دانلود مقاله ISI انگلیسی شماره 46669
عنوان فارسی مقاله

نظارت آنلاین و کنترل اندازه ذرات در پروسه آسیاب کردن با استفاده از رگرسیون بردار پشتیبان حداقل مربعات و شبکه عصبی پس انتشار انعطاف پذیر

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46669 2015 16 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Online monitoring and control of particle size in the grinding process using least square support vector regression and resilient back propagation neural network
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : ISA Transactions, Volume 56, May 2015, Pages 206–221

کلمات کلیدی
ظرافت سیمان؛ شبکه عصبی؛ سنسور نرم؛ پشتیبانی از رگرسیون بردار - آسیاب غلتکی عمودی
پیش نمایش مقاله
پیش نمایش مقاله نظارت آنلاین و کنترل اندازه ذرات در پروسه آسیاب کردن با استفاده از رگرسیون بردار پشتیبان حداقل مربعات و شبکه عصبی پس انتشار انعطاف پذیر

چکیده انگلیسی

Particle size soft sensing in cement mills will be largely helpful in maintaining desired cement fineness or Blaine. Despite the growing use of vertical roller mills (VRM) for clinker grinding, very few research work is available on VRM modeling. This article reports the design of three types of feed forward neural network models and least square support vector regression (LS-SVR) model of a VRM for online monitoring of cement fineness based on mill data collected from a cement plant. In the data pre-processing step, a comparative study of the various outlier detection algorithms has been performed. Subsequently, for model development, the advantage of algorithm based data splitting over random selection is presented. The training data set obtained by use of Kennard–Stone maximal intra distance criterion (CADEX algorithm) was used for development of LS-SVR, back propagation neural network, radial basis function neural network and generalized regression neural network models. Simulation results show that resilient back propagation model performs better than RBF network, regression network and LS-SVR model. Model implementation has been done in SIMULINK platform showing the online detection of abnormal data and real time estimation of cement Blaine from the knowledge of the input variables. Finally, closed loop study shows how the model can be effectively utilized for maintaining cement fineness at desired value.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.