基于多信息融合的双进双出磨煤机料位检测
崔宝侠1
曲星宇2
段勇1
颜世康3
曹侠1
1.沈阳工业大学信息科学与工程学院,沈阳,1108702.沈阳工业大学信息科学与工程学院,沈阳,110870;北方重工集团有限公司,沈阳,1108603.北方重工集团有限公司,沈阳,110860
摘要：针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集(RST)和径向基(RBF)神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.
关键词：双进双出磨煤机料位检测运行参数分析粗糙集径向基神经网络多信息数据融合遗忘因子梯度下降算法
分类号：TP273.4(自动化技术及设备)
资助基金：国家自然科学基金(60672078)辽宁省教育厅项目(2006T102)沈阳工业大学博士启动基金(521102302)
论文发表日期：2010-01-01
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）
英文信息