工业软测量模型结构与输入变量选择的研究

2012年03月15日17:17:21 本网站我要评论(2)字号：T | T | T

关键字：应用

朱群雄，郎　娜
北京化工大学信息科学与技术学院，北京

摘　　　要：针对过程工业中难以直接测量的变量建立其软测量模型，对于实现关键指标的在线监测和实时控制具有十分重要的意义。变量的选择直接关系到神经网络软测量模型的预测性能，针对现有输入变量和网络结构选择方法在工业应用中的不足，提出了一种基于敏感度分析的方法来确定网络输入变量集和前馈神经网络隐含层节点个数，并建立了高密度聚乙烯（ＨＤＰＥ）产品质量指标熔融指数（ＭＩ）软测量模型，以实际工业应用验证了该方法的有效性。

关　键　词：软测量；敏感度分析；输入变量选择；隐含层节点

１　引　言
现代工业过程中，需要对很多重要参数进行实时监测，但由于缺乏在线测量手段，给关键参数的控制带来极大困难。软测量技术在这种情况下应运而生，得到了广泛的应用。石油化工工业过程机理复杂，影响因素繁多，很难取得被测变量与辅助变量的精确数学关系，因此实际应用中通常将机理分析作为基础，而采用基于数据的建模方法来建立软测量模型［１３］。近些年来，人工神经网络在复杂工业过程软测量建模中的应用日益广泛。输入变量及网络结构的选择是利用神经网络建模前的一项重要工作，选取一组对期望输出影响较大的输入变量集和合适的网络结构是神经网络预测的首要问题。本文利用贡献率来解决这个问题。通过计算各层的贡献率达到调整网络结构以及选择输入变量的目的。并将此方法用于高密度聚乙烯熔融指数软测量建模中，应用实例表明此方法在增强网络泛化能力，提高模型预测精度上起到了良好的效果。

登录网站后可下载文件

相关阅读:

没有相关新闻...

电子应用

文摘

方案

电路图

电源技巧：电流模式控制简化了对降压LED稳压器的补偿

热点新闻