-
题名高炉铁水质量鲁棒正则化随机权神经网络建模
被引量：14
- 1
-
-
作者
李温鹏
周平
-
机构
东北大学流程工业综合自动化国家重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2020年第4期721-733,共13页
-
基金
国家自然科学基金项目(61890934,61790572,61290323)
中央高校基本科研业务费项目(N180802003)
+1 种基金
辽宁省‘兴辽英才计划’项目(XLYC1907132)
矿冶过程自动控制技术国家(北京市)重点实验室开放课题(BGRIMM-KZSKL-2017-04)资助。
-
文摘
高炉炼铁过程运行优化与控制依赖于可靠、稳定的难测铁水质量(Molten iron quality, MIQ)指标模型.针对现有MIQ建模方法的不足,本文提出一种新型的数据驱动鲁棒正则化随机权神经网络(Random vector functional-link networks,RVFLNs)算法,用于实现MIQ指标在线估计的鲁棒建模.首先,为了提高建模效率和降低计算复杂度,采用数据驱动典型相关性分析方法从众多变量中提取与MIQ相关性最强的变量作为建模输入变量;其次,由于传统RVFLNs网络的输出权值由最小二乘估计获得,易受离群数据影响而鲁棒性差,引入基于Gaussian分布加权的M估计技术,提出新型鲁棒RVFLNs算法建立多元MIQ指标的鲁棒模型;同时,在鲁棒加权后的最小二乘损失函数基础上,进一步引入L1和L2两个正则化项以构成优化目标函数的Elastic net,用于稀疏化RVFLNs网络的输出权值矩阵,解决RVFLNs网络多重共线性和过拟合的问题.最后,基于某大型高炉工业数据,进行充分数据实验,结果表明所提方法具有更高的建模与估计精度以及较强的鲁棒性能.
-
关键词
RVFLNs
鲁棒建模
gaussian分布加权M估计
高炉炼铁
铁水质量
-
Keywords
Random vector functional-link networks(RVFLNs)
robust modeling
gaussian distribution weighted mestimator
blast furnace ironmaking
molten iron quality(MIQ)
-
分类号
TF53
[冶金工程—钢铁冶金]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
