基于离散过程神经元的乙烯生产装置软测量

摘要：

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.

关键词：离散过程神经元网络、软测量、训练速度、乙烯装置

所属期刊栏目：5

分类号：TP183(自动化基础理论)

在线出版日期：2009-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：2701-2703