基于PCA与RBF的焦炭质量预测模型

摘 要：针对炼焦生产过程焦炭质量难于实时测量的问题，建立一种主元分析(PCA)和径向基函数(RBF)神经网络相结合的预测模型。首先，通过机理分析确定焦炭质量的影响因素包括配合煤指标和炼焦过程操作参数；然后采用主元分析减少径向基函数网络的输入；较后采用k-均值聚类算法确定径向基函数隐含层的参数，并用较小二乘法确定线性输出层参数。采用炼焦生产过程现场数据进行仿真，结果表明：该模型具有学习速度快、跟踪性能好以及泛化能力强等优点，实现了焦炭质量的在线预测...