基于深度置信网络的4-CBA软测量建模.pdf

Computer Engineering and Applications 计算机工程与应用 2017 ，53（6 ） 227 基于深度置信网络的4-CBA 软测量建模 刘瑞兰，毛佳敏 LIU Ruilan, MAO Jiamin 南京邮电大学 自动化学院，南京 210023 School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210023, China LIU Ruilan, MAO Jiamin. Soft sensor modeling of 4-CBA based on deep belief networks. Computer Engineering and Applications, 2017, 53 （6 ）：227-230. Abstract: In industrial PTA production process, 4-CBA concentration is the important basis of PTA product quality evalu- ation. This paper combining the deep belief networks and BP neural networks proposes a soft sensor model of 4- CBA based on deep belief networks. Deep belief network is one kind of typical deep learning algorithm. The algorithm has remarkable superiority in feature learning. According to experimental results, a soft sensor model based on deep belief networks can predict 4-CBA concentration well. Compared with BP neural network model, the model based on deep belief networks has higher prediction precision. Key words: deep learning; deep belief networks; neural networks; soft sensor 摘 要：PTA 工业生产过程中4-CBA 的含量是评价其产品质量的重要依据。将深度置信网络和已有的浅层算法相 结合，提出基于深度置信网络的4-CBA 软测量模型。深度置信网络是一种典型的深度学习算法，该算法在特征学习 方面优势显著。根据实验结果，基于深度置信网络的软测量模型能够很好地估计4-CBA 含量，和单纯的BP 神经网 络模型相比，基于深度置信网络的模型预测精度更高。 关键词：深度学习；深度置信网络；神经网络；软测量 文献标志码：A 中图分类号：TP274 doi ：10.3778/j.issn. 1002-8331.1507-0179 1 引言 入局部最优。4-CBA 软测量建模需要处理复杂的数据， 工业生产过程中4-CBA （对羧基苯甲醛）含量关系 显然以往的浅层算法不能完全满足它的需求。 到PTA （精对苯二甲酸）产品质量。PTA 为石油工业的 本文提出基于深度置信网络的4-CBA 软测量模 [1] 型。深度置信网络是一种深层神经网络，Hinton 等人[5-8] 下端产品，在生产聚酯中是非常重要的有机原料 。4- CBA 是PTA 生产过程中PX 氧化反应的副产品，工业规 已经证明：深度置信网络能够很好地处理图像识别、语 定其含量在TA （粗对苯二甲酸）中质量分数为（1 500~ 音检索和情感分类等问题。虽然深度置信网在特征学 -6 习方面优于以往人工神经网络和多层感