资源描述：
《基于神经网络的水泥生料配料多目标优化设计方法_庞强》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第39卷增刊(I)东南大学学报(自然科学版)Vo.l39Sup(I)2009年9月JOURNALOFSOUTHEASTUNIVERSITY(NaturalScienceEdition)Sep.t2009基于神经网络的水泥生料配料多目标优化设计方法1121庞强苑明哲吴星刚王景杨1(中国科学院沈阳自动化研究所工业信息学重点实验室,沈阳110016)2(中国科学院研究生院,北京100039)摘要:为了降低生料成分的不确定性给水泥生料质量控制系统带来的影响,提出了率值补偿的控制策略.分别为三率值创建目标函数,并利用状态空间搜索策略解决多
2、目标优化问题.针对初始样本空间不能覆盖所有样本的问题,提出了基于神经网络的估算模型,对初始样本空间进行拓扑.通过估价函数对状态空间中的状态量进行评价,得到最优的率值状态量;根据率值对原料配比进行调整,最后使率值偏差得到补偿,同时使给配比造成的波动最小.工业实验结果表明,生料的质量合格率由原来的30%提高到50%,该系统能有效地对配料过程进行优化控制.证明了基于神经网络的状态空间搜索策略为水泥生料配料多目标寻优问题提供了一种可行的方法.关键词:生料配料;多目标优化;神经网络;状态空间搜索中图分类号:TP273文献标识码:A文章编号
3、:1001-0505(2009)增刊(I)-0076-06Mult-iobjectiveoptimizationdesignmethodofcontrolsystemincementrawmaterialsblendingprocessbasedonneuralnetwork1121PangQiangYuanMingzheWuXinggangWangJingyang(1KeyLaboratoryofIndustrialInformatics,ShenyangInstituteofAutomation,ChineseAcademy
4、ofSciences,Shenyang110016,China)(2GraduateUniversityoftheChineseAcademyofSciences,Beijing100039,China)Abstract:Inordertoreducetheinfluenceoftheuncertaintyofrawmaterialcomponentsonthecontrolsystemofcementrawmaterialquality,acontrolstrategyisproposedbasedonmodulusvalue
5、compensation.Goalfunctionsarecreatedforthreemodulusvaluesseparately,andmult-iobjectiveoptimizationproblemissolvedwiththestrategyofstate-spacesearch.Aimingattheproblemthattheinitialsamplespacecannotcoverallofthesamples,theestimationmodelbasedonneuralnetworkisbroughtfo
6、rwardforinitialsamplespacetopology.Throughevaluatingthequantityofstatewitheva-luationfunction,theoptimalquantityofstateofmodulusvalueisobtained.Thentherawmaterialconfigurationisadjustedaccordingtothemodulusvalue,andfinallythedeviationofmodulusvalueiscompensated;thesm
7、allestfluctuationtothemixtureratioismadeatthesametime.Industrialexperimentalresultsshowthatthepassrateofqualityisincreasedfrom30%to50%,whichprovesthatthesystemcancontrolrawmaterialblendingprocesseffectivelyandefficiently,andthusprovesthatthestate-spacesearchstrategyb
8、asedonneuralnetworkisavailablefortheproblemofmult-iob-jectiveoptimizationofcementrawmaterialblending.Keywords:rawmaterialblending;m
