基于RBF神經(jīng)網(wǎng)絡(luò)的軟測量算法的SoC實現(xiàn).pdf

《基于RBF神經(jīng)網(wǎng)絡(luò)的軟測量算法的SoC實現(xiàn).pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、2011年第3O卷第1O期傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)133s計算與測試9《。＼基于RBF神經(jīng)網(wǎng)絡(luò)的軟測量算法的SoC實現(xiàn)朱懿峰，宋執(zhí)環(huán)(浙江大學(xué)工業(yè)控制研究所工業(yè)控制技術(shù)國家重點實驗室，浙江杭州310027)摘要：提出了一種面向片上系統(tǒng)(SoC)的RBF神經(jīng)網(wǎng)絡(luò)的軟測量算法，在OMAP-L137雙核處理器SoC硬件平臺上成功實現(xiàn)了整個訓(xùn)練與預(yù)測算法。針對SoC計算速度和存儲空間等資源有限，對網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)值更新模式和步長以及數(shù)據(jù)預(yù)處理方式等參數(shù)提出了具體的解決方案。經(jīng)過相關(guān)數(shù)據(jù)集的測試結(jié)果表明：提出的算法移植方

2、法完全滿足工業(yè)應(yīng)用的要求，且具有便攜性、低成本、可擴展等多種優(yōu)點。關(guān)鍵詞：片上系統(tǒng)；軟測量；RBF神經(jīng)網(wǎng)絡(luò)；算法移植中圖分類號：TP273文獻(xiàn)標(biāo)識碼：A文章編號：1000-9787(2011)10-0133-04ImplementationofSoCofsoftmeasurementalgorithmbasedonRBFneuralnetworkZHUYi-feng，SONGZhi—huan(StateKeyLaboratoryofIndustrialControlTechnology，InstituteofIndustrialProcessControl，Zh~iang

3、University，Hangzhou310027，China)Abstract：AnalgorithmofRBFneuralnetworksoftmeasurementbasedonSoCisproposed．Theentiretrainingandpredictionalgorithmsareimplementedsuccessfullyonthehardwareplatformofdual—coreSoCprocessor．Inordertoapplyalgorithmeffectivelyontheplatformwhosecomputespeedandmemor

4、yarelimited，specificsolutionsaboutthestructureofthenetwork，weightupdatepatternandstepanddatapreprocessingmodeisproposed．Thedatasettestresultsprovethatthealgorithmtransplantationmethodsatisfiestherequirementsofindustrialapplication，whichhasavarietyofadvantagessuchasportable，low—costandexte

5、nsible．Keywords：systemonchip(SoC)；softmeasurement；RBFneuralnetwork；algorithmtransplantation0引言1基于RBF神經(jīng)網(wǎng)絡(luò)的軟測量建模工業(yè)過程控制的核心是產(chǎn)品質(zhì)量控制，但是在實際生1．1軟測量建模方法產(chǎn)過程中，由于技術(shù)或經(jīng)濟原因無法通過傳感器直接測量軟測量建模過程包括選擇輔助變量、處理輸入數(shù)據(jù)、建質(zhì)量變量，如銅精煉過程中的銅液成分、精餾塔的產(chǎn)品組分立軟測量模型和在線校正等步驟，其核心是建立軟測量模濃度、高爐鐵水中的含硅量等。傳統(tǒng)的解決方法一是采用型，方法包括基于工藝機理分析、基于回歸分析

6、、基于人工間接的質(zhì)量指標(biāo)控制，二是采用在線分析儀表控制。前者神經(jīng)網(wǎng)絡(luò)、基于模式識別、基于模糊數(shù)學(xué)、基于狀態(tài)估計、基難以保證最終質(zhì)量指標(biāo)的控制精度，后者設(shè)備投資大、維護于相關(guān)分析和基于現(xiàn)代非線性信息處理技術(shù)等。由于成本高、滯后性大。軟測量技術(shù)為解決上述問題提供了有神經(jīng)網(wǎng)絡(luò)具有非線性映射逼近能力、對信息的并行分布式效手段，是目前檢測技術(shù)和過程控制研究的重要方向，為優(yōu)綜合優(yōu)化處理能力、高強的容錯能力、對學(xué)習(xí)結(jié)果的泛化能化控制與決策提供了必要的信息。力和自適應(yīng)能力、便于集成實現(xiàn)和計算機模擬等優(yōu)點，所軟測量技術(shù)是指選擇與被估計變量相關(guān)的一組較易在以，本文在嵌入式片上系統(tǒng)(syste

7、monchip，SoC)上采用基線測量的輔助變量，構(gòu)造某種以可測變量為輸入、被估計變于RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動型軟測量建模方法。量為輸出的數(shù)學(xué)模型，通過計算機軟件實現(xiàn)對無法直接測1．2RBF神經(jīng)網(wǎng)絡(luò)量的變量的估計，以成熟的傳感器檢測為基礎(chǔ)，以計算機技RBF神經(jīng)網(wǎng)絡(luò)是具有單隱含層的三層前饋局部逼近術(shù)為核心，通過軟測量模型運算處理完成。網(wǎng)絡(luò)。從高維空間映射的觀點看，其隱含單元提供了一個收稿日期：20113__o2基金項目：國家“863”計劃資助項目(2009AA04Z154)134傳感器與微系統(tǒng)第30卷“函數(shù)”集，并在輸入模式映射