资源描述：
《rbf多模型神经网络软测量技术在湿法磷酸生产中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、2006年第2期常州工程职业技术学院学报Vol22006总第四十八期JOURNALOFCHANGZHOUINSTITUTEOFENGINEERINGTECHNOLOGYJunNo48RBF多模型神经网络软测量技术在湿法磷酸生产中的应用徐志成常州工程职业技术学院摘要利用多模型的思想进行二水法磷酸装置反应槽SO3浓度软测量建模。首先通过机理分析选出对目标变量SO3浓度影响较大的变量作为辅助变量,并利用神经网络分类思想按目标变量值的不同区间对现场数据进行分类,然后采用多个径向基神经网络(RBF)建立相应
2、的经验模型。工业装置数据的拟合和预测结果表明:基于神经网络的多模型软测量可以取得更好的效果。关键词多模型RB神经网络SO3湿法磷酸1.引言热,多种物质存在的多元、复杂的化学反应过程,受到诸如温度、压力、矿粉的细度、搅拌强软测量技术是一种能够利用温度、压力和度及固态膜等多种因素的影响,所以在反应中流量等可直接测量变量来求取工业生产中那存在着很强的非线性因素,而且不同的操作条些难以直接测量的关键工艺参数的方法。通件下,数据之间的差异性比较大。如果用单一常来说,软测量的实现主要由辅助变量的选的神经网
3、络模型拟合,则必须要求包含各种操择、数据采集和处理、软测量模型建立、在线校作条件下的大量训练样本来训练模型,这样不正等几部分组成。它已被广泛应用于工业生仅影响网络的训练速度,而且精度难以保证,产中,是未来过程控制应用的几大研究热点之所以本文采用多模型的建模方法。一。主元分析,最小二乘法,神经网络,模糊系统等已经被广泛应用于软测量的研究中。2.基于多模型的RBF软测量算法在湿法磷酸生产中,反应槽中SO3浓度对2.1RBF径向基神经网络磷酸生产极其重要,然而由于人工化验的时间径向基函数神经元网络(Radial
4、BasisFunc较长,次数较少,分析结果并不能及时准确地tionNeuralNetworks),是单隐层的前向网络,权反应生产过程中每一时刻的实际情况。为了值、隐含单元函数中心、隐含单元数目需学习克服这一缺点,本文通过神经网络多模型的思确定,而网络隐含层函数类型要针对具体问题想,利用流量、压力等可直接测量变量,较准确选用不同的径向基函数。理论上,RBF网络具地拟合出SO3的经验模型,从而对实际生产操有广泛的非线性适应能力。作起到了辅助和指导作用。RBF径向基神经网络的结构图如图1所由于湿法磷酸的反应过程
5、是伴有放热,吸示:作者简介:徐志成,男,硕士研究生。32RBF多模型神经网络软测量技术在湿法磷酸生产中的应用络建立软测量模型,会造成网络结构过于庞大,训练时间也随之变长。多模型的思想是由Bates提出的,即进行目标建模研究时,采用多个模型的方法分别建模,并将每个模型的输出以某种方式进行联接作为系统最终输出,以改图1径向基神经网络结构进模型的预测能力。Cho提出了多模型用于鲁网络包含一个输入层,一个隐含层和一个棒分类的思路。输出层,输入层节点只传递输入信号到隐层,本文所提出的多模型神经网络结构图如隐层节点
6、一般采用高斯函数构成:2图2所示。根据数据之间的差异将工业数据分!x=ci!Ri(x)=exp[-2]i=1,2,L,m2i为n类,并利用神经网络拟合出每一类模型(2.1)NN1∃NNn,对辅助变量通过神经网络分类器其中x是n维输入向量,ci是第i个基函数(NN)进行判别属于哪类模型,并带入具体的模的中心,与x具有相同的维数,i是第i个感知型中得到最终的目标变量值。器变量,它决定了该基函数围绕中心的宽度,m具体算法如下:是感知单元的个数;!x-ci!表示x和ci之间设原始输入数据样本矩阵为X=[x1,
7、x2,L,T的距离,Ri(x)在ci处有一个唯一的最大值,随xm],xj=[xj1,xj2,L,xjn],j=1,2,L,m;其中m代着!x-ci!的增大,Ri(x)迅速衰减到零,对给表所含的样本数,n代表每个样本中所含的变n定输入x∀R只有一小部分靠近x的中心被激量数,xj代表集合中的一个样本点,输出数据样活。输入层实现x#Ri(x)的非线性映射,输出本矩阵为Y=[y1,y2,L,ym]T。将X分为训练样层实现从Ri(x)#Yj的线性映射。即:本集Xtrain和检验样本集Xtest。mYj=wijRi(
8、x)+bjj=1,2,L,N(2.2)1)根据输出数据Xtrain的不同将训练样本i=1集Xtrain分为若干类:X1,X2,L,Xn;2)对每一类数据分别进行神经网络建模,得到n个模型:net1,net2,L,netn,;3)从训练样本数据Xtrain中选出部分对输%出数据Xtrain影响较大的变量构成矩阵Xtrain,利%用神经网络以Xtrain为输入,Xtrain为输出建立模图2多模型神经网络结构图%型
