10.3969/j.issn.1001-4160.2001.02.019
间歇制浆蒸煮终点预测方法
在分析常用蒸煮模型的基础上,提出了基于神经网络的制浆蒸煮过程建模方法。与BP神经网络相比,RBF神经网络具有最佳逼近能力、收敛速度快和不存在局部极小点等优点,因而选用了RBF神经网络作为建模工具。在决定RBF神经网络的输入和输出变量时,充分利用了现场可测量的物理量和制浆蒸煮过程知识,其输入变量比常用蒸煮模型增加了硫化度和木片合格率,其输出变量采用实际过程测量所需的终点H因子的对数,这样就减少了RBF神经网络的规模,提高了训练速度。对工厂的实际数据应用表明,该RBF神经网络模型的预测精度高于传统的Hatton模型。
制浆、蒸煮、人工神经网络、Kappa值、H因子、径向基函数网络
18
TP387;TS171(计算技术、计算机技术)
国家自然科学基金69874014;国家高技术研究发展计划863计划863-511-945-007
2004-04-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
117-122