声明
致谢
摘要
1 绪论
1.1 课题的研究背景及意义
1.1.1 课题的来源
1.1.2 研究的意义
1.2 国内外研究现状
1.2.1 钢球磨煤机料位测量的研究现状
1.2.2 软测量技术研究现状
1.2.3 证据理论的研究现状
1.3 本文研究内容与章节安排
2 钢球磨煤机工作原理分析及数据处理
2.1 研究对象分析
2.1.1 制粉系统概述
2.1.2 钢球磨煤机工作原理
2.1.3 钢球磨煤机的工作机理以及特性分析
2.2 料位影响因素分析及辅助变量的选择
2.2.1 料位与钢球磨煤机的制粉出力
2.2.2 料位与钢球磨煤机的进出口压差
2.2.3 料位与钢球磨煤机进出口温度
2.2.4 料位与钢球磨煤机电流
2.2.5 料位与各种影响因素的关系
2.3 实验数据的获取和处理
2.3.1 实验数据获取
2.3.2 数据的预处理
2.3.3 基于灰熵理论对辅助变量的选择
2.4 本章小结
3 证据理论及传统证据K-NN分类器的改进
3.1 引言
3.2 证据理论的理论基础
3.3 传统证据K-NN分类器
3.4 传统证据K-NN分类器存在的问题及改进
3.5 新型证据K-NN分类器的实现
3.5.1 自适应性度量空间及结构参数优化的证据K-NN分类器
3.5.2 基于广义T范数与法则的证据K-NN分类器
3.5.3 鲁棒自适应证据K-NN分类器
3.5.4 仿真分析
3.6 本章小结
4 证据回归多模型料位软测量建模及应用研究
4.1 引言
4.2 证据回归多模型
4.2.1 全局模型建模
4.2.2 局部模型建模
4.3 证据回归多模型参数识别
4.3.1 局部模型结构参数识别
4.3.2 全局模型结构参数识别
4.4 基于证据回归多模型球磨料位软测量仿真结果分析
4.4.1 模型参数辨识
4.4.2 模型预测的精度分析
4.5 本章小结
5 基于D-S融合法则的料位软测量及应用研究
5.1 引言
5.2 证据理论的权重融合模型
5.2.1 权重提取模型
5.2.2 权重融合模型
5.3 三种料位软测量模型
5.3.1 偏最小二乘回归分析(NPLS)
5.3.2 BP神经网络
5.3.2 支持向量机
5.4 基于D-S融合法则的组合软测量模型
5.4.1 基于实验数据的料位软测量
5.4.2 模型预测的精度分析
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集