共查询到19条相似文献,搜索用时 109 毫秒
1.
张愉 《计算机测量与控制》2010,18(11)
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. 相似文献
2.
3.
4.
《计算机与应用化学》2016,(1)
针对污水处理过程中曝气池溶解氧浓度无法精确在线测量的问题,本文采用BP神经网络建立了溶解氧浓度预测的软测量模型。将进水参数氨和铵根离子态的氮Snh、快速可生物降解有机物Ss、异养菌生物量Xbh、颗粒性不可生物降解有机物Xi、慢速可生物降解有机物Xs以及进水流量Q作为BP神经网络软测量模型的输入变量,采用遗传算法对BP神经网络的初始连接权值和阈值进行优化。对预测结果的准确性及遗传算法优化BP神经网络的泛化能力进行了分析,讨论了数据归一化对软测量模型预测结果的影响。仿真结果表明,采用遗传算法优化BP神经网络的权值和阈值以及对训练数据归一化处理,有效地解决了溶解氧浓度BP软测量模型精度差的问题,使溶解氧软测量模型的测量精度明显增强。 相似文献
5.
柠檬酸双效蒸发过程具有关联耦合严重、非线性、环境噪声大的特征.笔者采用PCA-BP神经网络建立了蒸发过程出料液浓度软测量预测模型.为提高软测量模型的实用性和预测精度,提出了基于误差估计器的短期在线校正方法和不定期软测量模型更新的学习机制.利用现场数据进行了校验,结果表明所建模型是合理有效的. 相似文献
6.
7.
8.
9.
本文详细介绍了基于GA-BP神经网络在垃圾焚烧过程中二噁英排放软测量的应用过程.采用基于GA-BP神经网络理论来建立二噁英排放的软测量模型,通过软测量方法的结果和实际值的分析比较,表明基于GA-BP神经网络的二噁英软测量模型的测量精度较高、容错性好、泛化能力较好,是防止垃圾焚烧过程带来的二次污染有效的方法,为垃圾的焚烧过程控制提供了指导依据.此方法可以有效地应用于其它不能直接测量的工程应用. 相似文献
10.
11.
椭球定界算法在混合建模中的应用研究 总被引:1,自引:0,他引:1
并行结构混合建模主要由机理模型与误差补偿模型组成.一般地,误差补偿模型不宜过于复杂,且模型应具有校正功能,以免精度随时间不断下降.针对这个问题,本文选择单层神经网络作为误差补偿模型,并将椭球定界算法应用于单层神经网络的参数更新,不仅能够保证建模误差稳定有界,同时能够提高网络的收敛速度.将提出的方法应用于氧化铝生产过程,改进了原有的苛性碱和氧化铝组 分浓度软测量方法.实验研究结果表明,椭球定界算法的应用提高了模型的精度和网络的收敛速度.除此之外,在存在噪声干扰下,改进 的方法比原有方法更稳定,进一步证明了方法的有效性和优越性. 相似文献
12.
基于PCA的多神经网络软测量模型及其在工业中的应用 总被引:7,自引:1,他引:7
在复杂工业生产中 ,影响生产的因素非常多 ,使得用于软测量的神经网络模型极其复杂 .针对这个问题 ,利用主元分析法 (PCA)将影响因素重组 ,在此基础上 ,提出了一种多神经网络 (PCA- MNN)模型 .介绍了 PCA- MNN的结构及学习算法 ,并将其应用于氧化铝高压溶出过程中苛性比值及溶出率的软测量 ,利用现场实际运行数据进行仿真 ,结果表明 PCA- MNN模型能有效实现苛性比值及溶出率的在线检测 相似文献
13.
传统RPCL聚类算法是在随机选取样本的前提下修正权矢量的,没有考虑样本集的空间分布情况。为此,该文提出了一种改进的RPCL聚类算法。该算法引入样本区域密度的概念,根据密度大小按不同的概率选取样本,以修正权矢量。利用文犤1犦中的算例证明了新算法比传统RPCL算法具有更好的聚类速度和精度。最后将算法用于基于RBF神经网络的氧化铝高压溶出过程中溶出率的软测量,仿真结果表明改进的RPCL算法能很好地实现数据样本的聚类,从而提高软测量模型的泛化能力。 相似文献
14.
针对污水处理过程中化学需氧量(chemical oxygen demand, COD)难以在线测量的问题,提出了一种基于径向基函数(radial basis function, RBF)神经网络的软测量模型.首先,用污水处理厂实测数据挑选出与COD相关的过程变量作为输入变量;其次,基于RBF神经网络建立出水COD软测量模型,利用自适应遗传算法改进的麻雀搜索算法(adaptive genetic algorithm improved sparrow search algorithm, AGAISSA)优化RBF神经网络的中心值、宽度值以及权值,通过改进麻雀位置更新公式以及引入遗传算法中的自适应交叉和变异操作保证了软测量模型的精度;最后,将RBF神经网络的软测量模型应用于污水处理厂实测数据加以验证,结果表明:AGAISSA优化RBF神经网络模型能够对出水COD进行准确的预测,具有较高的预测精度. 相似文献
15.
16.
17.
18.
19.