网站大量收购独家精品文档,联系QQ:2885784924

基于主元分析气体膜分离过程RBFNN建模.pdfVIP

基于主元分析气体膜分离过程RBFNN建模.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于主元分析的气体膜分离过程RBFNN建模 李桂香1王磊1,2 李继定2 王元麒3 1.海南大学信息科学技术学院,海口 5702282.清华大学化学工程系化学工程国家重点联合实验室,北京100084 3.大连育明高中,大连 116023 摘 要:构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中 一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方 案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息 的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利 用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和 理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。 关键词:气体膜分离;主元分析;RBF神经网络(RBFNN);软测量 TP183 A RBFNeuralNetworksModelingofGasMembraneSeparationProcess BasedonPrincipalComponentAnalysis LIGui-xiang1WANGLei1,2LIJi-ding2WANGYuan-qi3 1.CollegeofInformationScienceTechnology,HainanUniversity,Haikou570228,China; 2.TheStateKeyLaboratoryofChemicalEngineering,DepartmentofChemicalEngineering,TsinghuaUniversity, Beijing100084,China;3.DalianYuMingSeniorHighSchool,Dalian116023,China Abstract:Thesoftsensormodelofgasmembraneseparationprocesswasbuiltbyradialbasisfunction neuralnetworks(RBFNN)basedonprincipalcomponentanalysis CA).Someimportantperformance parameterswhicharedifficulttobemeasuredonlineinhydrogenrecoveryprocesswereanalyzed.The resultshowsthatthemodeliscorrectandthetheoreticalanalysisisrational.PCAintegratedintosoft sensormodelingsimplifiesthestudyofimportantperformanceparameterson-linemeasuringofgas membraneseparationprocess. Keywords:gasmembraneseparation;principalcomponentanalysis(PCA);radialbasisfunctionneural networks(RBFNN);softsensor 量彼此会存j 甄桦起唐十h: ,在可能条件下 则量的适用范围 二确保测量精度j 上理。常用的方} 分析法等1,广j ÷的输出,语法为: }仿真输出向量;E

文档评论(0)

july77 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档