分布式RBF神经网络及其在软测量方面的应用*

本文首先改进了竞争学习算法，并且在此基础上提出了递阶聚类的思想，然后利用这种思想得到了一种分布式ＲＢＦ（Ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ）神经网络。文章最后将这种网络应用于建立精馏塔成分估计的软测量模型。利用精馏塔的现场操作数据进行仿真，效果很好。     

基于RBF神经网络的冷冻水流量软测量研究

冷冻水流量是空调系统的冷水机组模型以及变流量控制的前提。在一般空调系统中,由于成本和维护的原因,流量传感器出现故障造成测量误差偏大。提出应用RBF神经网络建立冷冻水流量软测量模型,以动态监测流量传感器的运行是否正常。将流量传感器的实际测量值与软测量得到的结果进行比较,当两者的偏差达到或者超过一定的程度时(如10%),这时就可以认为流量传感器发生了故障,并且产生报警信号;同时,冷冻水流量的监测由流量传感器切换到软测量模块,即在流量传感器发生故障的情况下,实际工程系统中基于冷冻水流量的控制和算法仍然能比较好的继续实施。     

基于RBF网络的混炼胶质量软测量技术实现

针对混炼胶生产过程中影响产品质量各个因素之间存在的复杂未知映射关系,精确数学模型难以建立的问题,提出了基于RBF神经网络的混炼胶质量在线预测模型,并和多元线性回归法测量结果进行了比较.实验结果表明,基于RBF神经网络的混炼胶质量的软测量模型具有很高的测量精度,可以在实际生产中发挥有效作用.     

基于神经网络的过程软测量

提出基于神经网络的软测量技术的一般框架,并针对一个实际的催化裂化装置,采用多层前向网络和推广随机逼近算法对粗汽油干点的软测量进行了研究.理论分析和模拟表明,该模型可以很好地描述实际对象特性.     

基于RBF神经网络的钢坯温度预报软测量模型研究

钢坯加热过程是钢铁企业热轧生产中非常重要的工艺环节。钢坯温度预报模型是实现加热炉优化控制的重要基础,用常规仪器很难直接测量出钢坯温度。给出了基于RBF神经网络的软测量模型结构,对钢坯温度进行预报的仿真结果。     

基于神经网络的软测量技术及应用

软测量是一门新兴的工业技术，它借助现代估计理论构造模型推断出工程上难以检测的变量。本文提出了基于径向基函数神经网络（RBFNN）的软测量技术，并且结合工艺机理分析和过程数据关联，对其在轻柴油凝固点软测量的应用进行了研究。结果表明，RBFNN的良好的非线性动态建模能力使其在软测量中具有很大的应用潜力。     

基于软测量的先进控制系统的实现

针对某精馏装置存在的测量和控制方面的问题，提出了基于软测量的推断控制方案。分别用逐步回归和BP神经网络方法建立了对象的软测量模型，分析了建模效果。最后介绍了如何在DCS上组态实现该控制方案。     

基于RBF神经网络的软测量算法的SoC实现

提出了一种面向片上系统(SoC)的RBF神经网络的软测量算法,在OMAP-L137双核处理器SoC 硬件平台上成功实现了整个训练与预测算法.针对SoC计算速度和存储空间等资源有限,对网络结构、权值更新模式和步长以及数据预处理方式等参数提出了具体的解决方案.经过相关数据集的测试结果表明:提出的算法移植方法完全满足工业应用...     

氧化铝浓度的RBF神经网络软测量模型研究

在电解铝的生产过程中,针对氧化铝浓度不能在线测量的难题,采用了软测量技术来估计氧化铝浓度;运用径向基函数(RBF)神经网络构建了软测量的数学模型,利用神经网络的非线性逼近能力和自学习功能来适应不断变化的槽况,从而较准确地估计出氧化铝浓度;以某铝厂为实际应用背景,结果表明该软测量模型能够有效实现氧化铝浓度的在线检测.     

基于BP神经网络的电机转矩软测量研究

本文将在化工领域广泛使用的软测量技术应用来进行异步电机转矩测量。根据感应电动机的数学模型，提出了仅用葶于神经网络的电机定子电流的电磁转矩辨识方法，实现异步电机转矩的软测量。用改进的BP算法对神经网络进行学习和训练，构建了适合电机转矩观测的多层前馈神经网络，仿真研究表明：基于神经网络的电机转矩辨识模型具有良好的性能。     

基于神经元网络的燃油锅炉烟气氧含量的软

针对目前各种氧含量检测仪表在运行过程中的可靠性差、使用寿命短及价格昂贵等诸多不足，通过探寻锅炉运行中的其他参数与烟气氧含量的映射关系，建立ＢＰ神经元网络，提出了燃油锅炉烟气氧含量的软测量方法。结果表明，其精度完全达到了设计要求。     

基于灰关联分析方法

针对一致关联度算法不具有普遍性和动态改变惯性权的自适应粒子群算法(DCW)不易跳出局部收敛能力的缺陷,本文提出了完全关联度算法和自适应变异的动态粒子群优化算法。完全关联度算法主要用来选择软测量的辅助变量。在改进的粒子群优化算法中,除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子。为了构造一种性能较好的神经网络,采用改进的粒子群优化算法来优化神经网络所有的权值参数,并将提出的软测量建模方法预测延迟焦化的汽油干点,实验结果表明,与DCW算法优化神经网络(DCWNN)的建模方法相比,该算法不仅具有较好的泛化性能,而且具有较高的精度和良好的应用前景。     

基于RBF神经网络的电化学CO气体传感器的温度补偿

针对电化学CO气体传感器的输出精度易受环境温度影响的缺点,提出了一种基于RBF神经网络的温度补偿方法,并借助所设计的气体采集系统进行了实验研究.实验结果表明,未进行温度补偿时传感器输出最大误差为20.0%,基于BP神经网络温度补偿方法的误差为1.44%,而采用RBF神经网络进行温度补偿后最大误差可达到0.12%,故该方法可有效的用于电化学CO气体传感器的温度补偿,令传感器具有更高的测量精度和温度稳定性.     

基于遗传神经网络的传感器输出特性拟合􀀁

针对最小二乘法和分段线性化等传统方法的不足,提出了解决传感器输出特性拟合和在线标定问题的遗传神经网络算法,实验验证了其有效性,本文的论述不但可以用于传感器,而且可以用于其它类似系统。     

基于神经网络的故障诊断应用研究

文中根据神经网络的相关原理，运用神经网络领域的相关知识，对于工业生产中经常出现的设备故障，提出了一种基于RBF神经网络的诊断方法，并详细讨论了RBF神经网络的结构、训练算法及用于设备故障诊断的步骤，最后以某系统的故障诊断为例，证明了此方法的优越性。     

基于RBF神经网络的混合像元分解

介绍了高光谱遥感技术中混合像元的概念,可以通过分析高光谱遥感光谱曲线,来确定混合像元的地物组成类别和比例,实现混合像元分解的目的.阐述了基于RBF网络进行混合像元分解的方法,并采用模拟遥感数据进行了仿真实验,验证了这种方法的有效性.     

基于神经网络的矿用红外瓦斯传感器检测模型的研究

文章简要介绍了瓦斯红外检测原理,指出了传统吸收型模型的不足,基于RBF神经网络的非线性逼近能力建立了一种红外瓦斯传感器检测模型,给出了RBF神经网络的组织,并对RBF神经网络进行了训练,得到了红外瓦斯传感器检测模型的RBF神经网络结构。实验结果表明,该模型误差小、精度高,可满足煤矿井下应用的需要。     

基于支持向量机的嵌入式软仪表

过去几年中，神经网络尤其是径向基网络得到广泛了应用，支持向量机作为一种新兴的学习机和神经网络相比有着极大的优越性，以某炼油厂催化裂化单元中的轻柴油凝固点为例，从Matlab算法验证和工程实践两方面说明了支持向量机在软测量建模中的巨大优越性。     

基于多神经网络模型的石脑油干点软测量

应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值。同时为了克服因炼制原油性质无法及时获得而造成对初顶石脑油干点预测偏差的影响,在于模型建立时将前一时刘初顶石脑油干点分析值作为网络模型的自变量。实际应用表明,所建模型具有良好的预测精度,泛化能力强,效果令人满意。