基于神经网络PLS方法的软测量建模研究

摘要：

通过神经网络(neurals network, NN)逼近策略,由偏最小二乘回归(partial least squares, PLS)方法拓展得到非线性的PLS-NN方法,构造了基于梯度下降算法的神经网络权值矩阵学习规则.以具有3个质量变量、26个过程变量的轧钢加热炉中钢坯温度分布的检测为例,利用两组实际的运行操作数据对所建模型进行了求解和验证.与线性PLS及机理模型的计算结果相比,PLS-NN模型的估计误差最小(比例大约为1∶1.7∶2.8).运用PLS-NN模型进行了轧钢加热炉生产操作条件的模型预测分析,分析结果表明,加热炉各燃烧段的燃气流量的变化对加热炉生产影响最为显著.

关键词：非线性偏最小二乘、神经网络、轧钢加热炉、软测量

所属期刊栏目：38

分类号：TP273(自动化技术及设备)

资助基金：国家高技术研究发展计划（863计划）863-511-920-011,2001AA411230

在线出版日期：2004-08-18（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：676-681