一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法

摘要：

在回转窑燃煤火焰视频模糊且干扰较大的情况下,基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断.为克服工业现场特征数据中的粗差十扰,将极限学习机(Extreme learning machine,ELM)与稳健估计理论相结合,用训练误差分布的Parzen窗非参数估计构造ELM权矩阵,对其输出层权值进行稳健最小二乘估计.基于上述火焰视频的统计特征,用该改进的鲁棒极限学习机(Robust-ELM)检测烧结带温度.实验结果表明,在视频图像模糊、不能用常规静态图像处理方法软测量烧结带温度时,本文方法可快速有效地检测窑内烧结温度,且检测系统不易受现场干扰,稳定性强.

关键词：煤粉燃烧、火焰图像、鲁棒极限学习机、烧结温度、Parzen窗估计

所属期刊栏目：38

分类号：TP391.43(计算技术、计算机技术)

资助基金：国家自然科学基金60874096;61174050;61174140

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页码：841-849