基于 IQPSO 优化 ELM的熟料质量指标软测量研究.pdf

《基于 IQPSO 优化 ELM的熟料质量指标软测量研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３７卷第１０期仪器仪表学报Ｖｏｌ３７Ｎｏ１０２０１６年１０月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＯｃｔ．２０１６基于ＩＱＰＳＯ优化ＥＬＭ的熟料质量指标软测量研究１，２１，２３１，２赵朋程，刘彬，孙超，王美琪（１．燕山大学信息科学与工程学院秦皇岛０６６００４；２．河北省特种光纤与光纤传感重点实验室秦皇岛０６６００４；３．燕山大学电气工程学院秦皇岛０６６００４）摘要：水泥熟料游离氧化钙（ｆＣａＯ）含量是水泥生产过程的重要质量指标。针对难以建立其精确的数学模型和难

2、以实时在线测量的问题，首先采用序列二次规划方法增强量子粒子群算法的局部搜索能力，提出了一种局部区域可调的改进量子粒子群优化（ＩＱＰＳＯ）算法，并采用提出的ＩＱＰＳＯ算法优化超限学习机（ＥＬＭ）的输入层权值和隐层阈值参数，在优化过程中同时兼顾均方根误差和隐层输出矩阵条件数最小的原则，建立了基于ＩＱＰＳＯ优化ＥＬＭ的水泥熟料ｆＣａＯ软测量模型，仿真验证结果表明，ＩＱＰＳＯ算法具有较高的搜索精度以及较快的收敛速度，建立的软测量模型精度高、泛化能力强。最后基于该模型，通过软件编程的方法给出了水泥熟料质量指标软

3、测量仪表，实现了ｆＣａＯ含量的在线软测量。关键词：量子势阱；粒子群；序贯二次规划；超限学习机；软测量中图分类号：ＴＰ１８３ＴＨ７０１文献标识码：Ａ国家标准学科分类代码：５３０．１４ＳｏｆｔｓｅｎｓｏｒｆｏｒｃｅｍｅｎｔｃｌｉｎｋｅｒｑｕａｌｉｔｙｉｎｄｉｃａｔｏｒｂａｓｅｄｏｎＩＱＰＳＯｏｐｔｉｍｉｚｅＥＬＭ１，２１，２３１，２ＺｈａｏＰｅｎｇｃｈｅｎｇ，ＬｉｕＢｉｎ，ＳｕｎＣｈａｏ，ＷａｎｇＭｅｉｑｉ（１．ＩｎｓｔｉｔｕｔｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｙａｎ

4、ｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ；２．ＴｈｅＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＳｐｅｃｉａｌＦｉｂｅｒａｎｄＦｉｂｅｒＳｅｎｓｏｒｏｆＨｅｂｅｉＰｒｏｖｉｎｃｅ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ；３．ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｃｏｎｔｅｎｔｏｆｆｒｅｅｃａｌｃｉｕｍ

5、ｏｘｉｄｅ（ｆＣａＯ）ｉｎｃｌｉｎｋｅｒｉｓａｎｉｍｐｏｒｔａｎｔｑｕａｌｉｔｙｉｎｄｉｃａｔｏｒｏｆｔｈｅｃｅｍｅｎｔｐｒｏｄｕｃｔｉｏｎｐｒｏｃｅｓｓ．ＢｅｃａｕｓｅｏｆｔｈｅｄｉｆｆｉｃｕｌｔｙｉｎｂｏｔｈｒｅａｌｔｉｍｅｍｅａｓｕｒｅｍｅｎｔａｎｄｅｓｔａｂｌｉｓｈｉｎｇｐｒｅｃｉｓｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆｔｈｅｆＣａＯｃｏｎｔｅｎｔ，ｂｕｉｌｄｉｎｇｔｈｅｃｅｍｅｎｔｃｌｉｎｋｅｒｆＣａＯｓｏｆｔｍｅａｓｕｒｅｍｅｎｔｍｏｄｅｌｉｓｐａｒｔｉｃｕｌａｒｌｙｉｍｐｏｒｔａｎｔ

6、．ＴｈｅＩｍｐｒｏｖｅｄＱｕａｎｔｕｍＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ（ＩＱＰＳＯ）ａｌｇｏｒｉｔｈｍ，ｗｈｏｓｅｌｏｃａｌｓｅａｒｃｈａｒｅａｉｓｍｏｄｉｆｉｅｄｗｉｔｈｔｈｅｎｕｍｂｅｒｏｆｉｔｅｒａｔｉｏｎｓ，ｉｓｐｒｅｓｅｎｔｅｄｂａｓｅｄｏｎｕｓｉｎｇｔｈｅｓｅｑｕｅｎｔｉａｌｑｕａｄｒａｔｉｃｐｒｏｇｒａｍｍｉｎｇａｌｇｏｒｉｔｈｍｔｏｅｎｈａｎｃｅｔｈｅｌｏｃａｌｓｅａｒｃｈａｂｉｌｉｔｙ．Ｂｅｃａｕｓｅｔｈｅｔｒａｄｉｔｉｏｎａｌｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈ

7、ｉｎｅ（ＥＬＭ）ｍａｙｒｅｑｕｉｒｅｈｉｇｈｎｕｍｂｅｒｏｆｈｉｄｄｅｎｎｅｕｒｏｎｓａｎｄｌｅａｄｔｏｉｌｌｃｏｎｄｉｔｉｏｎｐｒｏｂｌｅｍｄｕｅｔｏｔｈｅｒａｎｄｏｍｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｅｉｎｐｕｔｗｅｉｇｈｔｓａｎｄｈｉｄｄｅｎｂｉａｓｅｓ，ｔｈｅＩＱＰＳＯａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅＥＬＭｐａｒａｍｅｔｅｒｓ．Ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｃｅｓｓｔａｋｅｓｎｏｔｏｎｌｙｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｄｅｒｒｏｒｏｎｖａｌｉｄａｔｉｏｎｓｅ

8、ｔｂｕｔａｌｓｏｔｈｅｃｏｎｄｉｔｉｏｎｎｕｍｂｅｒｏｆｔｈｅｈｉｄｄｅｎｌａｙｅｒｏｕｔｐｕｔｍａｔｒｉｘｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｃｅｍｅｎｔｃｌｉｎｋｅｒｆＣａＯｓｏｆｔｓｅｎｓｏｒｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅＩＱＰＳＯＥＬＭｍｅｔｈｏｄ．ＳｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅＩＱＰＳＯａｌｇｏｒｉｔｈｍｈａｓｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｔｈａｎｃｏｍｐａ