基于LLE的HMM回轉(zhuǎn)窯喂煤預(yù)測.pdf

1、回轉(zhuǎn)窯是燒結(jié)法生產(chǎn)氧化鋁的關(guān)鍵工藝設(shè)備，窯內(nèi)燒結(jié)過程是一類典型的復(fù)雜工業(yè)過程對象，具有強耦合、多干擾、大時滯、時變非線性等特征，生產(chǎn)過程的自動控制難度很大。在熟料燒結(jié)過程中，喂煤量是窯前操作的主要控制變量，準確調(diào)節(jié)窯內(nèi)喂煤量可以穩(wěn)定窯內(nèi)工況，提高熟料的質(zhì)量和產(chǎn)量。由于窯內(nèi)工況、煤粉質(zhì)量、料漿成分、窯皮結(jié)構(gòu)對喂煤量的影響很大，使得有經(jīng)驗的操作工人也比較難以把握對喂煤量的加減。
　　本文通過分析窯前各熱工數(shù)據(jù)與喂煤趨勢的關(guān)系，提出一種

2、基于局部線性嵌入(LLE)的隱馬爾可夫模型(LLE-HMM)以實現(xiàn)對窯內(nèi)喂煤趨勢進行預(yù)測。首先針對熱工數(shù)據(jù)進行去噪、濾波和標準化等預(yù)處理，然后采用LLE進行非線性變換提取特征，接著通過量化處理得到符號值序列，最后結(jié)合 DS證據(jù)理論使用LLE-HMM進行預(yù)測。通過對窯前數(shù)據(jù)仿真，結(jié)果表明該方法可對窯前喂煤趨勢進行有效預(yù)測。論文主要的工作內(nèi)容如下：
　　(1)分析了PCA、ICA、LDA這些線性變換方法的特點和不足，針對窯前時間序列數(shù)

3、據(jù)引入非線性變換進行特征提取。采用流形學習中局部線性嵌入(LLE)進行變換，并且對于數(shù)據(jù)的增量處理問題，采用更新代價矩陣的方法進行權(quán)值重新計算。
　　(2)將隱馬爾可夫模型(HMM)應(yīng)用在喂煤趨勢的預(yù)測中，在模型中采用等比例縮放量化的方法進行時間序列符號化處理，同時針對模型的訓(xùn)練算法(Baum-Welch)依賴初值的選擇及容易陷入局部最優(yōu)進行了優(yōu)化處理，最后結(jié)合DS證據(jù)理論使用HMM進行喂煤趨勢預(yù)測。
　　(3)將HMM與

4、BP、SVM、ELM這幾種預(yù)測模型進行對比，可以發(fā)現(xiàn) HMM在熱工信號這類動態(tài)時序信號分類預(yù)測方面具有一定的優(yōu)勢。實驗中應(yīng)用HMM對回轉(zhuǎn)窯熱工數(shù)據(jù)進行喂煤趨勢預(yù)測，并將 LLE-HMM與其他線性變換的模型進行對比，結(jié)果表明LLE-HMM對窯內(nèi)喂煤趨勢預(yù)測具有較高的精度。
　　本文通過分析窯前熱工數(shù)據(jù)的特征，采用LLE-HMM對回轉(zhuǎn)窯喂煤趨勢進行預(yù)測。實驗仿真結(jié)果表明，該方法可以有效判斷喂煤趨勢的變化，可以為回轉(zhuǎn)窯的人工操作和專家控