导读:本文包含了回转窑煅烧温度论文开题报告文献综述及选题提纲参考文献，主要关键词:石灰回转窑,煅烧带温度,核主成分分析,最小二乘支持向量机
回转窑煅烧温度论文文献综述
田中大,张月,毛程程,张超[1]（2018）在《石灰回转窑煅烧带温度的软测量方法》一文中研究指出作为石灰回转窑生产过程中的重要参数,煅烧带温度对于石灰生产质量有着极大的影响。由于回转窑结构的特殊性,且煅烧带温度极高,煅烧带温度很难利用传感器直接测量。针对石灰回转窑煅烧带温度的测量问题,将石灰回转窑煅烧带温度作为研究对象,提出了一种软测量方法。利用生产现场易测的数据建立回转窑煅烧带温度的软测量模型。首先引入核主成分分析对采集的可测数据进行主成分的提取,减少预测模型输入变量之间的耦合与相互干扰,同时减少了建模的复杂度。然后通过最小二乘支持向量机对石灰回转窑煅烧带温度建模。最小二乘支持向量机预测性能与模型参数有着很大的关系,为了提高预测精度,利用具有良好优化性能的和声搜索算法对最小二乘支持向量机预测模型中的参数进行优化。仿真实验结果表明,提出的回转窑煅烧带温度软测量方法具有较高的预测精度,减少了预测误差,预测值较好的反映了回转窑煅烧带温度的变化趋势。同时,减少了建模的复杂度。提出的石灰回转窑煅烧带温度软测量方法是有效的。(本文来源于《电子测量与仪器学报》期刊2018年01期）
王玉昆,陈雪波[2]（2017）在《改进的蝙蝠算法优化的回转窑煅烧带温度Isomap-SVR软测量模型》一文中研究指出以铁矿球团生产过程关键技术指标回转窑煅烧带温度为软测量对象,提出一种基于支持向量机回归(Support vector regression,SVR)的软测量建模方法。首先通过对回转窑工艺的分析选取软测量模型的辅助变量,采用等距特征映射(Isometric feature mapping,Isomap)方法对SVR模型的高维输入数据进行降维。然后应用基于莱维飞行、自适应柯西变异策略和变步长搜索机制改进的蝙蝠算法搜索SVR软测量模型的参数C和δ,优化模型结构。最后结合球团生产装置历史数据进行了软测量模型的仿真实验,对比仿真结果表明该模型稳定性好,提高了煅烧带温度的预测精度,能够对回转窑煅烧过程的安全生产和优化运行起到实时指导作用。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
田中大,高宪文,李树江,王艳红[3]（2016）在《基于IPSO算法的回转窑煅烧带温度D-FNN预测控制》一文中研究指出为了提高石灰回转窑煅烧带温度的控制性能,提出一种基于改进的粒子群优化算法(IPSO)与动态模糊神经网络(D-FNN)的预测控制方法。该方法利用动态模糊神经网络建立石灰回转窑煅烧带温度的非线性预测模型,通过输出温度的预测值,引入输出反馈与偏差来校正预测误差,建立偏差与控制量的控制性能指标,通过改进的粒子群优化算法滚动优化得到系统最优控制量。对控制方法的稳定性进行分析。仿真实验结果表明动态模糊神经网络的温度预测误差在±10℃之内,具有较高的预测精度。提出的预测控制方法能使输出煅烧带温度快速稳定地跟踪设定值的变化,同时在系统输出有扰动的情况下也能较好地跟踪设定值。控制量的平均单步滚动优化需0.31 s,可满足实际应用。(本文来源于《中南大学学报(自然科学版)》期刊2016年10期）
孙伟,聂婷,杨海群[4]（2015）在《基于改进极根学习机的回转窑煅烧带温度预测方法》一文中研究指出针对传统算法预测回转窑煅烧带温度存在精度低、速度慢的问题,提出了基于改进极限学习机(ELM)的回转窑煅烧带温度预测方法;对ELM输入权值矩阵定义了变换系数,采用黄金分割法在给定区间内搜寻变换系数的最佳值,改进了ELM网络参数的确定方式,弥补了随机确定输入权值并且不作调整的缺陷,在保证ELM训练速度的前提下提高预测精度、减小模型随机性;实验结果表明,改进的ELM预测精度高、训练速度快、模型性能优,可满足工况恶劣的回转窑的生产需要。(本文来源于《计算机测量与控制》期刊2015年01期）
曾盈[5]（2014）在《碳素煅烧回转窑煅烧温度控制系统研究》一文中研究指出铝用阳极是电解铝生产过程中主要材料之一。煅烧是碳素制品生产第一道，但却比较重要的工序，对铝用阳极制品的质量有很大影响。煅烧温度是回转窑煅烧过程中比较关键的一个因素，它的高低及能否稳定控制对煅后焦质量和产量起着决定性作用。回转窑煅烧过程比较复杂，是一个大滞后、参数分布、多变量、时变、多耦合的控制对象，难以建立精确的数学模型，采用传统的控制算法也难以获得理想的效果。目前大多企业仍然采用人工看火结合上位机监测参数进行煅烧温度的控制，能耗高、生产率低下并且产品质量不稳定。针对回转窑中煅烧过程中温度控制问题，论文以兖矿集团电铝公司电解铝厂回转窑煅烧过程为背景，详细介绍了回转窑的结构及工作原理，并在分析生石油焦回转窑煅烧工艺过程的基础上对影响回转窑煅烧温度的因素进行了探讨。基于对回转窑煅烧温度影响因素的分析，以及回转窑煅烧过程自身的复杂性，提出了将改进后的极限学习机用于回转窑煅烧温度预测建模的思想，并根据现场实际生产采集的数据，应用Matlab对该模型进行仿真，验证了该预测模型的有效性。同时，针对温度的控制要求，结合预测算法将智能技术与传统PID技术相结合，提出了模糊免疫自适应PID窑温控制模型，通过对给料量的恒定控制实现温度的控制，较传统PID控制具有超调量小、过渡过程时间短、稳态性能好等优点。最后结合阳极煅烧车间生产现状，针对温度控制过程及整个煅烧过程中检测到的各种参数仍未实现有效集成，立足于兖矿电铝公司电解铝厂实施的信息化项目，详细介绍了煅烧车间监控系统的软、硬设计，该监控系统已经处于试运行阶段。(本文来源于《中国矿业大学》期刊2014-05-01）
杜启亮,莫鸿强[6]（2012）在《基于EMD的锌钡白回转窑煅烧温度滤波》一文中研究指出针对回转窑煅烧温度接触式测温方式中由于窑体转动引起的测量值的波动问题,提出采用基于经验模态分解的滤波算法来解决。利用固有模态函数的窄带性和频率递减性分别设计了离线和在线滤波算法。对仿真数据和锌钡白回转窑实际数据的处理结果表明,该滤波算法不但可以有效滤除窑体转动带来的干扰,而且可适应窑体转速在既定范围内变化的情况。(本文来源于《石油化工自动化》期刊2012年05期）
覃涛,孟传良[7]（2012）在《回转窑煅烧带温度模糊-PID控制系统的设计》一文中研究指出本文提出了一种按照窑头温度结合回转窑表面温度等工艺参数,依据它们与煅烧带温度具有相似性的原理,采用模糊-PID算法设计控制器的方案,并对控制器进行了仿真实验。(本文来源于《贵州大学学报(自然科学版)》期刊2012年04期）
熊唯[8]（2011）在《回转窑煅烧温度预测控制综合方法研究》一文中研究指出回转窑是冶金行业中的关键设备,其运行状态直接影响产品质量、能源消耗、生产安全以及成本。回转窑煅烧温度是反映其运行状态的重要参数,对保证产品质量、实现回转窑的安全稳定运行以及降低劳动强度起着决定性的作用。由于回转窑是一个多变量、非线性、时变、大惯性的典型复杂被控对象,传统的控制方法难以达到理想的控制效果,目前许多场合还是根据现场操作人员的工作经验进行手动调节,自动化程度较低,存在生产效率低、能源消耗高、产品质量不稳定等问题,因此研究回转窑煅烧温度的控制方法具有重大意义。本文以天铁集团石灰矿回转窑为背景,在分析回转窑工艺过程特性、研究影响回转窑煅烧温度因素的基础上,得出通过调节煤气流量和二次风流量可以有效地控制回转窑煅烧温度。本文利用现有的天铁集团石灰矿回转窑实际运行数据,运用T-S模糊建模方法得到了回转窑煅烧温度系统的T-S模型。采用了前件部分和后件部分分开辨识的方法,利用模糊C-均值聚类算法和最小二乘法分别辨识前后件的结构和参数。进一步将该模型转化为线性时变状态空间模型运用于后续的控制算法中。针对回转窑的复杂特性,本文采用预测控制综合方法控制回转窑煅烧温度。预测控制综合方法以最优控制作为最重要的理论参照体系,Lyapunov稳定性分析方法作为性能保证,不变集和线性矩阵不等式作为基本工具,成为当前预测控制理论研究的主流。状态反馈预测控制综合方法存在两个问题,一是该方法只能将系统状态镇定到原点,不能跟踪给定的变化目标；二是该方法受限于其可行域的大小,往往不能实现大范围的控制。本文针对这两个问题改进了状态反馈预测控制综合方法。输出跟踪预测控制综合方法通过将根据给定的输出计算得到的对应的稳定状态和输入作为变量,并修改终端约束来实现输出跟踪。调度预测控制综合方法引入调度的思想,离线设计一系列可行域互相重迭的控制器集合。在线时,在控制器的调度作用下,系统状态在相互交叉的不同可行域之间运动,直至达到设定的目标平衡状态,从而实现大范围控制。最后,本文设计了回转窑煅烧温度控制系统,仿真研究表明预测控制综合方法可以对回转窑煅烧温度进行有效地控制。(本文来源于《东北大学》期刊2011-06-01）
张立,高宪文,王介生,赵娟平[9]（2011）在《基于模型迁移方法的回转窑煅烧带温度软测量》一文中研究指出回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS).首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温度建模,然后用PMBPS算法对窑头温度模型进行规划修正,获得煅烧带温度的软测量模型.仿真验证了所提出的软测量建模方法的有效性.(本文来源于《东北大学学报(自然科学版)》期刊2011年02期）
徐善智[10]（2010）在《回转窑煅烧温度的预测控制方法研究》一文中研究指出近几年,我国的冶金行业保持了较高的发展速度,而且每年都需要消费大量的石灰。因而研究如何对石灰的生产过程进行更好的优化控制,从而提高产品质量、节能降耗,是具有重大的经济意义以及社会意义的。本文在分析了石灰生产工艺过程的基础上。将回转窑最重要的控制参数之一的煅烧带温度,选作被控对象,通过调节煤气流量来对其进行控制。并且利用天铁集团的石灰回转窑历史数据,运用MOESP子空间建模方法,得到了煤气流量与煅烧带温度之间的状态空间模型。进一步将其转变为CARIMA模型形式,应用到后续的控制算法仿真当中。石灰回转窑的生产过程包含复杂的物理化学反应,具有大惯性、多变量、强耦合、存在时变的特点,利用常规的控制方法难以得到理想的控制效果。而子空间预测控制策略是目前预测控制研究的热点之一。本文对子空间预测控制算法做了推导,针对石灰煅烧过程中存在的时变特性,提出了一种基于变遗忘因子的递推子空间控制策略。该策略利用模型匹配误差来计算时变遗忘因子,将其引入到数据矩阵的构造中,使得数据更好的跟随系统信息的变化,进而求取更优的控制量。文中还利用一系列的Givens旋转更新所需要的下叁角矩阵,避免了在控制的每一步都要重新求解一个QR分解的问题,减小了计算量。通过仿真表明,这种控制策略取得了较好的控制效果。其在一定程度上,解决了被控对象参数发生变化时,常规控制算法由于模型失配引起控制性能下降的问题。并且该策略同广义预测控制一样,对于干扰都能及时弥补,减小偏差。同时二者相比较,本文提出的算法响应速度较快。从仿真中还得出了变遗忘因子策略比固定遗忘因子策略自适应能力强的结论。(本文来源于《东北大学》期刊2010-06-01）
回转窑煅烧温度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以铁矿球团生产过程关键技术指标回转窑煅烧带温度为软测量对象,提出一种基于支持向量机回归(Support vector regression,SVR)的软测量建模方法。首先通过对回转窑工艺的分析选取软测量模型的辅助变量,采用等距特征映射(Isometric feature mapping,Isomap)方法对SVR模型的高维输入数据进行降维。然后应用基于莱维飞行、自适应柯西变异策略和变步长搜索机制改进的蝙蝠算法搜索SVR软测量模型的参数C和δ,优化模型结构。最后结合球团生产装置历史数据进行了软测量模型的仿真实验,对比仿真结果表明该模型稳定性好,提高了煅烧带温度的预测精度,能够对回转窑煅烧过程的安全生产和优化运行起到实时指导作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
回转窑煅烧温度论文参考文献
[1].田中大,张月,毛程程,张超.石灰回转窑煅烧带温度的软测量方法[J].电子测量与仪器学报.2018
[2].王玉昆,陈雪波.改进的蝙蝠算法优化的回转窑煅烧带温度Isomap-SVR软测量模型[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[3].田中大,高宪文,李树江,王艳红.基于IPSO算法的回转窑煅烧带温度D-FNN预测控制[J].中南大学学报(自然科学版).2016
[4].孙伟,聂婷,杨海群.基于改进极根学习机的回转窑煅烧带温度预测方法[J].计算机测量与控制.2015
[5].曾盈.碳素煅烧回转窑煅烧温度控制系统研究[D].中国矿业大学.2014
[6].杜启亮,莫鸿强.基于EMD的锌钡白回转窑煅烧温度滤波[J].石油化工自动化.2012
[7].覃涛,孟传良.回转窑煅烧带温度模糊-PID控制系统的设计[J].贵州大学学报(自然科学版).2012
[8].熊唯.回转窑煅烧温度预测控制综合方法研究[D].东北大学.2011
[9].张立,高宪文,王介生,赵娟平.基于模型迁移方法的回转窑煅烧带温度软测量[J].东北大学学报(自然科学版).2011
[10].徐善智.回转窑煅烧温度的预测控制方法研究[D].东北大学.2010