首页 | 本学科首页   官方微博 | 高级检索  
     

基于神经网络PLS方法的软测量建模研究
引用本文:梁军,汪小勇,王文庆.基于神经网络PLS方法的软测量建模研究[J].浙江大学学报(自然科学版 ),2004,38(6):676-681.
作者姓名:梁军  汪小勇  王文庆
作者单位:[1]浙江大学控制科学与工程学系,工业控制技术国家重点实验室,浙江杭州310027 [2]中国石油化工集团公司齐鲁股份有限公司,山东淄博255400
基金项目:国家高技术研究发展计划(863计划)
摘    要:通过神经网络(neurals network, NN)逼近策略,由偏最小二乘回归(partial least squares, PLS)方法拓展得到非线性的PLS-NN方法,构造了基于梯度下降算法的神经网络权值矩阵学习规则.以具有3个质量变量、26个过程变量的轧钢加热炉中钢坯温度分布的检测为例,利用两组实际的运行操作数据对所建模型进行了求解和验证.与线性PLS及机理模型的计算结果相比,PLS-NN模型的估计误差最小(比例大约为1∶1.7∶2.8).运用PLS-NN模型进行了轧钢加热炉生产操作条件的模型预测分析,分析结果表明,加热炉各燃烧段的燃气流量的变化对加热炉生产影响最为显著.

关 键 词:非线性偏最小二乘  神经网络  轧钢加热炉  软测量
文章编号:1008-973X(2004)06-0676-06
修稿时间:2003年6月13日

Soft-sensor modeling via neural network PLS approach
Abstract:
Keywords:nonlinear partial least squares  neural network  reheating furnace  soft-sensing
本文献已被 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号