資源描述：
《探究基于神經(jīng)網(wǎng)絡的聚合過程建模方法研究》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、浙江工業(yè)大學碩士學位論文基于神經(jīng)網(wǎng)絡的聚合過程建模方法研究姓名：陳焰華申請學位級別：碩士專業(yè)：化學工程指導教師：潘海天2002.3.1一．塑婆!型!厶堂堡：!堂堡堡壅一一●p—————_——-__———_—_——、__——●—_———_—_——_————_’_——___—^-_-—_'_——d—-———__————一摘要一／集合過程是兆型的化：[過程。聚合過程具有反應機理復雜、參數(shù)測量困難、／I{}：線檻強等特點，這使得過程機理她模比較困難。人工神經(jīng)網(wǎng)絡(ANN)不精確依賴于過程機理的數(shù)學模型，劉于任意函數(shù)映射都能按指定要求的精度逼近
2、，在處理復雜且缺乏先驗知識的系統(tǒng)建模問題上表現(xiàn)出獨特的優(yōu)越性。盡管如此，網(wǎng)絡的訓練時間往往太長，兒存在局部極小值。為克服這些困難，本文采用新的快速訓練算法，同時引入全局優(yōu)化算法一一遺傳算法(G^)，克服局部極小值本論文以苯乙烯(s’r)和馬來酸日f(MAll)的熱引發(fā)本體聚合過程為例，研究基JiANN的聚合過程建模方法。論文的主要研究內(nèi)容如下(I)回顧ANN在聚合過程中不同方面的應用，列其進行總結。(2)探討誤差反
3、fil傳播算法的改進原則，并對不同的改進算法進行分析對比。(3)采用G^作為訓練算法，解決ANN局部極小值問題；針對簡單
4、遺傳算法(SGA)存在的缺陷，提出改進措施，并給：}{相應的程序。(4)在此基礎上，討論基于ANN的聚合過程建模方法；對與過程有關但不能在線測量的參數(shù)，構造預測模型，實現(xiàn)參數(shù)的軟測量。(5)利用ANN模型進行仿真，分析各因素對過程的影響?！荃?：!!叁堂堡：生堂堡絲羔一——ABSTRACTP01ymerizationprocessisakindoftypicalchemicalprocess．Duetothecomplexityofreactionmechanical，iilfeasibitityofparameterme
5、aSUrementsandstrongIlon一1[nearityinthereaction，itisdifficulttomodeIpolymerizationprocesswe[Ibased011internalmechanismoftheDr()cess．ArtificialNeuralNetworks(ANN)needn’tdepend011theprocess’smalllematicalmechanismmodelexactlYandcallapproximateanyfunctionmapinanygiveilpreci
6、sion：whichsllOWSparticularadvantageonmodelingofcompljcatedsystemwithdeficientpriorknowledge．Nevertheless，thetraining}，imeofANNiSusual】ytoolongandtherealsoexistslocalmJnimum．TogetoverthedemeritofS1OWtraining，thisthesiSpJ‘esentssomenewfastertrainingalgorithmsandintroduces
7、globaloptimizationa1gorithm——genetiCalgorithin(G^)agaillst10calminimumproblem．Thethesisinvestigatesmodelingtechniquesofpolymer：izatiOilprocessbasedonANN，whichLakesthermalbulkpolymerizationbetweenstyrene(ST)andmaleicanhydrjde(M^}{)forsample．Themainresearchcontentsjntheth
8、esiSareasf01lows(1)Theapp]icatiOIlSbasedonANNtechniquesinvariOUSaspectofpnlymerizationprocessarereviewedandsynthesized(2)TheimprovementprineiP1eorErrorBackPropagationalgoril，hmiS塑!!一!：!!．叁堂堡：!堂堡堡壅(Iis(、Llssedwithdifferentame[ioralivealgorithmsbeinganalyzedand(3)Inthethe
9、sisGAisadoptedasthetrainingalgorithmtosolvetheANN10calrainimumproblem．Aimingattheshortcomingofsimplegeneticalg
