基于PCA的多神经网络水分软测量模型

【摘要】：精矿气流干燥过程涉及气固两相流动、传热传质、干燥动力学等基本理论,过程机理复杂,影响因素多,是一类典型的复杂工业生产过程。干燥后精矿的含水率是干燥过程的一个重要参数,直接影响熔炼反应过程的稳定进行。水分含量检测的人工分析方法存在严重的滞后性,影响了干燥过程的操作优化,研究干燥过程水分含量的软测量模型具有重要的现实意义。针对神经网络模型在输入参数多和规模庞大时存在训练耗时、易产生过拟合、预测精度低以及鲁棒性差等问题,本文提出了基于主元分析的多神经网络水分软测量建模方法。该方法利用主元分析法对输入变量进行降维,采用基于进化策略的K-means聚类方法对数据进行分类,利用每类数据建立子神经网络模型,最后采用主元递归方法求取各子模型连接权值,建立了气流干燥水分软测量多神经网络模型。利用生产现场收集的大量工业运行数据进行仿真实验,结果表明模型能有效实现对气流干燥后精矿含水率的软测量。