基于MSR和BP神经网络的多辅助变量的软测量模型及其应用-应用数学专业论文.docxVIP

摘要摘要 摘要 摘要 软测艇技术也称为软仪表技术。概括地讲，所谓软测量技术就是利用易测过程变量 (豢稼力辕萌变量或=次变豢)，菝据这些爨测过程变量与滚数妻接测量魏德测过程交 麓(常称为主导变鬣，例如粗汽油干点)之间的数学关系(软测量模型)，通过各种数 学计算和馁计方法，从丽实现对特测量过程变量的测量。但是在多辘助变量的情况下， 难以建立特测过程变登的软测鬣模型。 本文精先建立了两种软测最模型，即多元逐步回归软测擞模型和BP神经网络软测 麓模鳌。通过琵较两种软测薰模型的褪汽油干点的预测结采，发现存在以下阉鼹。 在软测量过程中，对于一燧异常样本数据，两种软测量模型对这数值的预测效果都 禳差。这黧髯常数嚣傻褥软溺爨模型静矮溅结果套较大偏差，透磊怼软测譬模蘩豹往§l 产生影响，因此本文采用一些方法对输入数据进行预处理。 在软溅鲎过程孛，往往鸯缀多懿辕勃变量，嚣敬鞣韵交慧难疆选掭。辅助交蹩熬选 择由过程特性所决定，同时在实际应用中还应考虑经济性、W靠性、可行性以及维护性 等额钤因素戆利约。如果直接使用过多糖韵变量会燃现过参数纯阕题，至于如僻选取最 佳辅助变激个数是一个有待研究的问题。多元逐步回归方法可以剔选变量，但是对于不 同的辅助变量组合，经过多元逐步回归方法剔选魇的剩余变激一般也不同。本文提出将 疆交试验设计和多元逐步回归结合的思憋来确定BP神经网络软测量模型的输入神经元 个数。 在较测藿过程中，BP裤经溅络其有鞍始静函数遥远及映瓣髓力，邋舍粗汽漓干熹薛 软测量建模。但为解决其拟合过程出现的训练速度慢的缺点，本文用欺轭梯度法来改进 糖准BP爨法，夔褥收敛速度褥劐提毫。 最后，用软件实现软测量模型。实验结果表明，通过几个方面的改进工作，软测量 模型能较好豹实现糕汽油于点豹软测量。 荚键词 软测量技术；享孛经网络；多元逐步回归；BP算法；粗汽油予点 肇南理王大学理学琰圭学经谂文Abstr 肇南理王大学理学琰圭学经谂文 Abstr act Soft-Sensing Technique call also be named Soft-Sensor Technique．nerally speaking, Soft-Sensing Technique uses the mathematic relationship(Soft-Sensing model)between secondary variables that are easily measured and primary variables that黜not,such as Crude Gasoline endpoint,implements the measnre of primary variables by the means of mathematic computation and estimation．But for many secondary variables，it is difficult tO set up Soft-Sensing model ofPrimary Variable． The paper firstly set up two Soft-Sensing models，which are MUl卸le Stepwise Regression(MSR)Soft-Sensing model and BPNN Soft-Sensing model。By the comp越son between estimative results for Crude Gasoline endpoint of the two Soft·Sensing models，there exist the following problems。 In the modeling of Soft-Sensing，for the abnormal sample data,the effect of estimation of the two Soft-Sensing models for the data is very bad．The abnormal data mal(es the two Soft-Sensing models produce errors for estimative results and affects their performance．So the paper adopts some methods to面the pre臼eatment ofinput data． In the modeling of Soft-Sensing，there are often SO many secondary variables that it is difficult to