基于HMM的回轉窯喂煤量趨勢預測.pdf

1、回轉窯是水泥、冶金、鋼鐵等基礎工業(yè)中的重要熱工設備。其結構復雜、操作參數(shù)多，是一個多變量、非線性、強耦合、大時滯的被控對象。國內大部分采用原煤作為燃料，窯前生產過程中的窯內工況、窯皮結構、料漿成份、煤粉質量對窯前喂煤操作量有著很大的影響。因此在許多復雜工況條件下，即使由有經(jīng)驗的操作工人也較難判斷是否增加或減少窯內的喂煤量。目前回轉窯計算機異地監(jiān)控系統(tǒng)已經(jīng)在現(xiàn)場廣泛應用，積累了大量的時間序列數(shù)據(jù)，其中蘊含了幾年來相關的人工控制經(jīng)驗等關鍵知

2、識，卻并沒有得到充分利用?；陔[馬爾可夫模型(HMM)的語音識別、計算機入侵檢測等領域已經(jīng)得到廣泛的研究，但是較少將HMM應用到具體工業(yè)現(xiàn)場時間序列分析中。因此，本文將利用隱馬爾可夫模型分析工業(yè)現(xiàn)場的時間序列。提取現(xiàn)場熱工數(shù)據(jù)的趨勢特征，分析大量時序數(shù)據(jù)變化與喂煤趨勢方向的關系，提出一種基于混合隱馬爾可夫模型的回轉窯喂煤量趨勢預測方法，具體內容如下。
　　 (1)利用曲線擬合和斜率區(qū)域分布獲取時間序列趨勢特征，鑒于回轉窯熱工變量

3、具有多樣性的特點，應用主成分分析方法對上述特征屬性進行約簡，得到喂煤量趨勢變化影響的主要因素，建立喂煤量變化趨勢的上升和下降訓練數(shù)據(jù)庫。
　　 (2)針對連續(xù)隱馬爾可夫模型(CHMM)和離散隱馬爾可夫模型(DHMM)在建模時的不同點，分別建立了連續(xù)喂煤趨勢預測模型和離散預測模型，利用上升和下降訓練數(shù)據(jù)分別對上述模型進行訓練，得到上升HMM評價模型和下降HMM評價模型。
　　 (3)針對傳統(tǒng)的HMM模型訓練算法(Baum-