高炉铁水质量鲁棒正则化随机权神经网络建模

• 作者: 周平 李温鹏
• 来源期刊: 自动化学报
• 关键词: RVFLNs 鲁棒建模 Gaussian分布加权M估计 高炉炼铁 铁水质量
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 721-733
• 页数: 13页
• 字数: 9074字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170670

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周平	东北大学流程工业综合自动化国家重点实验室	38	462	12.0	20.0
2	李温鹏	东北大学流程工业综合自动化国家重点实验室	2	4	1.0	2.0