RBF及其PLS在成品油调合辛烷值预测中的应用研究.docVIP

摘 要 随着现代工业过程对控制、计量、节能增效和运行可靠性等要求的不断提高，各种测量要求日益增多，而在许多实际化工生产中，存在许多难以或无法直接测量的参数，同时它们又是要加以严格控制，且对产品的质量及生产的安全性有很大影响。因此，这类参数的在线测量问题引起了工业界人士的广泛重视和研究。近年来发展起来的软测量技术，突破了常规工业仪表在测量和分析方面存在的问题，充分利用那些容易测量的并且与关键参数。依据某种最优准则，推算难以测量或根本无法测量的关键参数。软测量作为一种解决产品质量等关键性生产参数的在线实时测量问题，有效提高生产效益、保证产品质量的有力手段得到了广泛关注和重视。 本文介绍了PLS、RBF神经网络的算法，在充分理解的基础上，以辛烷值的预测为背景，据其工艺的具体情况，应用神经网络的软测量技术，将获得的辅助变量的数据作为训练样本，分别用PLS和RBF神经网络建立软测量模型，将预测值和化验值进行比较，证明所建模型能较好地表现出对象的动态行为，且具有较好的泛化能力。 关键词：软测量； 神经网络； 偏最小二乘； 径向基神经网络； 辛烷值；