10.11835/j.issn.1000-582X.2019.09.010
基于深度迁移学习的回转窑燃烧状况智能感知
针对回转窑燃烧状况的认知问题,探索了一种基于深度迁移学习的回转窑燃烧状况智能感知机制和计算方法.首先,采用自优化调节的机制构建卷积神经网络的架构(ASCNN,adaptive structure convolutional neural networks),建立火焰图像由全局到局部具有确定映射关系的非结构化动态特征空间.其次,基于特征可区分性测度指标和变精度粗糙集理论,从信息论的角度在不确定信息条件下,面向可区分性约束条件,建立自优化特征表征的回转窑燃烧状况认知决策信息系统,增强燃烧状况非结构化简约可分特征空间的可解释性.再次,构建具有万局逼近能力的随机配置网络分类器(SCN,stochastic configuration networks),建立火焰图像燃烧状况的分类决策准则.最后,构建语义误差熵评测指标,实时测量火焰图像燃烧状况认知结果的不确定性,构建基于不确定认知结果测度指标约束的动态迁移学习机制,实现燃烧状况多层次差异化特征空间及其分类准则的自寻优调节和重构.实验结果表明了所构建的基于深度迁移学习的火焰图像燃烧状况智能感知模型较已有方法对水泥回转窑燃烧状况精确认知的可行性和优越性.
燃烧状况、深度迁移学习、反馈机制、语义误差熵
42
TP391(计算技术、计算机技术)
安徽省高校优秀青年人才支持计划项目gxyqZD2018058;安徽省自然科学基金青年项目1908085QF270;安徽建筑大学校级科研项目JZ192022
2019-11-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
84-91