基于HMM的回转窑喂煤量趋势预测-控制科学与工程专业论文.docxVIP

基于HMM的同转窑喂煤量趋势变化预测方法摘 基于HMM的同转窑喂煤量趋势变化预测方法 摘 要 回转窑是水泥、冶金、钢铁等基础工业中的重要热工设备。其结构复杂、操 作参数多，是一个多变量、非线性、强耦合、大时滞的被控对象。国内大部分采 用原煤作为燃料，窑前生产过程中的窑内工况、窑皮结构、料浆成份、煤粉质量 对窑前喂煤操作量有着很大的影响。因此在许多复杂工况条件下，即使由有经验 的操作工人也较难判断是否增加或减少窑内的喂煤量。目前回转窑计算机异地监 控系统已经在现场广泛应用，积累了大量的时间序列数据，其中蕴含了几年来相 关的人工控制经验等关键知识，却并没有得到充分利用。基于隐马尔可夫模型 (HMM)的语音识别、计算机入侵检测等领域已经得到广泛的研究，但是较少将 HMM应用到具体工业现场时间序列分析中。因此，本文将利用隐马尔可夫模型 分析工业现场的时间序列。提取现场热工数据的趋势特征，分析大量时序数据变 化与喂煤趋势方向的关系，提出一种基于混合隐马尔可夫模型的回转窑喂煤量趋 势预测方法，具体内容如下。 (1)利用曲线拟合和斜率区域分布获取时间序列趋势特征，鉴于回转窑热工 变量具有多样性的特点，应用主成分分析方法对上述特征属性进行约简，得到喂 煤量趋势变化影响的主要因素，建立喂煤量变化趋势的上升和下降训练数据库。 (2)针对连续隐马尔可夫模型(CHMM)和离散隐马尔可夫模型(DHMM) 在建模时的不同点，分别建立了连续喂煤趋势预测模型和离散预测模型，利用上 升和下降训练数据分别对上述模型进行训练，得到上升HMM评价模型和下降 HMM评价模型。 (3)针对传统的HMM模型训练算法(Baum．Welch)具有容易陷入局部最优 以及对初值依赖的特点，本文采用模拟退火算法来对其行改进，提升训练精度。 (4)在预测(辨识)阶段，计算待预测特征序列量相对评价模型的似然概率， 来判断当前喂煤量的趋势变化情况，从而实现对回转窑专家控制系统的辅助控制。 现场数据的实验结果表明本文提出的基于HMM的喂煤趋势预测方法可以有 效判断复杂工况条件下的窑前加减煤操作方向，为回转窑的人工控制和专家控制 提供可靠指导。 关键词：喂煤量预测；隐马尔可夫模型；模拟退火；时间序列；特征提取 II 硕士学位论文Abstract 硕士学位论文 Abstract Rotary kiln belongs to large thermal equipment，which is important to the production process of basic industries．Such as cement，metallurgy and steel，etc．It involves a lot of operating parameters and has complicated structure．In rotary control system，the kiln is a multivariate，nonlinear and strong coupling controlled object．Coal instead of fuel nOW is widely used in rotary kiln sintering department in China．The kilns conditions，skin structure，pulp ingredients and the coal’S quality have great influence to the coal feeding operation during the production process．Therefor，in some complex conditions，it is difficult to determine whether increase or decrease the amount of feed coal even for the experienced workers．Nowadays，remote monitoring system，which is controlled by computer,has been widely used in kiln’S contr．01．Massive of time series，which contains a lot of key knowledge and relevant artificially control experience，has been obtained．But it has not been sufficiently used． HMM．based(Hidden Markov Model．based)time