摘要:
由于高炉中心温度较高,十字测温中心位置传感器极易损坏,并且更换周期长,因而导致无法及时判断炉顶煤气流分布.采用多输出支持向量回归(M-SVR)和随机权神经网络(RVFLNs)两种数据驱动智能建模方法建立高炉十字测温中心带温度估计模型,并基于实际工业数据对建立的模型进行验证和比较分析.结果表明,在样本数量较小时,M-SVR模型和RVFLNs模型都具有较好的温度估计效果,但当样本数量充足时,M-SVR模型的泛化性能和估计精度更优于RVFLNs模型.
中图分类号:
周平, 尤磊, 刘记平, 张兴. 基于M-SVR与RVFLNs的高炉十字测温中心温度估计[J]. 东北大学学报:自然科学版, 2017, 38(5): 614-619.
ZHOU Ping,YOU Lei, LIU Ji-ping, ZHANG Xing. Centre Temperature Estimation of Blast Furnace Cross Temperature Measuring Based on M-SVR and RVFLNs[J]. Journal of Northeastern University:Natural Science, 2017, 38(5): 614-619.