基于极限学习机的软测量建模方法研究  

Soft Sensing Modeling Based on Extreme Learning Machine

作　　者：潘孝礼[1,2] 肖冬[1] 常玉清[1] 王福利[1] 毛志忠[1] 

机构地区：[1]教育部暨辽宁省流程工业综合自动化重点实验室,东北大学,辽宁沈阳110004 [2]上海宝钢股份有限公司,上海201900

出　　处：《计量学报》2009年第4期324-327,共4页Acta Metrologica Sinica

基　　金：国家自然科学基金(60674063);辽宁省自然科学基金(20062024)

摘　　要：针对极限学习机方法隐层神经元数目过多的缺陷,提出一种改进的极限学习机方法.在单隐层前向神经网络的隐层中增加一类分类神经元,从而形成了一种新的单隐层神经网络结构.利用分类神经元将学习样本进行分类,针对不同类样本,利用相同的隐层神经元分别计算隐层输出矩阵,进而获得输出连接权值,使得隐层神经元数目大大降低.隐层神经元数据的降低提高了神经网络的计算速度,为其在软测量建模技术中的应用提供了有效的途径.将这一方法应用于导盘轧制过程中,建立了导盘转速的软测量模型,实现了导盘转速的在线预估.

关 键 词：计量学 极限学习机 软测量 建模 轧制导盘转速 

分 类 号：TB93[一般工业技术—计量学]