10.3969/j.issn.1009-3044.2009.10.070
基于离散过程神经元的乙烯生产装置软测量
针对传统M-P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher-Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的.最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测.
离散过程神经元网络、软测量、训练速度、乙烯装置
5
TP183(自动化基础理论)
2009-06-09(万方平台首次上网日期,不代表论文的发表时间)
共3页
2701-2703