基于小波神经网络热值软测量建模.pdf

第 47卷 第 4期 石 油 化 工 自 动 化 V01．47．No．4 2011年 8月 AUT0M AT10N IN PETR()_CHEM ICAL INDUSTRY August，2011 基于小波神经网络的热值软测量建模 杨思远 ，徐佩亮 ，王振雷 (1．华东理工大学 ，上海 200237；2．盘锦辽河油 田天意石油装备有限公司，辽宁 盘锦 124010) 摘要 ：提出了一种基于小波神经网络的软测量建模方法和学习算法，这种方法被用来 “测量”裂解炉燃料气热值。小波神 经网络具有 2层结构：小波降噪层和多层感知器层。小波降噪层主要用来对过程数据进行降噪变换，提高源信号的信噪比，多 层感知器层用来辨识过程模型。小波神经网络不但具有 多层感知器 网络的 自学 习和逼近性能 ，而且可以利用小波降噪理论 ，克 服源信号 的噪声干扰 。小波变换可以变换初始数据并进行特征提取 ，变换后的数据具有更高的信噪比，仿真结果显示小波神经 网络具有 良好的逼近能力和泛化性能 。 关键词 ：小波神经网络；软测量 ；遗传算法；燃料气热值 中图分类号 ：TP273 文献标志码 ：A 文章编号 ：1007—7324(2011)04—0034—04 ModelingofSoftMeasurementforCalorificValues Basedon W aveletNeuralNetwork rangSiyuan ，XuPeiliang ，W angZhenlei (1．EastChinaUniversityofScienceandTechnology，Shanghai，200237，China； 2．PanjinLiaoheOilfieldTianyiPetroleum EquipmentCompanyLtd．，Panjin，124010，China) Abstract：A kindofmodelingandstudymethodforsoftmeasurementbasedonwaveletneuralnetwork (WNN)isproposed．Itisusedtomeasurethecalorificvaluesoffuelgasin thecrackersystem．The W NN modelconsistsoftwolayers：thewaveletde—noisinglayerandmultilayerperceptronlayer．The waveletde～nosinglayerismainlyusedfordatade～noisingtransform toincreasethesignalandnoiseratio ． ofthesourcesigna1．M ultilayerperceptron layerisused foridentifying theprocessmode1．W NN not onlyownsthe property ofselflearning and approximation which are held by multilayerperceptions network，butalsocan overcomethenoisedisturb to thesourcesignalusing thede—noising theory of wavelet．Thewaveletcan transform theoriginaldataandextractthefeatures．Thetransformed data showsmuchhighersignalnoiseratio．ThesimulationresultsindicatethattheW NN ownsmuchbetter approximationandthegeneral