首页|基于特征融合和ILSTSVM的铝电解过热度识别

基于特征融合和ILSTSVM的铝电解过热度识别

扫码查看
原文链接
  • 万方数据
  • 维普
为提高过热度识别的准确性和降低成本,提出了一种融合火眼图像深层特征和浅层特征的过热度识别方法.首先,提出CNN-CGWO-ILSTSVM的过热度识别模型,利用卷积神经网络(CNN)对火眼图像进行深层特征提取,利用改进的最小二乘孪生支持向量机(ILSTSVM)作为分类器提高算法的泛化能力和运算效率.然后,针对ILSTSVM参数选择困难,采用混沌灰狼优化算法(CGWO)对ILSTSVM进行参数寻优,从而提高分类器的精度和泛化能力.最后,采用实际生产数据对方法进行验证.实验结果表明,提出的CNN-CGWO-ILSTSVM模型提高了火眼图像识别的泛化能力和鲁棒性,该方法识别的准确率为93.74％,对比目前的过热度识别方法,显示出更好的优越性.
Identification of superheat degree of aluminum electrolysis based on feature fusion and ILSTSVM

刘斌、韦业辉、徐辰华、熊建斌

展开 >

广西大学 电气工程学院,广西 南宁530004

广东技术师范大学 自动化学院,广东广州510630

过热度识别 深层特征 特征融合 孪生支持向量机 参数优化

620730902018AB670032021SDKYA118

2022

10.13624/j.cnki.issn.1001-7445.2022.0998

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2022.47(4)
  • 13