《表1 磨机运行状态的部分实验数据》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于改进粒子群算法的RBF神经网络磨机负荷预测研究》
以下结合实际数据讨论在上述方法下建立的IPSO-RBF模型的预测效果,本文选取陕西省安康市某水泥厂的磨机负荷运行数据,通过对磨矿过程磨机运行状态的分析研究,对磨机负荷的主要影响因素和磨机负荷数据进行预处理,其中主要影响因素包括给料量、磨音信号、磨主机电流和出磨提升机电流。为了能够取得较好的预测效果,较真实地反映实际粉磨机的运行状态,需要对大量的输入、输出样本进行训练,本次实验共选取180组实验数据,其中140组作为训练样本,另外40组作为测试样本,用来检测磨机负荷的预测精度,实验样本数据如表1所示。
图表编号 | XD00164297800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 赵长春、赵亮、王博 |
绘制单位 | 西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |