基于自适应模糊聚类的多模型染纱能耗软测量

针对染纱生产的工艺能耗测量问题,提出一种基于自适应模糊聚类的多神经网络的染纱能耗软测量方法.该方法采用自适应模糊C均值聚类算法,基于实时采集的样本数据,将训练集划分成不同聚类中心的子集,并自适应修正.每个子集用径向基函数网络训练得到子模型,然后根据聚类后的隶属度,将各子模型的输出加权求和获得最后结果.通过对染缸能耗软测量建模,并对其进行仿真和典型实例研究,表明该方法具有良好的预测精度和鲁棒性,且与制造执行系统结合具有良好的在线测量能力.     

基于改进型BP网络的染纱能耗软测量

染纱生产过程是一个典型的间歇生产过程,具有非线性、时变性、输入和输出量都较多等特点,难以建立准确的数学模型.同时,在线测量仪表价格昂贵.将改进型BP神经网络算法应用于车间能耗的测量,以车间蒸汽能耗为例建立车间能耗BP神经网络软测量模型.仿真结果表明,建立的软测量模型能实现蒸汽能耗的实时测量和估计,并为后续进行车间能源管理提供了良好的基础.