摘要
研究了基于回归神经网络(RNN)为化工颜料锌钡白建立质量指标软测量模型的问题。利用SPSS统计软件对过程历史数据进行预分析处理,进而利用这些数据训练回归神经网络,建立质量指标消色力的软测量模型。针对回归神经网络训练效率低,泛化能力差等问题,尝试引入一种初始权值优化方法加以改进。仿真结果表明,利用回归神经网络可以为此类化工过程建立具有一定预测能力的软测量模型,引入的初始权值优化方法有助于提高回归神经网络初始训效率,但模型的泛化能力还有待进一步改进。
A parameter soft-sensing model based on recurrent neural network is proposed in this paper for a chemical engineering process-lithopone kiln. SPSS software is first used to analyze the process data and then a soft-sensing model of quality parameters is given. Furthermore, a weight optimal initialization method is introduced for improving performance of the soft-sensing model. The simulation results show that the soft-sensing model has good dynamic approximation capability for such dynamic process and the introduced method could speed up the initial training efficiency.
出处
《计算机测量与控制》
CSCD
2004年第4期310-313,共4页
Computer Measurement &Control
基金
广东省工业攻关基金资助项目(C10909)
关键词
化工过程
软测量模型
RNN
回归神经网络
recurrent neural network
lithopone
soft-sensing model
SPSS
weight optimal initialization
