氧化铝生产苛性比值软测量神经网络模型的在线修正方法研究.pdfVIP

摘要 苛性比值是氧化铝生产高压溶出过程中一个重要的生产指标，它 的高低反映了溶出质量的好坏，然而苛性比值软测量神经网络模型是 建立在历史数据的基础上的，即使最初模型的精度很高，随着生产条 件的改变仍然会出现无法适应的情况，从而将导致苛性比值的预测结 果出现较大偏差，因此必须利用新的运行参数，对神经网络模型进行 修正。通常采用的做法是人工采集样本离线进行训练，中断系统替换 原有模型。这种方法费时费力，为了提高系统的可靠性，实际生产中 提出了在线修正的要求。本文对氧化铝苛性比值软测量神经网络模型 的在线修正方法进行了研究。 本文将所研究的苛性比值软测量神经网络模型的在线修正方法 归结为解决三个主要问题：(1)何时需要对网络进行重新训练；(2) 如何组织新的训练样本； (3)如何进行在线训练。然后从这三个问 题入手，通过分析校正对象具有的特点，针对性的建立了在线修正模 型。模型中以稳态检验和数据校正组成样本合格检验模块保证了新样 本的合格性，以置信水平比较作为校正时机的判断依据，并采用了实 时性很强的校正算法，从而很好的解决了上述三个问题。 实际应用证明这种在线修正方法提高了软测量模型的预测水平， 解决了基于历史数据建立的神经网络模型随着时间推移难以适应新 的工作条件的问题。而且因为执行过程均在计算机中进行，工作效率 和可靠程度都得以大幅度提高。 关键词苛性比值，高压溶出，软测量技术，神经网络在线修正 1 臻 ～ ABSTRACT Inthe of alumina,the Hi曲一PressureDigestion(HPD)of process to ratioofsoda a index， aluminate(RSA)isveryimportantproduction andits will reflectthe of alumina．However, magnitudedirectly quality ANNisbasedonthehistorical ifitis can’t data，even initially,it precise tothe conditions’alteration adapt working actually,andalso，the the new dataof RSAwilldeviate prediction largely．Therefore．the runtime mustbe wewanttosolvethis parameteradopted．When proble