基于BA RBFNN控制图模式识别的气化过程参数失稳监控模型 论文
为了识别固体燃料气化过程参数出现的异常模式（失稳），构建了一种基于蜜蜂算法-径向基函数神经网络（BA-RBFNN）控制图模式识别的气化过程参数失稳监控模型。该模型在参数失稳监控中表现出了卓越的效果，主要包括特征描述、特征选择、分类器和训练方法四个模块。通过形状特征和统计特征对气化过程参数进行描述。然后，使用关联规则算法（AR）选择最佳特征集合，最终选用径向基函数神经网络（RBFNN）作为分类器，并采用蜜蜂算法（BA）进行模型训练。
为了确保该模型的性能，研究者使用了模拟数据和气化炉现场数据对模型进行了严格的测试，并与传统方法进行了对比。结果表明，该模型在气化过程参数的异常模式识别和监控方面具有更好的效果。
如果你对模式识别和神经网络算法感兴趣，以下资源将为你提供更深入的了解：
下载地址
用户评论
