基于elman神经网络的化工过程软测量建模方法 soft sensing modeling method based on elman neural network for chemical process.pdfVIP

基于Elman神经网络的化工过程软测量建模方法桑桦。等 基于Elman神经网络的化工过程软测量建模方法 Soft MethodBasedonEImanNeuralNetwork SensingModeling forChemicaIProcess 桑 桦 李 穹 (兰州交通大学自动化与电气工程学院，甘肃兰州730070) 摘要：针对软测量建模问题，提出了一种基于Elman神经网络的软测量建模方法。将该方法应用于脱丁烷塔底部丁烷组分含量以 件下，通过与传统的梯度下降算法以及其他软测量建模方法对比表明，EKF算法能够获得较好的离线估计结果，具有较好的鲁棒性和 较快的收敛速度。 中圈分类号：TH一39；TP274文献标志码：A DOI：10．16086／j．enid．issnl000—0380．201603017 soft methodbasedOnElmanneuralnetworkis insoft butane Abstract：Forse=si=g Sellingmoddi％for modeling-the propoⅫl。andapplied contentofthebottomofthe thecontentsof and intail 0f theElmanneural component debutanizer。and S02 112S gassIll缸recoveryunit；and networkistrained BPTY andEKF withother byllsing algorithm。RTRL蛔thmalg础thmrespectively．Comparisonsoft∞地ingmodeling methodsandtraditional offlineestimation andfaster a弛obtained gradientdescent蛔tlIm．betterresult-robustnessconvergencespeed by EKF algorithm． neuralnetwork Real—timerecurrent Keywords：Elman Soft∞nsingBack—propagationthroughtime蛔thm leⅫ-ningalgorithm Kalmanfilter Chemical Expanded alg,orithm processes 0引言 through 在化工生产过程中，许多重要的质量变量难以实 recurrent 时测量。软测量技术通过构建某种数学模型，描述可 化的准则，存在收敛速度慢、易陷入局部最优等问题。 测、易测的辅助变量与难以直接测量的待测主导变量 扩展卡尔曼滤波哺“驯(expanded 间的函数关系。根据最优准则，软测量技术能够实现 为卡尔曼算法的一种非线性扩展形式，属于最优状态 对待测变量的测量或估计u。2-。 估计算法，用于训练神经网络，可以提高收敛速度，满 neural 足软测量建模实时性的需求。 近年来，人工神经网络(artificialnetwork， vector ANN)、支持向量机(supportmachine，SVM)等方 1理论基础 法被广泛地应用于软测量建模u“1。文献[1]提出了 基于多层感知器神经网