基于神经网络的热电偶特性无差优化模型与温度软测量技术研究.pdfVIP

第十七届中国过程控制会议论文集 基于神经网络的热电偶特性无差优化模型 与温度软测量技术 4 夏昌浩 (三峡大学电气信息学院，湖北 宜昌 443002) 摘要：软计算、软测量技术与优化技术有密切的关系。本文简单介绍了软测量技术、软计算、优化技术 的概念、基于 Gauss-Newton 法的 Levenberg-Marguardt （LM ）算法和 BP 神经网络。提出了用可以实现 零误差设计的径向基（RBF ）神经网络建立热电偶特性模型的方法，以镍铬-镍硅热电偶为例阐述了建立 无差优化模型的过程并与 BP 进行了比较，结果表明提出方法的有效性并优于 BP 网络。 关键词：热电偶；软测量；LM 算法；BP；RBF 0 引言 热电偶的热电势与温度是非线性关系。传统的建模方式有分段线性拟合和分段多项式拟合等，存 在计算量大，适应性不好等缺点。对于非线性问题，比较适合于用神经网络方法。神经网络可以映射 任意复杂的非线性关系，通过学习能把样本隐含的特征和规律分布于神经网络的连接权上，可以模仿 人脑进行智能化信息处理，对大量非线性、非精确性规律具有自适应功能，具有信息记忆、自主学习、 知识推理和优化计算的特点。神经网络方法广泛应用于时间序列分析，系统建模，模式识别，过程控 制等领域。为了提高测量精度，利用优化技术建立热电偶特性神经网络无差优化模型、实现温度软测 量具有重要意义。 1 软测量技术 软测量技术的核心是建立待测量和可以直接获取的变量之间的数学模型。建模方法有回归分析、 状态估计、模式识别、模糊数学、神经网络技术等。这些方法可以大致分为机理分析、统计分析和神 经网络技术应用三类。机理分析法是通过分析过程对象中的物理、化学机理，获得被测变量与观测变 量之间的数学关系。由于对复杂工业过程机理往往认识不够完善，该法实际应用中困难较大。统计分 析法是以大量的观测数据为依据，通过选择合理的模型并采用统计方法分析得到观测变量和待测变量 之间的统计规律。虽然不必考虑过程机理，但要以大量实验数据为依据，对测量误差较敏感，对模型 选择有较强的依赖性。基于神经网络的软测量方法，不需要过多了解被测对象的工作机理，大大简化 了对模型的依赖。有两种模式：一是直接利用神经网络的函数映射功能来获得观测变量和待测变量之 间的关系，通过大量样本的训练和学习，使得网络能从观测变量中直接输出待测变量的值，不必建立 显式模型。另一种是先建立待测变量和输入变量之间的数学模型，然后用神经网络方法来对模型中的 相关参数进行估计。该模式下神经网络完成系统辨识功能。基于神经网络的软测量技术关键是建立训 练样本集，选择学习算法和确定网络结构[1]。 2 非线性优化技术与软计算 软测量技术靠软计算和优化技术来实现。非线性优化技术包括梯度和非梯度优化技术。前者包括 迭代下降法、最陡下降法、牛顿法和高斯-牛顿法及非线性最小二乘法。最陡下降法在实际应用中非常 重要，对大型复杂问题，由于其简单性使其更具价值。后者（如遗传算法和模拟退火）直观、且灵活 性强，广泛应用于连续及离散优化问题，但与前者相比需要很大的计算量，速度慢，且存在难以解析 作者简介：夏昌浩(1965-) ，男，湖北江陵人，副教授、自控、检测、智能信息处理。 95 第十七届中国过程控制会议论文集 等问题。因此在目前实际应用中前者仍占主导地位。软计算是计算机和控制学科新发展起来的十分活 跃和具有挑战性的领域，与传统的硬计算不同，其目的在于适应现实世界普遍的不确定性，以达到可 处理性、鲁棒性、低成本求解及与现实更好的紧密联系。对于软计算，目前尚未建立起一套完整的理 论体系，对于其技术内容也有多种说法。一般来说软计算是包括模糊逻辑、神经元网络、遗传算法、 概率推理、混沌理论等方法的集合。其在神经网络技术的应用中主要是梯度编程，基于梯度的优化技 术能按照目标函数的导数信息确定搜索方向，用于优化非线性的神经模糊模型，保证模型在软计算框 架中起到显著作用。最陡下降法、共轭梯