在钢铁冶炼过程中,若能实时有效地检测使用煤气的热值、及时设计合理的供气方案,将有效提高煤气利用率、降低废气排放.这不仅能降低企业成本,而且对环境保护具有重要意义.国内热值检测设备的检测方式和手段,在热值检测的准确性和快速性方面有着很大的弊端.为改善燃气热值仪存在的大滞后,提高精准度,提出了一种由小波分析进行数据处理,应用BP神经网络建模并用遗传算法优化的学习算法,用来检测燃气热值.小波分析主要用来对过程数据进行降噪变换,提高源信号的信噪比;BP神经网络用来辨识过程模型;遗传算法用来优化神经网络的初始权值.小波分析可以克服源信号的噪声干扰.小波变换可以变换初始数据并进行特征提取,变换后的数据具有更高的信噪比.采用Matlab软件进行仿真,结果表明:该神经网络模型具有良好的逼近能力和泛化性能.该研究方法同样适用其他相关领域的研究.
- 作 者：
- 崔桂梅 张建平 CUI Guimei ZHANG Jianping
- 作者单位：
- 内蒙古科技大学信息工程学院,内蒙古 包头,014010
- 刊 名：
- 自动化仪表 ISTIC PKU
- 英文刊名：
- Process Automation Instrumentation
- 年，卷(期)：
- 2017 38(5)
- 基金项目：
- 内蒙古自治区科技计划基金资助项目，内蒙古自治区研究生科研创新基金资助项目
