氧化铝生产苛性值软测量神经网络模型的在线修正方法研究.pdfVIP

摘要 苛性比值是氧化铝生产高压溶出过程中一个重要的生产指标，它 的高低反映了溶出质量的好坏，然而苛性比值软测量神经网络模型是 建立在历史数据的基础上的，即使最初模型的精度很高，随着生产条 件的改变仍然会出现无法适应的情况，从而将导致苛性比值的预测结 果出现较大偏差，因此必须利用新的运行参数，对神经网络模型进行 修正。通常采用的做法是人工采集样本离线进行训练，中断系统替换 原有模型。这种方法费时费力，为了提高系统的可靠性，实际生产中 提出了在线修正的要求。本文对氧化铝苛性比值软测量神经网络模型 的在线修正方法进行了研究。 本文将所研究的苛性比值软测量神经网络模型的在线修正方法 归结为解决三个主要问题：(1)何时需要对网络进行重新训练；(2) 如何组织新的训练样本； (3)如何进行在线训练。然后从这三个问 题入手，通过分析校正对象具有的特点，针对性的建立了在线修正模 型。模型中以稳态检验和数据校正组成样本合格检验模块保