基于PCA-RBF神经网络的工业烈解炉收率在线预测软测量方法 |
| |
引用本文: | 杨尔辅,周强,胡益锋,徐用懋.基于PCA-RBF神经网络的工业烈解炉收率在线预测软测量方法[J].系统仿真学报,2001,13(Z1):194-197. |
| |
作者姓名: | 杨尔辅 周强 胡益锋 徐用懋 |
| |
作者单位: | 清华大学自动化系, |
| |
摘 要: | 为了解决工业烈解炉收率在线预测的问题,研究了基于PCA(principalcomponentanalysis)-RBF(radialbasisfunction)神经网络模型的多输出(MIMO)软测量方法及其在线校正技术.该方法由主元分析PCA、RBF神经网络和在线校正3部分组成,可以实现工业裂解炉止率的在线预测,具有实时性好、建模周期短、计算量小、校正方便等特点,本文给出的SRT-IV型工业裂解炉收率预测例子及其结果表明该软测量方法应用于工业裂解炉收率的在线预测是有效的.
|
关 键 词: | 过程建模 软测量 神经网络 主元分析 裂解炉 乙烯过程 |
文章编号: | 1004-731X(2001)0A-0194-04 |
修稿时间: | 2001年5月16日 |
A Soft-sensing Approach to On-line Predict the Yields of Industrial Pyrolysis Furnace Based on PCA-RBF Neural Networks |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|