学位论文 > 优秀研究生学位论文题录展示

基于SVM和PSO的烧结工况预报方法的研究与实现

作　者: 景世磊
导　师: 姜慧研
学　校: 东北大学
专　业: 计算机软件与理论
关键词: 烧结工况图像处理模式识别支持向量机粒子群算法参数选择
分类号: TF821
类　型: 硕士论文
年　份: 2009年
下　载: 37次
引　用: 2次
阅　读: 论文下载

内容摘要

在利用回转窑设备生产氧化铝的过程中,回转窑烧结工况的准确预报决定了氧化铝产品的质量和回转窑设备的安全。目前,回转窑烧结工况的预报方法主要是“人工看火”,但是,“人工看火”要求操作人员频繁地到窑头看火孔观察窑内烧结状况,烧结工况的预报结果容易受到操作人员的行为和素质等主观因素的影响,有时产生错误,导致氧化铝产品产量低、质量差,甚至出现安全事故。因此,回转窑烧结工况的预报对氧化铝制备过程的优化控制具有重要的研究意义和应用价值。在模式识别方法中,由于支持向量机(SVM)方法基本上不涉及概率测度的定义及大数定律,其最终决策函数只由少数的支持向量所确定,避免了“维数灾难”问题,“剔除”了大量冗余样本,建模所需的先验干预较少,因此基于SVM建立的模型具有较好的健壮性和推广能力。但是,该方法对烧结工况的预报率较低。针对上述问题,本文首先在线采集回转窑烧结工况图像,然后利用滚球算法对图像进行去噪处理,其次利用大津方法和快速行进法对物料区、火焰区、充分燃烧区和黑把子区等关心区域进行分割,再次对分割出来的区域进行特征提取与特征约简,最后利用支持向量机和粒子群(PSO)算法相结合的方法进行烧结工况的预报。并通过优化SVM的参数,进一步提高烧结工况的预报率。经过实验验证,本文方法可以较大程度地提高烧结工况预报的正确识别率。

全文目录

摘要  5-6
英文摘要  6-11
第1章绪论  11-17
  1.1 研究背景与意义  11-12
  1.2 图像处理技术的研究现状  12-14
    1.2.1 图像处理技术在工业过程监控中的研究现状  12-13
    1.2.2 图像处理技术在回转窑过程监控中的研究现状  13-14
  1.3 烧结工况预报技术的研究现状  14-15
  1.4 本文主要工作  15
  1.5 论文组织结构  15-17
第2章相关技术介绍  17-35
  2.1 图像去噪方法  17-19
    2.1.1 中值滤波  17-18
    2.1.2 均值滤波  18
    2.1.3 高斯滤波  18-19
  2.2 图像分割方法  19-22
    2.2.1 边缘检测  19-20
    2.2.2 阈值分割  20
    2.2.3 大津分割  20-21
    2.2.4 快速行进法  21-22
  2.3 特征选择方法  22-25
    2.3.1 特征选择的基本概念  22
    2.3.2 常用的特征选择方法  22-24
    2.3.3 ReliefF特征选择算法  24-25
  2.4 支持向量机  25-32
    2.4.1 基本理论概述  25-28
    2.4.2 多类分类器构造方法  28-32
  2.5 粒子群算法  32-34
  2.6 本章小结  34-35
第3章基于SVM和PSO的烧结工况预报算法  35-51
  3.1 烧结工况特性分析  35-38
  3.2 图像预处理  38-41
    3.2.1 烧结工况图像的去噪算法  38-40
    3.2.2 烧结工况图像的分割算法  40-41
      3.2.2.1 物料区与黑把子区的分割  40-41
      3.2.2.2 火焰区与充分燃烧区的分割  41
  3.3 特征提取与特征选择  41-46
    3.3.1 烧结工况特征提取  41-44
    3.3.2 基于ReliefF-GA的两阶段特征选择算法  44-46
  3.4 基于SVM和PSO的烧结工况预报算法  46-49
    3.4.1 改进的PSO算法  46
    3.4.2 基于PSO的SVM参数优化算法  46-48
    3.4.3 基于SVM和PSO的烧结工况预报模型的设计  48-49
  3.5 本章小结  49-51
第4章系统的设计与实现  51-59
  4.1 系统实现环境  51
  4.2 系统总体结构  51-52
  4.3 功能模块设计  52-58
    4.3.1 图像预处理模块设计  52-54
    4.3.2 特征提取与特征选择模块设计  54-55
    4.3.3 SVM参数优化模块设计  55-57
    4.3.4 烧结工况预报模块设计  57-58
  4.4 本章小结  58-59
第5章烧结工况预报实验  59-69
  5.1 实验数据及评价标准  59
  5.2 SVM和PSO算法相结合的参数选择实验  59-62
    5.2.1 SVM参数选择问题  59-60
    5.2.2 基于PSO的SVM参数优化实验  60-62
  5.3 基于ReliefF-GA的两阶段特征选择实验  62-66
  5.4 基于多级SVM的烧结工况预报实验  66-67
  5.5 影响预报结果的因素分析  67
  5.6 本章小结  67-69
第6章结论  69-71
参考文献  71-75
致谢  75

基于SVM和PSO的烧结工况预报方法的研究与实现

内容摘要

全文目录

相似论文