基于多信息融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集(RST)和径向基(RBF)神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.

基于Type-2 FNN数据融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位准确检测的难题,提出一种基于二型模糊神经网络(Type-2 FNN)数据融合的双进双出磨煤机料位检测方法.首先将多传感器采集的变量参数数据按照二型模糊规则进行模糊化处理;然后构造神经网络进行数据融合,所得融合结果即为检测的料位值.该方法具有较好的自组织、自学习、并行分别处理能力,保证了检测结果具有较高的准确性.仿真实验表明,该方法可有效弥补单一测量方法的不足,实现料位更为准确的测量.