2019年马会全年资料歡迎您的到來!

ppr管廠家批發

PPR管批發

PPR球閥批發

臨沂九牧塑膠制品有限公司 導航 ↑↓

行業新聞

當前位置: 2019年马会全年资料 > 新聞中心 > 行業新聞 >

由于焦爐煤氣産量、外送壓力對集氣管壓力設定值 的影響也具有非線性和滞後性的特點,如果單純采用線 性回歸集氣管壓力設定模型不能較好地得到焦爐集氣管 壓力的設定值。RBF神經網絡主要用于函數逼近解決和 模式分類等問題。與其他前向網絡相比,RBF網絡具有 最佳逼近的特性,精度較高[13]。如何确定隐含層節點數 和相應的數據中心是RBF網絡設計的難點,最近鄰聚類 學習算法就能較好地确定隐含層節點數[14],因此結合集 氣管壓力設定模型的特點,集氣管壓力動态設定模型選 用基于最近鄰聚類學習算法的RBF神經網絡算法。

3.2.1神經網絡輸人輸出數據處理

從焦爐生産現場采集的各種數據由于受到儀表精度 和環境的影響帶有大量的噪聲,必須對其進行濾波才能 輸人到神經網絡模型中去。就某一神經網絡模型本身而 言,當輸人和輸出信息在數量級上差别很大時,易造成網 絡各節點間的權值差别過大,緻使網絡性能降低,從而增 加了網絡訓練的難度,往往會影響到預測的精度。因此, 需要标度數據需要采用合适的因子,以改善算法的穩定 性和精度。

3.2.2基于最近鄰聚類學習算法的RBF神經網絡 隐層的生成(包括隐層節點數目、隐層中心和寬度的 确定)是構建RBF神經網絡的關鍵和難點。網絡的複雜 性以及網絡的泛化能力主要受隐層節點數目的影響。在 應用RBF神經網絡時,最近鄰聚類學習算法具有計算量 小、學習時間短等特點。因此結合集氣管壓力設定模型 的特點,本文選用基于最近鄰聚類學習算法的RBF神經 網絡,以較好地确定隐層。在最近鄰聚類算法中,是需要 事先指定隐層寬度r,且需要訓練高斯函數的中心以及 權值。其具體步驟如下:

Setp 1:選擇一個适當的高斯函數寬度~定義1個 矢量4(Z)和1個計數器B(Z)分别用于存放屬于各類的 輸出矢量之和以及用于統計屬于各類的樣本個數,其中I 為類别數。

式中:動态自适應RBF網絡的複雜程度由半徑r的大小

決定。如果/•越小,聚類數目就越多,從而造成計算量也

越大。由于r的确定主要通過實驗和偏差信獲取,這比

确定隐單元的個數和合适的範數要方便。

3.3集氣管壓力設定模型的集成策略

由于焦爐煤氣集氣過程的複雜特性,采用單一的線

性回歸模型或者神經網絡模型都存在不同程度的缺點和

不足,通過模糊組合可以提高精度的原理。對多模型集

成有多種方法,例如:加權并集成、并聯補集成、串聯集成

等。本節針對兩種集氣管壓力優化設定值模型的輸出,

進行模型的集成策略。集成模型如下所示。


式中:y.代表第r組數據中待檢測變量的真實值,通常情 況下未知,用實際檢測值代替;y,代表集成模型對第i組 數據的輸出值;£是偏差平方和;/V是選取的樣本容量。
 

123