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(工学版), 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: | 2003-06-13 |
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! |
|