基于PCA的多神经网络软测量模型及其在工业中的应用

摘要：

在复杂工业生产中,影响生产的因素非常多,使得用于软测量的神经网络模型极其复杂.针对这个问题,利用主元分析法(PCA)将影响因素重组,在此基础上,提出了一种多神经网络(PCA-MNN)模型.介绍了PCA-MNN的结构及学习算法,并将其应用于氧化铝高压溶出过程中苛性比值及溶出率的软测量,利用现场实际运行数据进行仿真,结果表明PCA-MNN模型能有效实现苛性比值及溶出率的在线检测.

关键词：主元分析、多神经网络、软测量、苛性比值、溶出率

所属期刊栏目：25

分类号：TP301(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2001AA411040;国家重点基础研究发展计划973计划2002CB312200

在线出版日期：2004-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1781-1784