基于神经网络与LabVIEW平台建立焊锡真空炉粗锡含铅量的软测量模型与在线监测研究

摘要：

焊锡真空炉粗锡含Pb量的高低直接关系到焊锡真空炉的生产效率,为了改变目前粗锡含Pb量只能通过人工化验才能得到的现状,实验基于反向传播神经网络(Back-Propaga-tion Neural Network,BPNN)与广义回归神经网络(Generalized Regression Neural Network,GRNN)算法原理,构建了BPNN与GRNN软测量模型并对这两种模型的预测效果进行了对比分析,结果表明基于GRNN的粗锡含Pb量软测量模型具有较高的预测精度.同时,采用虚拟仪器(LabVIEW)中的Matlab Script节点技术,成功开发了基于LabVIEW的粗锡含Pb量监测系统,实现了基于BPNN与GRNN软测量模型的粗锡含Pb量实时在线软预测,运行结果表明所开发的监测系统运行稳定可靠.

关键词：焊锡真空炉、粗锡、铅、软测量、BPNN、GRNN、LabVIEW

所属期刊栏目：37

分类号：TD9;TB1

资助基金：国家自然科学基金和云南省联合基金资助项目U1202271;有色金属合金真空蒸馏及化合物真空热分解的基础研究U1202271

在线出版日期：2017-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6