基于人工神经网络方法的间歇硫酸盐法蒸煮纸浆硬度的H-.PDFVIP

基于人工神经网络方法的间歇硫酸盐 法蒸煮纸浆硬度的 H - 因子控制 吴新生 　刘焕彬 　谢益民 　罗 　琪 (华南理工大学制浆造纸工程国家重点实验室 ,广州 ,510641) 摘　要 　本文利用工厂实际数据 ,利用人工神经网络的方法去进行间歇硫酸盐法蒸煮纸浆硬度的 H - 因子的控制 ,结果表明这是可行的 ,从而为蒸煮纸浆硬度 H - 因子的控制提供了一种新的方法。 ( ) ( ) 关键词 　人工神经网络 ANN 　硫酸盐法蒸煮 KP 法 　纸浆的硬度 　H - 因子 而对全部 P 个学习样本, 系统的总误差 1 　前 　言 为 　　由于蒸煮过程是一个极为复杂的非线性 E总 = E 过程 ,很难能用一个十分精确的数学模型来 p 网络学习的目的是调整网络中连接各节点的 描述这个过程。因此 ,利用现有的操作信息 权值 ,使系统的均方误差达到所需的精度。 来控制蒸煮过程是极为困难的。近年来 ,人 这个过程是通过 BP 算法来达到的。BP 算 工神经网络在非线性系统建模和故障诊断中 有了广泛的应用。例文[1 ] 建立了蒸煮过程 法由信号的正向传播和误差的反向传播所组 中的纸浆硬度的人工神经网络模型 ,文[2 ] 建 成。具体算法可参考文[3 ] 。作者采用了 MA TLAB 语言[4 ]编写此算法的计算机程序。 立了磨浆机的人工神经网络模型及对其进行 了优化。本文将研究利用人工神经网络方法 在应用中 ,BP 网络实际上实现对一个复 杂系统的输入模式到输出模式的非线性的映 来进行间歇硫酸盐法蒸煮纸浆硬度的 H - 因 射。BP 定理[3 ] 已说明对于一个三层BP 网 子的控制。 ε 络 ,即只有一个隐层 ,就可以以任意 0 的 2 　BP 网络及其原理 平方精度逼近函数 f ∶Rm →[ 0 ,1 ]n 。因此 , 网 　　BP 网络是应用最为广泛的人工神经网 络的层数一般选用三层 ,又网络的输入层和 络之一 ,它的基本结构原理如图 1 所示。网 输出层的节点数由具体系统的输入数和输出 络由分为不同层次节点集合组成 ,每一层的 数所决定。所以 ,在确定网络的结构时 ,主要 节点输出送到下一层的节点 ,这些输出值由 的工作是根据训练的速度和精度来综合选取 于连接权值不同而被放大、衰减或抑制。除 隐层的节点数目。 了输入层外 ,每一层的节点的输入为前一层 3 　BP 控制网络的生成 的所有节点的输出值的加权和;每一节点的 激励函数一般为 Sigmoid 型函数。 　　人工神经网络用于复杂系统的建