SVM模型选择方法[J];南京师范大学学报(工程技术版);2009年02期
6 范红途,刘雅琴;影响微波干燥各因素的分析及实验研究[J];能源研究与利用;1994年02期
7 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
8 吴成东,杜崇峰,杨丽英;基于误差修正码的支持向量机大类别分类方法[J];沈阳建筑工程学院学报(自然科学版);2004年01期
9 朱金好,罗晓萍;基于决策树型SVM的交通标志图像识别[J];长沙理工大学学报;2004年02期
10 胡桥,何正嘉,张周锁,訾艳阳;经验模式分解模糊特征提取的支持向量机混合诊断模型[J];西安交通大学学报;2005年03期
11 杨凌,刘玉树;基于支持向量机的坦克识别算法[J];影像技术;2005年02期
12 胡正平;基于模糊K近邻决策的柔性SVM分类算法[J];仪器仪表学报;2005年S2期
13 李忠伟,张健沛,杨静;基于支持向量机的增量学习算法研究[J];哈尔滨工程大学学报;2005年05期
14 王春歆;李连;张玉叶;;树形结构SVMs多类分类的研究[J];海军航空工程学院学报;2005年02期
15 李亚巍;卞双;;支持向量回归机理论及其应用[J];中国电力教育;2005年S2期
16 任博;张喜斌;张恒喜;;基于最小二乘支持向量机的飞机备件多元分类[J];电光与控制;2006年02期
17 肖汉光;蔡从中;王万录;;利用支持向量机SVM~★识别车辆类型[J];重庆大学学报(自然科学版);2006年01期
18 潘翔;李洁冰;;一种基于支持向量机的目标定位方法[J];浙江大学学报(工学版);2006年03期
19 于昕;韩崇昭;雷明明;;支持向量机在目标分类中的应用[J];电光与控制;2006年04期
20 韦振中;黄廷磊;;基于支持向量机和遗传算法的特征选择[J];广西工学院学报;2006年02期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
4 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
5 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
6 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
7 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
8 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
9 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
10 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 杜康;回转干燥生产过程建模与优化控制研究[D];湖南工业大学;2013年
2 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
3 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
4 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
5 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
6 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
7 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
8 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
9 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
10 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
中国重要报纸全文数据库 前10条
1 林亦枰 林平;影响干燥速率的因素[N];福建科技报;2004年
2 高波;为“超参数发电算违章”叫好[N];经理日报;2009年
3 范文;关注冻结方式 提高冻干效率[N];中国医药报;2006年
4 记者 冉涌;山西“变输煤为输电”渐成现实[N];华北电力报;2008年
5 本报记者 李金金;棉的奇妙用途[N];北京科技报;2009年
6 ;中药药剂学--浓缩与干燥[N];中国中医药报;2003年
7 李水根;计算机详解配伍与药效关系[N];健康报;2005年
8 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
9 蒋中秋;胶粘剂的干燥状态和复合机干燥系统能力估算[N];中国包装报;2003年
10 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978