基于改进的PCA-RBFNN过程变量软测量建模及应用

摘要：

针对过程控制系统中关键变量的软测量建模及应用问题,结合主成分分析法(PCA)和径向基(RBF)神经网络法(RBFNN),提出了改进的PCA-RBFNN软测量建模方法.首先利用PCA分析变量筛选法从过程变量集合中找到对系统过程特性具备最佳解释能力的过程变量子集;然后将该过程变量子集作为输入、被估计变量作为输出构建PCA-RBFNN模型,并使用K-means聚类和最小均方误差法初始化RBF神经网络的数据中心、扩展系数和连接权值;最后采用梯度下降法训练、校正所建模型.以某纺织原料生产过程为实例,对所建模型进行了验证和输出性能对比分析.结果表明,该模型可以实现过程变量在线预测,比原模型具有更好的泛化能力、预测能力和输出精度,能够提高过程控制系统的稳定性和可靠性.

关键词：过程控制、主主成分分析、径向基神经网络、软测量、在线预测

所属期刊栏目：28

分类号：TP278(自动化技术及设备)

资助基金：嘉兴市公益性研究计划资助项目;嘉兴市公益性研究计划资助项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目;浙江省高等学校国内访问学者教师专业发展资助项目

在线出版日期：2022-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1306-1313