基于正则化随机配置网络的球磨机工况识别

作者：赵立杰; 邹世达; 郭烁; 黄明忠^*

来源：控制工程, 2020, 27(01): 1-7.

DOI：10.14107/j.cnki.kzgc.20190437

• 随机神经网络
• 随机配置网络
• 正则化
• 球磨机
• 工况识别

随机配置网络(Stochastic Configuration Network, SCN)在不等式约束监督机制下能够自动快速构建万能逼近器,在大数据建模领域具有潜在优势。为了增强模型的准确性和稳定性,在经典随机配置网络基础上提出带有L2范数正则化的随机配置网络,改善输出权重最小二乘解析解的代数属性,避免模型过拟合的结构风险。针对大范围非平稳操作工况下球磨机负荷运行状态识别问题,使用正则化随机配置网络构建球磨机负荷运行工况识别模型。球磨机实验结果表明,所提出的正则项SCN模型在识别准确性和模型性能稳定性方面相对经典SCN和RVFL模型,具有相对优势。

• 单位
  沈阳化工大学