基于數(shù)據(jù)驅(qū)動的軟測量建模技術及其工業(yè)應用

《基于數(shù)據(jù)驅(qū)動的軟測量建模技術及其工業(yè)應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、浙江大學碩士學位論文摘要在工業(yè)生產(chǎn)和制造過程中，有‘些變量出于技術或經(jīng)濟的原因，無法直接測量，但是這些變量對于保證產(chǎn)品的質(zhì)量和保證生產(chǎn)裝置的平穩(wěn)運行都十分罩要。為解決這個問題，軟測量技術應運而生，并已發(fā)展為當前過程控制領域研究的熱點之一。軟測量技術的基本原理是根據(jù)某種最優(yōu)準則，選擇一組在工業(yè)上容易檢測而且與主導變量有密切關系的輔助變量，通過構(gòu)造某種數(shù)學關系，來實現(xiàn)對主導變量的實時估計。奉論文的主要研究]：作包括以下幾個方面：】．對當前軟測量技術的發(fā)展、現(xiàn)狀和特點等作了簡單概述，并介紹了軟測量技術的概念、基本模型以及一些

2、常用的軟測量建模方法，其中熏點介紹了幾種典型的基于數(shù)據(jù)驅(qū)動的軟測量建模技術。2．為了解決神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)難以確定的問題，提出了一種從RBF神經(jīng)網(wǎng)絡隱含層的輸出信息出發(fā)，通過PLS快速剪枝法，一次性地剪去多余苒點，生成最優(yōu)規(guī)模的數(shù)學模型的方法。仿真研究說明了該方法的有效性。3．為了提商軟測量模型的泛化能力，使用了基于統(tǒng)計學習理論(STL)和結(jié)構(gòu)風險最小化(SRM)原理的最小二乘支持向量機(LS—SVM)方法來建立軟測革模型，實驗室仿真表明，該方法具有建模樣本需求量少，預測精度高的優(yōu)點。4．用基于PLS快速剪枝法的RB

3、F神經(jīng)網(wǎng)絡建模技術和最小二乘支持向最機建模技術分別對某化工企業(yè)精對苯：甲酸(PTA)晶體平均粒徑以及某硫酸廠復合肥裝置的養(yǎng)分含量建立了軟測量模型。通過實際工業(yè)數(shù)據(jù)仿真表明，這兩種方法均具有計算速度快、模型精度高的特點，適臺實際工程應用的需求。最后，在總結(jié)全文的基礎上，探討r軟測量建模技術有待進一步研究和探討的問題。關鍵詞：軟測鼉建模數(shù)據(jù)驅(qū)動PLS快速剪枝RBFNNLS-SVM浙江大學碩士學位論文ABSTRACTInindustrialprocess，therearevariableswhichareveryimport

4、antforguaranteeingthequalityofproductsorkeepingtheprocessrunningproperly，buttheyareverydifficulttobemeasureddirectlyforreasoflsoftechnologyOreconomy．Tosolvethisproblem，anewconceptionnamedsoft-sensoriscreatedandhasbeenoneofthen]ostimportantresearchdirectionsinthe

5、areaofprocesscontr01．Itsbasicprincipleistoselectasetofsecondaryvariablesthataleeasytobedetectedandpossesscloserelationship州ththe州maryvariablesaccordingtOcertain“optima／”criteria．Theselectedsecondaryvariablesarethenusedtoobtaintheon—lineestimationoftheprimaryvari

6、ablesbyconstructingsomemathematicrelationshipbetweenthesevariables．Themainresearchworksconductedinthisdissertationaredescribedasfollows：I．Thedevelopment，actualityandtraitsofthesoft—sensortechniquearesummarized，andtheconcept，basicmodelandsomecomlnonmodelingtechno

7、logiesofsoft—sensorareintroduced．Thereinto，sometypicalsoft-sensormodelingtechnologiesbasedondatadrivenarestressed．2．InordertOsolvetheproblemofdecidingthenumberofnodesofthehiddenlayerofneuralnetwork，asoft—sensormodelingalgorithmwhichCanpruneawaytheredundantnodeso

8、ftheRBFneuralnetworkatonetimebyanalyzingtheoutputinformationofitshiddennodeswithPLS—Pruningalgorithmispresentedandthecorrespondingoptimizedmathematicanalyticalmodelca