基于回声状态网络的回转窑工况识别方法

• 作者: 张茜 马文科 周晓杰
• 来源期刊: 控制工程
• 关键词: 回转窑 工况识别 回声状态网络 动态分类器 时间序列
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 142-148
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20180642

摘要

回转窑烧成带图像蕴含了丰富的温度场和熟料烧结信息,是回转窑烧结工况识别的重要依据.现有的基于静态图像的识别方法易受各种噪声影响,工况识别准确率较低.而视频图像序列蕴含了更多的烧结工况,具有区分性和不变性时空特征,在反映烧结工况变化方面信息更全面,更鲁棒.鉴于循环神经网络(RNN)和回声状态网络(ESN)适合处理时间序列方面的问题,分别根据两种神经网络构造动态分类器模型,提出了基于烧成带视频图像的回转窑熟料烧结工况识别方法,并且采用基准数据集时间序列做预测实验,通过设计实验考查两种神经网络处理分类和回归问题的能力.实验结果表明,针对回转窑工况识别问题,在不同数量样本条件下,ESN模型的识别率均略优于RNN-GRU,在MIMO时间序列预测问题上,ESN模型预测效果较好.