仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2014年
10期
2263-2270
,共8页
程栋%温和%滕召胜%黎福海
程棟%溫和%滕召勝%黎福海
정동%온화%등소성%려복해
煤灰分%软测量%函数链神经网络%混沌优化%双能量γ射线
煤灰分%軟測量%函數鏈神經網絡%混沌優化%雙能量γ射線
매회분%연측량%함수련신경망락%혼돈우화%쌍능량γ사선
coal ash content%soft-sensing%functional link neural network%chaos optimization%dual-energy γ-ray
为提高煤质灰分测量精度,提出了基于双能γ射线的煤质灰分智能软测量方法,该方法以1377Cs和241Am作为中能和低能的γ射线源,并以探测器检测到的γ计数作为辅助变量,利用混沌算法优化的函数链神经网络实现灰分软测量辨识建模,最后对煤质灰分进行软测量预测和验证.研究结果表明:混沌算法优化的函数链神经网络预测方法的预测精度高,具有较强的泛化能力;基于混沌算法优化函数链神经网络的灰分智能软测量值与实测值的平均误差为0.7％,最大误差为0.9％,煤质灰分测量准确度高.
為提高煤質灰分測量精度,提齣瞭基于雙能γ射線的煤質灰分智能軟測量方法,該方法以1377Cs和241Am作為中能和低能的γ射線源,併以探測器檢測到的γ計數作為輔助變量,利用混沌算法優化的函數鏈神經網絡實現灰分軟測量辨識建模,最後對煤質灰分進行軟測量預測和驗證.研究結果錶明:混沌算法優化的函數鏈神經網絡預測方法的預測精度高,具有較彊的汎化能力;基于混沌算法優化函數鏈神經網絡的灰分智能軟測量值與實測值的平均誤差為0.7％,最大誤差為0.9％,煤質灰分測量準確度高.
위제고매질회분측량정도,제출료기우쌍능γ사선적매질회분지능연측량방법,해방법이1377Cs화241Am작위중능화저능적γ사선원,병이탐측기검측도적γ계수작위보조변량,이용혼돈산법우화적함수련신경망락실현회분연측량변식건모,최후대매질회분진행연측량예측화험증.연구결과표명:혼돈산법우화적함수련신경망락예측방법적예측정도고,구유교강적범화능력;기우혼돈산법우화함수련신경망락적회분지능연측량치여실측치적평균오차위0.7％,최대오차위0.9％,매질회분측량준학도고.
