CN115060625B 浆液密度的获取方法、装置、电子设备及存储介质 (天津国能盘山发电有限责任公司)_第1页
CN115060625B 浆液密度的获取方法、装置、电子设备及存储介质 (天津国能盘山发电有限责任公司)_第2页
CN115060625B 浆液密度的获取方法、装置、电子设备及存储介质 (天津国能盘山发电有限责任公司)_第3页
CN115060625B 浆液密度的获取方法、装置、电子设备及存储介质 (天津国能盘山发电有限责任公司)_第4页
CN115060625B 浆液密度的获取方法、装置、电子设备及存储介质 (天津国能盘山发电有限责任公司)_第5页
已阅读5页,还剩33页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

JP2007017261A,200本公开涉及一种浆液密度的获取方法、装先根据预设训练样本通过鲸鱼优化算法训练得密度测量模型输出的所述石灰石浆液的浆液密度时密度计容易因为磨损导致测量结果不准确2根据预设训练样本通过鲸鱼优化算法训练得到密度测量模型,所述将所述目标控制参数值输入所述密度测量模型,以得到所述密根据所述预设训练样本通过鲸鱼优化算法训练得到密度根据预设神经网络模型的模型参数确定所述鲸鱼优化算法的鲸根据所述鲸鱼优化算法参数和预设的混沌映射参数通过所述Logistic混沌映射获取根据所述鲸鱼优化算法参数、所述每个种群成员的所述将所述训练控制参数作为所述预设神经网络模型的输入节点,将所根据预设的每个所述模型参数的模型参数值范围确定每个元素的所述根据所述模型参数值的个数和模型训练的期望时间确定所述鲸鱼个种群成员的所述当前元素值以及预设训练样本利用所述鲸鱼优化算法获取所述预设神根据所述预设训练样本获取每一个种群成员的适应度值,所述参数组的所述训练控制参数值和所述种群成员的当前元素值通过所述预设神经网络模型根据所述每一个种群成员的适应度值获取所述种群的目3根据所述鲸鱼优化算法参数采取所述鲸鱼优化算法完成对所述目标元素值的包围、捕一个种群成员的适应度值和根据所述每一个种群成员的适应度值获取所述种群的目标种获取所述石灰石浆液的多组历史数据,所述历史数据包括多个根据所述多组历史数据采用灰色关联度法从所述多个备选控制参数中确定所述目标根据所述目标控制参数从所述多组历史数据中获取所度法从所述多个备选控制参数中确定所述目标根据所述历史数据获取每个所述备选控制参数的所述备选控制参数值和对应的所述根据所述灰色关联度和预设的灰色关联度阈值从多个所述备选控制参数中确定所述在获取所述石灰石浆液的多组历史数据之后,根据预设的述备选控制参数的备选控制参数值超出对应的所述控制参9.根据权利要求1至5中任一项所述的方法,其特征模型训练模块,被配置为根据预设训练样本通过鲸鱼优化算法训练得到密度测量模结果获取模块,被配置为将所述目标控制参数值输入4被处理器执行时实现权利要求1-9中任一项所述5[0010]根据预设神经网络模型的模型参数确定所述鲸鱼优化算[0011]根据所述鲸鱼优化算法参数和预设的混沌映射参数通过所述Logistic混沌映射6[0015]根据预设的每个所述模型参数的模型参数值范围确定每个元素的所述元素值范以及预设训练样本利用所述鲸鱼优化算法获取所述预设神经网络模型的目标模型参数值,将得到的所述目标神经网络模型作为所述密度控制参数组的所述训练控制参数值和所述种群成员的当前元素值通过所述预设神经网络[0019]根据所述每一个种群成员的适应度值获取所述种群的目标种群成员的目标元素[0020]根据所述鲸鱼优化算法参数采取所述鲸鱼优化算法完成对所述目标元素值的包取每一个种群成员的适应度值和根据所述每一个种群成员的适应度值获取所述种群的目[0024]根据所述多组历史数据采用灰色关联度法从所述多个备选控制参数中确定所述[0027]根据所述历史数据获取每个所述备选控制参数的所述备选控制参数值和对应的[0028]根据所述灰色关联度和预设的灰色关联度阈值从多个所述备选控制参数中确定7所述目标控制参数,所述目标控制参数的灰色关联度大于或者等于预设的灰色关联度阈一所述备选控制参数的备选控制参数值超出对应的所述控制参数本包括多个训练控制参数组的训练控制参数值和对应的训练输出参数的训练输出参数值,[0034]参数获取模块,被配置为获取生成石灰石浆液的目标控制参数的目标控制参数[0035]结果获取模块,被配置为将所述目标控制参数值输入预[0037]根据预设神经网络模型的模型参数确定所述鲸鱼优化算[0038]根据所述鲸鱼优化算法参数和预设的混沌映射参数通过所述Logistic混沌映射[0042]根据预设的每个所述模型参数的模型参数值范围确定每个元素的所述元素值范8控制参数组的所述训练控制参数值和所述种群成员的当前元素值通过所述预设神经网络[0046]根据所述每一个种群成员的适应度值获取所述种群的目标种群成员的目标元素[0047]根据所述鲸鱼优化算法参数采取所述鲸鱼优化算法完成对所述目标元素值的包取每一个种群成员的适应度值和根据所述每一个种群成员的适应度值获取所述种群的目[0050]根据所述多组历史数据采用灰色关联度法从所述多个备选控制参数中确定所述[0053]根据所述历史数据获取每个所述备选控制参数的所述备选控制参数值和对应的[0054]根据所述灰色关联度和预设的灰色关联度阈值从多个所述备选控制参数中确定所述目标控制参数,所述目标控制参数的灰色关联度大于或者等于预设的灰色关联度阈一所述备选控制参数的备选控制参数值超出对应的所述控制参数9技术中采用密度计直接获取浆液密度时密度计容易因为磨损导致测量结果不准确的问题,家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行石-石膏法脱硫是目前火力发电厂主流的烟气脱硫技术,通过浆液制备系统得到的石灰石[0079]图1是根据一示例性实施例示出的一种浆液密度的获取方法的流程图,如图1所通过采用该预设训练样本进行训练得到该密度测量模型,本公开具体模型的选择不做限[0082]该鲸鱼优化算法也被称为WOA(WhaleOptimizationAlgorithm是一种模拟鲸个鲸鱼优化算法中每个种群成员的元素的初始元素值通过Logistic混沌映射得[0085]在步骤S1011中,根据预设神经网络模型的模型参数确定鲸鱼优化算法的鲸鱼优[0090]在一些可能的实现方式中,可以通过如下的公式一确定可以根据预设神经网络模型的模型参数个数和模型训练的期望时间确定鲸鱼种群的规模,[0103]在步骤S1012中,根据鲸鱼优化算法参数和预设的混沌映射参数通过Logistic混xij为第j个种群成员中第i个元素的混沌映射系数,为第i个元素的当前元素值,ui和Li分别是种群成员中第i个元素的元素值范围的上限和下参数值根据每个训练控制参数组的训练控制参数值和种群成员的当前元素值通过预设神[0116]在一些可能的实现方式中,将该当前元素值作为该预设神经网络模型的模型参员的适应度值和根据每一个种群成员的适应度值获取种群的目标种群成员的目标元素值[0124]鲸鱼优化算法中的包围捕食是模拟鲸鱼捕食过程中采用螺旋气泡网的方式向接最优解进行收缩包围,也可以采用螺旋更新的方式在一个不断缩小的圆圈内绕着猎物游[0135]图3是根据一示例性实施例示出的一种浆液密度的获取方法的流程图,如图3所[0140]灰色关联度法(GreyRelationalAnalysis)是一种根据因素之间发展趋势的相[0141]示例地,可以通过如下的方式获取历史数据中每个备选[0152]图4是根据一示例性实施例示出的一种浆液密度的获取方法的流程图,如图4所[0159]图5是根据一示例性实施例示出的一种浆液密度的获取装置500的框图,如图5所[0160]模型训练模块501,被配置为根据预设训练样本通过鲸鱼优化算法训练得到密度[0161]参数获取模块502,被配置为获取生成石灰石浆液的目标控制参数的目标控制参[0165]根据鲸鱼优化算法参数和预设的混沌映射参数通过Logistic混沌映射获取鲸鱼参数值和种群成员的当前元素值通过预设神[0174]根据鲸鱼优化算法参数采取鲸鱼优化算法完成对目标元素值的包围、捕食和搜适应度值和根据每一个种群成员的适应度值获取种群的目标种群成员的目标元素值的步[0175]图6是根据一示例性实施例示出的一种浆液密度的获取装置500的框图,如图6所[0180]根据历史数据获取每个备选控制参数的备选控制参数值和对应的输出参数值的[0181]根据灰色关联度和预设的灰色关联度阈值从多个备选控制参数中确定目标控制获取方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandomAccessMemory,简称SRAM电可擦除可编程只读存储器(ProgrammableRead-OnlyMemory,简称PROM只读存储器(Read-OnlyMemory,简称一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论