非线性系统不可测输入软测量 其在CFBB中的应用.pdfVIP

摘要 摘要 本文讨论复杂非线性化工过程不可测输入的在线软测量问题，在本实验室已 有的研究成果基础上，以循环流化床锅炉(CFBB)燃烧系统为工业对象，采用 本实验室开发的CFBB动态仿真系统作为仿真平台，从求解精度、求解速度及实 施维护难度着手，研究适合工业应用的非线性系统软测量的在线算法。 本文首先讨论基于神经网络逆模型的软测量方案；采用PLS—I强F神经网络 算法和LM．BP算法进行算法对比试验：首先通过CFBB燃烧系统仿真平台获取 样本数据，进行算法有效性的仿真研究；之后采用工业采样数据进行工业观测实 验，并设计评估方案以考察观测的准确性。算法对比试验表明PLSI强F算法具 有网络结构训练简便、泛化精度高的优点。 神经网络软测量方法是目前主要的软测量方法，但该软测量方法需要有一定 规模和代表性的建模样本数据。对本文讨论的问题，由于难以得到不可测输入的 规模采样数据，需借助工业对象的非线性动态模型来产生建模样本，再建立神经 网络模型，工业应用时若工况变化后需修改模型，则需重新仿真获取数据建模， 实际上不方便工业实施和后期维护，因此，本文重点探讨可直接由非线性工业模 型进行软测量的方案：