基于BA-RBFNN控制图模式识别的气化过程参数失稳监控模型
张自川
张进春
河南理工大学 能源科学与工程学院,河南 焦作454000
摘要：为识别固体燃料气化过程参数出现的异常模式(失稳),构建一种基于蜜蜂算法-径向基函数神经网络(BA-RBFNN)控制图模式识别的气化过程参数失稳监控模型,对气化过程参数进行监控.该监控模型主要包括特征描述、特征选择、分类器和训练方法4个模块.选择形状特征和统计特征对气化过程参数进行描述,运用关联规则算法(AR)选择最佳特征集合,选择径向基函数神经网络(RBFNN)作为分类器,采用蜜蜂算法(BA)作为模型的训练方法.为检测模型性能,用模拟数据和气化炉现场数据分别对模型进行测试,并与传统方法对比.结果表明,该模型对气化过程参数出现的异常模式具有更好的识别监控效果.
关键词：气化过程参数模式识别径向基函数神经网络蜜蜂算法关联规则算法
分类号：F253.3(物流经济)X937(安全工程)
资助基金：国家自然科学基金(51774113)
论文发表日期：2021-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 38-47 )
英文信息