基於RBF神经网路的生产工艺参数软监测.pdfVIP

2010 產業管理創新研討會 基於RBF神經網路的生產工藝參數軟監測 1 2 1 1 1 張進春 侯錦秀 宋維賓 曾強 蘭建義 1 河南理工大學能源學院工業工程系 ，河南焦作 454000 ，講師 2 河南理工大學安全工程學院 ，河南焦作 454000 ，講師 zjc@hpu.edu.cn 摘 要 回應迅速 ，能連續給出主導變數資訊 ，且投資低 ，維 護保養簡單等優點 。 生產實踐中存在大量難以直接測量或測量成本 諸多軟測量建模方法中人工神經網路無需物件 較高 ，且對產品品質或生產過程影響大的重要工藝參 的先驗知識 ，根據物件的輸入輸出資料直接建模 ，具 數 。而這些參數多與其他易於直接測量的工藝參數存 有自學習 、自適應和非線性逼近等功能 ，所以被作為 在這複雜的非線性關係 。針對這類參數檢測問題 ，提 解決複雜系統過程參數軟測量問題的理想 方法。徑向 [5] 出了應用軟測量技術進行檢測。應用 RBF神經網路實 基函數RBF (Radial Basis Function)神經網路 是一種 現由易測工藝參數到難測工藝參數的非線性映射 ，通 單隱層前向網路 ，在理論上 ，RBF 網路採用局部激勵 過易測參數的測量對難測工藝參數進行測量的軟測 函數，使得網路訓練速度加快 ，且對非線性問題具有 [6] 量 。基於RBF神經網路軟測量技術 ，對重油催化裂化 萬能逼近能力 因此。 ，針對複雜生產系統，採用RBF 沉降器內動態液位元進行了軟測量 ，實踐表明該方法 神經網路進行工藝參數軟監測是一個有效途徑 。 有效可行 。 關鍵字 ：RBF神經網路 ；工藝參數 ；軟測量 1.應用 RBF神經網路複雜生產工藝參數軟測 量建模 Abstract 1.1 RBF神經網路的結構與演算法 There are many important parameters in production RBF神經網路的結構如圖 1所示 。RBF神經網路 which affect the production’s quality or the production 是一種前饋神經網路 ，一般為3層結構 。對於一個結 process. However ，it is always difficult or expensive to 構的 RBF 網 ，其三層結構一般包括 ：為網路的輸入 be measured or monitored directly for many of them. It is 向量 ，為輸出單元偏移 ，為網路輸出 ，為第 i個隱 a good idea that using Soft-Sensor technology to solve 含層節點的啟動函數 。 this problem. This pape