检索结果-内蒙古大学图书馆

作者：刘川宝东南大学

学位级别：硕士

能源消费结构与负荷类型的多样化、能源供需之间的矛盾加剧和环境形势的日益严峻对能源系统的运行提出了新的要求。综合能源系统(Integrated Energy Systems,IES)的多能耦合、多能互补特性使其成为能源领域发展的必然选择。通过对综合... 详细信息

能源消费结构与负荷类型的多样化、能源供需之间的矛盾加剧和环境形势的日益严峻对能源系统的运行提出了新的要求。综合能源系统(Integrated Energy Systems,IES)的多能耦合、多能互补特性使其成为能源领域发展的必然选择。通过对综合能源系统进行高效的运行优化,能使其具有较好的能效性和灵活性。综合能源系统的运行优化主要分为建模和求解两部分,模型的复杂程度将直接影响求解的精度和性能,而两者往往相互冲突。因此,为了在保证较好求解性能的前提下提升运行优化问题的求解精度,本文对数据驱动的集成参数建模方法及其在运行优化中的应用展开研究,并进行理论和实验的相互论证。本文主要研究内容总结如下: 1)数据驱动的综合能源设备集成参数建模。系统分析了综合能源的网络载荷类型和设备耦合类型,构建了面向综合能源系统网络的载荷功率方程,提出了基于运行数据拟合的耦合设备效率方程构造方法,并使用效率方程连接输入、输出载荷功率,形成耦合设备的集成参数模型。然后,为降低多项式拟合方程对优化问题求解性能的影响,提出了将其转化为分块方程和混合整数约束的方法。 2)基于集成参数模型的综合能源系统运行优化。研究了综合能源系统运行优化问题的理论基础,包括各类设备模型、管网模型的构造方法和优化目标。然后,基于算例的对比分析,验证了集成参数模型用于运行优化问题求解的效果与性能。该工作论证了集成参数模型的可行性,也证明了进一步提升模型精度的价值。 3)基于硬件在环的集成参数实时校核方法。为进一步提升集成参数模型精度以获得更准确的运行优化结果,引入了硬件在环方法对集成参数进行实时校核。首先给出了面向实时检核的硬件在环系统架构。然后,提出了模型更新的触发机制和基于样本回放的参数校核方法,以支撑模型在实时检核中的更新时间和更新方式的制定。最后,通过实验证明了实时校核方法的有效性。

关键词：综合能源系统运行优化数据驱动建模硬件在环参数校核

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的电站辅机设备建模与监测方法研究

基于数据驱动的电站辅机设备建模与监测方法研究

引用

作者：蒲健飞东南大学

学位级别：硕士

随着电站信息化的发展,辅机设备运行数据得以保存和使用,挖掘运行数据中蕴含的设备运行特性并建立状态监测模型,对保障设备的安全经济运行具有重要作用。本文以电站辅机设备运行数据为基础,对电站辅机设备建模与监测方法进行研究,主要... 详细信息

随着电站信息化的发展,辅机设备运行数据得以保存和使用,挖掘运行数据中蕴含的设备运行特性并建立状态监测模型,对保障设备的安全经济运行具有重要作用。本文以电站辅机设备运行数据为基础,对电站辅机设备建模与监测方法进行研究,主要研究内容如下:针对辅机设备多模态运行过程,提出一种基于引力搜索鲁棒高斯混合模型算法的建模与监测方法,首先采用REM算法对稳态历史数据进行训练,求解RGMM模型参数,并计算监测指标限值。当监测指标超限后,采用融合监测指标的引力搜索算法对变量进行逐一定位,直到重构监测指标低于限值,输出故障变量。分别以数值算例和高压加热器仿真故障验证所提算法的有效性。针对辅机设备存在的建模数据缺失和数据不完备等问题,提出一种基于深度子领域自适应鲁棒高斯混合模型的建模与监测方法,通过深度子领域自适应网络实现子领域对齐,获得迁移样本,将迁移后的相关领域的数据进行辅助建模,提高模型精度和泛化能力。针对辅机设备动态运行过程,提出一种基于动态潜变量回归算法的建模与监测方法。首先通过DLVR算法提取输入输出变量的动态关系,建立辅机设备动态特性模型,并采用向量自回归模型,实现动态过程中的故障监测。以TE过程标准库和磨煤机为研究对象,验证算法对动态过程故障监测的有效性。最后,以电站辅机设备历史运行数据为基础,开发了融合智能算法的电站辅机设备建模与监测软件平台,并给出了系统架构、运行流程和具体功能。

关键词：电站辅机设备数据驱动建模故障监测多模态过程子领域自适应

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的控制方法在建模过程中的不适定问题的研究

基于数据驱动的控制方法在建模过程中的不适定问题的研究

引用

作者：于一发辽宁科技大学

学位级别：硕士

近年来，由于计算机技术的发展，使得数据易于存储和处理，这使运用基于数据驱动建模的方法成为可能。基于数据驱动建模方法既不需要掌握实际系统的先验知识以及基本规律，也无需分析内部详细机理，仅仅涉及工业生产过程中的输入输出数... 详细信息

近年来，由于计算机技术的发展，使得数据易于存储和处理，这使运用基于数据驱动建模的方法成为可能。基于数据驱动建模方法既不需要掌握实际系统的先验知识以及基本规律，也无需分析内部详细机理，仅仅涉及工业生产过程中的输入输出数据，因此适用于带有高非线性和不确定性的复杂工业建模。基于数据驱动的控制方法仅仅利用受控系统的离、在线输入-输出数据以及经过数据处理而得到的知识来设计控制器，也就是直接从数据到控制器的理论方法，这也使得基于数据驱动的控制方法在使用时具有一定的局限性。在实际问题中,涉及的系统的输出往往是未知的，并且输出往往是伴有噪声，当基于数据驱动的控制方法在建模过程中待解方程的条件数过大时，常伴有不适定现象的发生，使得计算结果无意义。本文着重研究了基于数据驱动的控制方法在建模过程中出现的不适定问题，主要完成以下研究工作： 1.针对多元线性回归过程抗外界噪声干扰能力差问题，将解决不适定问题的经典Tikhonov正则化方法应用于多元线性回归过程中。通过在目标泛函中添加正则化泛函，解决模型的不适定问题，最后通过贝叶斯正则化方法求解正则化参数,并给出了具体算法。仿真示例表明本文方法的有效性。 2.针对模糊系统建模过程中后件参数辨识过程中的不适定性，采用Tikhonov正则化方法，在最小化泛函中引入正则化泛函解决整个辨识过程中的不适定问题，进一步，通过贝叶斯正则化方法求解正则化参数。数值仿真表明该方法的适定性。

关键词：数据驱动数据驱动建模不适定问题 Tikhonov正则化方法多元线性回归模糊系统辨识

来源：评论

学校读者我要写书评

暂无评论

基于机理和数据驱动的煮糖结晶过程关键工艺参数软测量建模方法研究

基于机理和数据驱动的煮糖结晶过程关键工艺参数软测量建模方法研...

引用

作者：庞海锋广西大学

学位级别：硕士

煮糖结晶过程晶体的生长与其结晶环境密切相关,受糖膏温度、真空度、糖膏浓度、母液纯度和过饱和度等热力学条件所影响,结晶过程的养晶操作主要是通过对母液过饱和度的控制来实现,而母液纯度的变化,影响着结晶过程的晶粒结晶速度和母液... 详细信息

煮糖结晶过程晶体的生长与其结晶环境密切相关,受糖膏温度、真空度、糖膏浓度、母液纯度和过饱和度等热力学条件所影响,结晶过程的养晶操作主要是通过对母液过饱和度的控制来实现,而母液纯度的变化,影响着结晶过程的晶粒结晶速度和母液过饱和度。同时,煮糖结晶过程是一个非线性非平稳的过程,伴随成核、生长和聚集机制的发生,如果不关注这些过程机制和动力学问题,将会导致结晶过程中晶粒含量和晶体粒度分布(CSD)特征的低估,导致晶粒大小参差不齐,造成提糖率下降。因此,为了更好地控制好煮糖结晶过程,不仅需要了解热力学条件,还需要研究动力学问题。针对目前煮糖结晶过程母液过饱和度、母液纯度、晶粒含量和晶体粒度分布等关键参数难以或无法直接通过传感器设备进行在线测量的问题,本文开展了煮糖结晶过程关键工艺参数的软测量建模研究,具体研究内容如下:(1)在传统支持向量回归机的基础上,研究孪生支持向量回归机的建模方法,提出基于孪生支持向量回归机的煮糖结晶过程数据驱动建模方法,实现煮糖结晶过程母液过饱和度和母液纯度的在线预测估计,通过仿真实验验证了该数据驱动建模方法的有效性和优越性。(2)针对煮糖结晶过程数据驱动模型缺少结构风险项,导致模型容易产生过拟合的问题,通过引入正则项使模型目标函数中的经验风险最小化转变为结构风险最小化,从而控制数据驱动模型的复杂度;在不影响模型性能的情况下,从训练样本数据中仅选取部分样本数据作为核函数的输入样本数据,使得煮糖结晶过程数据驱动模型的原核函数方阵变为矩形阵,可以减少模型的求解时间;同时,通过引入加权项,对不同重要性的样本给予不同的惩罚程度,使煮糖结晶过程数据驱动模型在一定程度上避免过拟合问题,并具有更好的泛化性能。(3)深入探讨煮糖结晶过程的结晶机制和动力学问题,从能量守恒、物料守恒、质量守恒三大方面研究煮糖结晶过程的简化机理模型,结合简化机理模型和数据驱动模型,构建煮糖结晶过程的混合模型,通过表达晶体的成核和生长速度,特别是复杂的聚集现象,从而准确预测出结晶过程的晶粒含量和晶体粒度分布,更好地实现煮糖结晶过程的自动化控制。(4)在分析现有煮糖结晶过程自动控制系统存在的不足的基础上,深入研究煮糖结晶过程智能集成测控系统的总体设计,研究上位机监控系统的开发,结合数据驱动建模方法和混合建模方法,设计与实现煮糖结晶过程智能软测量组件系统,从而实现煮糖结晶过程的自动化监控以及母液过饱和度、母液纯度、晶粒含量和晶体粒度分布等关键工艺参数的在线预测估计。

关键词：煮糖结晶过程母液过饱和度母液纯度孪生支持向量回归机数据驱动建模晶粒含量晶体粒度分布混合建模

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的智能汽车动力学建模与轨迹跟踪控制方法研究

基于数据驱动的智能汽车动力学建模与轨迹跟踪控制方法研究

引用

作者：俞学凯江苏大学

学位级别：硕士

智能汽车是智能交通系统中不可或缺的组成部分,建立精确的车辆动力学模型是实现智能汽车轨迹跟踪控制和横向稳定性的重要基础。在智能化体系下,汽车动力学的内涵已经由物理动力学发展至数据驱动动力学。基于此,从“数据处理分析-统计规... 详细信息

智能汽车是智能交通系统中不可或缺的组成部分,建立精确的车辆动力学模型是实现智能汽车轨迹跟踪控制和横向稳定性的重要基础。在智能化体系下,汽车动力学的内涵已经由物理动力学发展至数据驱动动力学。基于此,从“数据处理分析-统计规律挖掘-建模再现数据规律”的角度,将智能汽车动力学分析和建模问题转化为对智能汽车动力学观测数据统计规律的挖掘和建模问题,利用神经网络的自学习能力,解释智能汽车复杂动力学的演化规律,刻画智能汽车动力学行为及产生机理,有望为类似复杂非线性系统的分析提供新的理论和方法。本文在国家自然科学基金项目(U20A20333)基于复杂网络理论的智能汽车自主感知与行为认知机理和(51875255)自动驾驶汽车横向动力学混杂特性与模型预测控制研究的支持下,主要开展了车辆动力学数据集建立、基于数据驱动的智能汽车动力学建模和轨迹跟踪控制等相关研究。本研究主要研究总结如下:(1)首先,建立车辆动力学数据集。基于Matlab/Simulink建立车辆动力学物理模型,对高速下车辆的纵向负载转移和低速下轮胎的迟滞响应进行分析,通过所建立的物理模型,构建基于物理模型的虚拟数据集;利用虚拟仿真软件Car Sim/Simulink模拟真人驾驶场景采集27自由度车辆动力学虚拟数据集;最后通过智能驾驶汽车平台获取真实世界数据集,为后续的试验研究提供数据支撑。(2)其次,设计了基于数据驱动的智能汽车动力学模型及轨迹跟踪控制算法。针对横纵向动力学模型简化和模型线性化技术未能反映车辆动力学的本质特性等问题,提出了一种基于时延神经网络设计的车辆动力学模型,并通过采集的数据集对其进行训练,在仿真数据和实车数据上的测试结果证明了其优越性和良好的泛化性,实现了在不同路面附着系数下的准确预测。在此基础上,设计基于前馈反馈控制方法的纵向控制器,并结合模型预测控制算法设计轨迹跟踪横向控制器。通过Car Sim/Simulink软件仿真平台,在双移线工况下验证了所提出的控制策略相比于非线性模型预测控制的轨迹跟踪控制方法峰值横向误差降低8%,相比于线性时变模型预测控制的轨迹跟踪控制方法峰值横向误差降低48%,实现了更小的轨迹跟踪误差和更高的稳定性。(3)最后,针对基于模型的控制器易受到模型不匹配的影响而产生无法预知的错误,创新性地提出了一种结合传统机器学习方法和深度学习方法的车辆动力学建模方法,实现了不同模型之间的优势互补,在模型结构中引入模型输出不确定性预测分支。为加快模型训练速度,在损失函数中引入高斯负对数似然损失函数。同时在代价函数中对模型输出的不确定性进行约束。通过“8”字曲线仿真证明所提出的控制方法相比于非线性模型预测控制方法,横向位置误差最大下降40%,并通过双移线变速实验证明了所提出控制方法的鲁棒性。

关键词：智能汽车数据驱动建模时延神经网络高斯过程回归轨迹跟踪

来源：评论

学校读者我要写书评

暂无评论

数据驱动的多尺度建模及其在催化裂化过程中的应用

数据驱动的多尺度建模及其在催化裂化过程中的应用

引用

作者：曹道帆中国石油大学(北京)

学位级别：硕士

化工过程鲜明的非线性和多尺度性特征给传统过程建模带来了困难,而“智能工厂”的建设使化工企业拥有海量的过程数据,如何有效利用这些数据对过程进行建模并解决实际问题,成为目前化工过程建模的探索方向之一。本文以催化裂化装置为研... 详细信息

化工过程鲜明的非线性和多尺度性特征给传统过程建模带来了困难,而“智能工厂”的建设使化工企业拥有海量的过程数据,如何有效利用这些数据对过程进行建模并解决实际问题,成为目前化工过程建模的探索方向之一。本文以催化裂化装置为研究对象,基于Hilbert-Huang变换方法获得的系统的多尺度结构,在数据驱动下建立时间序列预测模型、特征变量选择模型和多输入单输出预测模型,为工业催化裂化装置中的位点监控、关键变量筛选以及汽油收率预测提供科学的分析方法及工具。为实现对关键位点的监控,需要对时间序列进行快速、准确地预测。本文以催化裂化装置中的沉降器顶部压力和温度序列为例进行分析并建模预测。分析结果表明,装置系统中存在着介尺度与宏尺度共存、混沌性与稳定性同在、不同尺度相互驱动耦合的特性。从工业数据分析的角度证实了前人对催化裂化装置多尺度特性的推断。基于分析结果,建立具有时间记忆功能的LSTM神经网络,结果显示,在同样的计算时间下,压力序列和温度序列的预测误差分别降低了29.8%和32.8%,说明只有准确认清了过程的多尺度特性,才能建立准确、高效的数据驱动模型。为从高维的数据库中快速找出影响目标变量的关键因素,建立了FilterWrapper混合特征选择模型。分别以装置中有着指示作用的重点监控变量（如沉降器顶部压力等）和体现催化裂化装置生产能力的收率变量（如汽油收率等）作为目标变量,将原始数据库中的445个特征精简到原来的2%10%,大大简化了数据驱动建模的复杂程度。不仅如此,混合特征选择模型还能够从数据自身规律的角度出发进行“知识发现”,找寻隐含在工艺过程中的潜在的关联特性。针对汽油收率预测,基于多尺度分解方法和特征选择方法,结合机器学习模型建立预测模型。考察原始尺度输入、筛选后的原始尺度输入、多尺度输入这三种不同的输入变量分别在线性和非线性两种模型中的预测情况。结果显示,非线性模型的预测效果整体优于线性模型,多尺度模型的预测效果最佳,对比之下,本文提出的多尺度收率预测模型能够降低15%以上的预测误差。而经过选择后的原始尺度模型效果最差,说明使得预测性能提高的根本原因并非特征选择,而是多尺度分解步骤,这更加表现出了从多尺度角度进行建模的科学性和优越性。

关键词：多尺度分析特征选择数据驱动建模催化裂化

来源：评论

学校读者我要写书评

暂无评论

数据驱动的波轮洗衣机动力学建模与仿真研究

数据驱动的波轮洗衣机动力学建模与仿真研究

引用

作者： SAI KYAW LWIN 上海交通大学

学位级别：硕士

随着计算机技术的发展,产品开发过程也发生着巨大的变化。如今人们可以通过计算机构建样机的虚拟模型,并在虚拟环境中实现样机的各种实验,这不仅省去了样机的制作成本,还可极大提升产品的开发效率。然而,在构建波轮洗衣机的虚拟模型时,... 详细信息

随着计算机技术的发展,产品开发过程也发生着巨大的变化。如今人们可以通过计算机构建样机的虚拟模型,并在虚拟环境中实现样机的各种实验,这不仅省去了样机的制作成本,还可极大提升产品的开发效率。然而,在构建波轮洗衣机的虚拟模型时,由于液体平衡环内部的流体往往处于动态变化过程中,根据洗衣机不同的转速流体会呈现出不同的分布状态,且在低转速时更是出现杂乱无序的现象,具有高度的非线性性,这就使得在使用传统有限元方法构建平衡环模型时模型的复杂度较高,大大降低了模型的解算效率,且其精度不易控制。尽管也有将流体近似为多个球体的方法,解决了模型解算效率的问题,但球体无法完全等同于流体,仅在特定条件(如特定转速)时近似流体特性,因而模型的泛化能力明显不足。近年来,随着人工智能概念的普及,机器学习等技术在各个工程领域得到了广泛的应用。在机器学习技术的支持下,本文通过神经网络算法来构建液体平衡环的数据驱动模型,采用MATLAB与Adams的联合仿真技术将其应用于波轮洗衣机的仿真模型中,最后得到基于数据驱动技术的波轮洗衣机动力学仿真模型,从而解决传统方法构建液体平衡环模型时的不足。最后,在不同转速和不同偏心载荷条件下,将本文所构建的波轮洗衣机仿真模型的仿真结果与样机试验进行对比和验证,验证结果表明,模型仿真的误差率均保持在10%以内,基于数据驱动的波轮洗衣机动力学仿真模型具有较好的仿真表现。

关键词：波轮洗衣机液体平衡环数据驱动建模动力学仿真联合仿真技术

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的复杂流动行为建模研究

基于数据驱动的复杂流动行为建模研究

引用

作者：尹政龙国防科技大学

学位级别：硕士

现代动力系统规模不断增大,系统的复杂度也不断提高,传统的基于模型驱动的建模方法越来越难以满足建模需求。随着计算机技术的迅猛发展和传感器的大规模使用,海量数据信息可以被采集、存储和分析,使得基于数据驱动的建模方法成为研究的... 详细信息

现代动力系统规模不断增大,系统的复杂度也不断提高,传统的基于模型驱动的建模方法越来越难以满足建模需求。随着计算机技术的迅猛发展和传感器的大规模使用,海量数据信息可以被采集、存储和分析,使得基于数据驱动的建模方法成为研究的热点。本文研究了数据驱动建模的基本方法理论,分别对可压缩流动行为和不可压缩流动行为进行了建模研究,通过数值仿真与实验相结合的方式采集数据进行建模,并与理论模型进行对比,对数据驱动建模的可靠性和有效性进行了验证和讨论。首先,分别介绍了DMD方法和基于稀疏回归的偏微分方程重构方法两种数据驱动的建模方法。DMD方法可将系统的采样数据分解成包含不同系统特征的模态,本文对DMD方法做了改进,使用能量排序法和相关系数排序法对分解出的模态进行重新排序,使其能够更好适应强噪声背景,并将动态模态分解作为偏微分方程重构的数据预处理手段进行降噪,使偏微分方程重构的结果更加精确。其次,分别针对亥姆霍兹共振(气体可压缩)和降液膜流动(液体不可压缩)两类系统,通过数值模拟、CFD仿真和实验测量三种方式采集数据,利用动态模态分解和偏微分方程重构相结合的方法进行建模研究,分别研究了亥姆霍兹共振系统和降液膜系统的动态模态分解特征,验证了即使处在噪声背景下,数据驱动建模方法对亥姆霍兹共振系统频率预测的准确性,对亥姆霍兹共振方程和中等雷诺数下降液膜的积分边界层模型方程进行微分方程重构研究。最后,讨论了数据驱动算法在复杂流动系统建模中遇到的问题,现有的数据驱动方法针对复杂的流动系统建模研究依然只是初步的探索,可以作为理论建模的辅助手段,要实现基于数据驱动的复杂流动系统精确建模还有待进一步研究。

关键词：数据驱动建模亥姆霍兹共振降液膜动态模态分解偏微分方程

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的连续退火生产过程建模与操作优化

引用

宝钢技术 2015年第6期8卷 70-75,80页

作者：杨大雷周永刘珧王显鹏宝钢工业技术服务有限公司上海201900 宝山钢铁股份有限公司上海201900 东北大学辽宁沈阳110819

连退生产过程包含众多相互耦合的控制变量,并且带钢质量的检测采用离线方式,从而导致对于调质度为T5的带钢,实际生产中经常发生带钢硬度波动较大,难以实现对带钢产品质量的精确控制问题。针对这一问题,提出了一种基于数据驱动的连续退... 详细信息

连退生产过程包含众多相互耦合的控制变量,并且带钢质量的检测采用离线方式,从而导致对于调质度为T5的带钢,实际生产中经常发生带钢硬度波动较大,难以实现对带钢产品质量的精确控制问题。针对这一问题,提出了一种基于数据驱动的连续退火生产过程建模方法,能够根据带钢退火前的生产信息及当前的生产过程信息实现对带钢产品质量的在线预报。在此基础上,提出了连续退火生产过程的多目标操作优化模型与算法,并开发了优化软件系统。基于实际生产过程数据的仿真试验结果表明,该软件系统能够为生产现场提供一套最优的控制变量设定值,从而实现产品质量最优化、能源消耗最小化和机组生产效率最大化的目标。

关键词：连续退火数据驱动建模多目标操作优化

来源：评论

学校读者我要写书评

暂无评论

数据驱动的多时间尺度高炉煤气利用率模型预测控制

引用

控制理论与应用 2025年第1期42卷 189-201页

作者：安剑奇赵国宇何勇李炜俊郭云鹏吴敏中国地质大学(武汉)未来技术学院湖北武汉430074 中国地质大学(武汉)自动化学院湖北武汉430074 复杂系统先进控制与智能自动化湖北省重点实验室湖北武汉430074 地球探测智能化技术教育部工程研究中心湖北武汉430074 娄底华菱云创数智科技有限公司湖南娄底417009

煤气利用率(GUR)是衡量高炉能耗和稳顺运行的重要指标,受布料和送风操作在不同时间尺度下影响.现有对煤气利用率的建模、预测和控制仅在单一时间尺度上进行,忽略了多时间尺度特性,影响预测和控制的准确性.因此,提出一种数据驱动的多时... 详细信息

煤气利用率(GUR)是衡量高炉能耗和稳顺运行的重要指标,受布料和送风操作在不同时间尺度下影响.现有对煤气利用率的建模、预测和控制仅在单一时间尺度上进行,忽略了多时间尺度特性,影响预测和控制的准确性.因此,提出一种数据驱动的多时间尺度高炉煤气利用率模型预测控制方法(MTSGURMPC).首先,根据经验模态分解和相关性分析得到布料和送风对煤气利用率影响的不同尺度;然后,建立布料长时间尺度和送风短时间尺度模型,提出了多时间尺度模型预测控制结构用于快速准确寻找高炉最优操作策略,该结构将煤气利用率划分为不同尺度进行模型预测控制,兼顾了高炉多时间尺度和模型预测控制动态优化特性,不断反馈优化趋近最优解;最后,基于某钢铁厂高炉工业数据进行应用实验,结果表明该方法能够实现煤气利用率准确预测和控制,并有效提高控制精度.

关键词：高炉煤气利用率数据驱动建模多时间尺度系统模型预测控制经验模态分解

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：