基于贝叶斯核学习的软测量模型在浓密洗涤过程中的应用

《基于贝叶斯核学习的软测量模型在浓密洗涤过程中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据分类号UDC密级学位论文基于贝叶斯核学习的软测量模型在浓密洗涤过程中的应用作者姓名：指导教师：申请学位级别：学科专业名称：论文提交日期：学位授予日期：评阅人：杨晓冬王福利教授东北大学信息科学与工程学院硕士学科类别：工学控制理论与控制工程2014年6月论文答辩日期：2014年6月2014年7月答辩委员会主席：李鸿儒何大阔桑海峰东北大学2014年6月万方数据AThesisinControlTheoryandControlEngineeringIII[[1lliIllitllllIllUIElUlll[11IIIY2990735ApplicationofB

2、ayesianKernelLearningBasedonSoftSensortoThickeningProcessByYangXiaodongSupervisor：ProfessorWangFuliNortheasternUniversityJune2014万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢．]左：l恧。学位论文作者签名：相酿

3、奏日期：zo／q．D彭叼学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关gl'-J或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年口一年半口学位论文作者签名：煳醉套签字日期：20J午,“、霸两年留／导师签名：签字日期：万方数据东北大学硕士学位论文摘要基于贝叶斯核学习的软测量模型在浓密洗涤过程中的应用摘要我国蕴藏着丰富的有色金属资源，但是随着社会经济的快速发

4、展和工业化进程的推进，加速了对有色金属资源的消耗，使得有色金属资源日趋枯竭，严重地制约着我国经济社会的可持续发展。湿法冶金能够处理复杂矿、低品位矿，环境污染少，能够高效利用矿产资源，同时易于实现生产过程的连续化和自动化。浓密洗涤过程是湿法冶金过程的一道关键工序，其底流浓度是衡量浓密洗涤过程质量的关键指标。为了实现对浓密洗涤过程的控制和优化，需要建立高精度的浓密洗涤过程模型。本文针对湿法冶金浓密洗涤过程关键变量难以在线测量的问题，在深入分析浓密洗涤过程特点的基础上，利用机理建模与数据建模相结合的混合建模方法实现浓密洗涤过程关键变量的在线预报，在此基础上研究了基

5、于模型评价的模型校正策略，实现模型的在线应用。本文的主要研究工作归纳如下：(1)从浓密洗涤过程矿浆沉降原理出发，依据固体通量理论和质量守恒理论建立浓密洗涤过程矿浆浓度分布机理模型。通过对所建立的模型进行模拟仿真，深入了解了浓密洗涤过程的特性，找出了影响浓密洗涤过程的主要因素，确定了软测量模型中的辅助变量，为建立软测量模型奠定了基础。(2)针对原有机理模型难以在工业现场直接应用的难题，采用并联混合建模方法建立浓密洗涤过程的软测量模型。该模型由简化机理模型与数据补偿模型共同组成，因此能够发挥不同建模方法的优点。考虑到浓密洗涤过程所具有的非线性特性，采用最小二乘支

6、持向量机方法实现对机理模型预报误差的非线性拟合，并利用贝叶斯方法对最小二乘支持向量机的参数进行估计。通过模拟仿真分析，可以看出混合模型能够对机理模型的预测误差进行补偿，进一步提高了模型预测精度。(3)针对软测量模型无法跟踪过程慢时变的特性，提出了一种基于模型性能评价的模型校正策略。通过高斯混合模型对混合模型预测误差的分布进行描述，实现模型性能评价。基于GMM模型评价结果，采用偏差补偿和模型校正的混合校正策略。当评价指标在正常范围内，采用GMM模型对输出误差进行补偿；当连续多个预测误差较大时，采用在线参数校正和GMM模型输出误差补偿。通过模型输出误差补偿和在线

7、参数校正的混合使用，进一步提高了软测量模型的预测精度，实现了在线应用。(4)在对浓密洗涤过程研究的基础上，针对现场需求设计和开发了浓密洗涤过程仿真平台，详细的介绍了系统的硬件结构和软件结构。该系统实现了对浓密洗涤过程关键．II．万方数据东北大学硕士学位论文摘要变量的预测，可以为生产过程提供指导。关键词：湿法冶金；浓密洗涤过程；混合模型；软测量；模型校正万方数据东北大学硕士学位论文AbstractApplicationofBayesianKernelLearningBasedonSoftSensortoThickeningProcessAbstractOurc

8、ountryisrichinnon—ferrousm