基于特征融合和ILSTSVM的铝电解过热度识别

• 全文链接
• 请求原文

作   者：

刘斌;  韦业辉;  徐辰华;  熊建斌; 

作者机构：

广西大学电气工程学院;  广东技术师范大学自动化学院; 

关键词：

特征融合;  孪生支持向量机;  参数优化;  过热度识别;  深层特征; 

期刊名称：

广西大学学报(自然科学版)

i s s n：

1001-7445

年卷期：

2022 年 004 期

页   码：

998-1007

摘   要：

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。