基于PLS快速剪枝法的RBF神经网络软测量模型建模方法和应用  

RBF Neural Network Soft Sensor Modeling Algorithm Based on Fast-PLS-Pruning and its Application

作　　者：骆中华[1] 刘瑞兰[2] 苏宏业[1] 屈利娟[3] 

机构地区：[1]浙江大学先进控制研究所工业控制技术国家重点实验室,浙江杭州310027 [2]南京邮电学院电子工程系,江苏南京210003 [3]浙江大学后勤集团,浙江杭州310027

出　　处：《化工自动化及仪表》2005年第3期19-21,共3页Control and Instruments in Chemical Industry

基　　金：国家杰出青年科学基金资助项目(60025308);国家"十.五"科技攻关项目(2004BZ204B08)

摘　　要：提出一种从RBF神经网络隐含层的输出信息出发,通过PLS快速剪枝法,一次性剪去多余节点,生成最优规模的数学解析模型的方法。并用该方法建立了某化工企业精对苯二甲酸(PTA)晶体平均粒径的软测量模型,针对实际对象进行仿真研究,结果表明,该方法计算速度快,建立的模型精度高,适合实际工程应用的需求。A soft sensor modeling algorithm which can prune away the redundant nodes of the RBF neural network at one time by analyzing the output information of its hidden nodes with PLS-Pruning algorithm is presented, the corresponding optimized mathematic analytical model can be obtained. The obtained method is applied to build a soft sensor model for the average diameter of an industrial purified terephthalic acid (PTA) crystal. Simulation results demonstrate that the new algorithm is fast in computation and accurate in prediction, it is suitable to practical application.

关 键 词：软测量 RBF神经网络 PLS剪枝法 PTA 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]