基于动态主元分析和极限学习机的分解炉出口温度预测

作者：王祥民; 董学平; 于广宇

来源：测控技术, 2019, 38(12): 35-76.

DOI：10.19708/j.ckjs.2019.12.006

• 分解炉出口温度
• 数据驱动建模
• 动态主元分析
• 降维
• 极限学习机

在水泥生产过程中,为了应对分解炉结构的复杂性和影响出口温度变量的多样性,提出一种动态主元分析(Dynamic Principal Component Analysis,DPCA)与极限学习机(Extreme Learning Machine,ELM)相结合的数据驱动建模预测方法用来预测分解炉出口温度。通过采集的生产数据,提取影响出口温度变量的主元从而达到降维目的,将降维后的变量作为极限学习机的输入,分解炉出口温度作为极限学习机的输出。经极限学习机参数设置、训练、调整,得到出口温度预测模型。仿真验证结果表明,运用动态主元分析和极限学习机相结合的方法建立的分解炉出口温度预测模型具有良好的预测精度,且为后续出口温度的控制研究提供了依据,对水泥高效节能生产具有重要意义。

• 单位
  合肥工业大学