基于多信息融合的双进双出磨煤机料位检测

• 作者: 崔宝侠 曲星宇 曹侠 段勇 颜世康
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 双进双出磨煤机 料位检测 运行参数分析 粗糙集 径向基神经网络 多信息数据融合 遗忘因子 梯度下降算法
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 182-186
• 页数: 5页
• 分类号: TP273.4
• 语种: 中文

摘要

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集(RST)和径向基(RBF)神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.