基于改进的FasBack神经模糊系统的4-CBA软测量模型研究  

Research of 4-CBA Soft-sensor Model Based on Improved FasBack Neuro-fuzzy System

作　　者：傅永峰[1] 苏宏业[1] 褚健[1] 

机构地区：[1]工业控制技术国家重点实验室浙江大学先进控制技术研究所,浙江杭州310027

出　　处：《化工自动化及仪表》2005年第6期44-47,共4页Control and Instruments in Chemical Industry

基　　金：国家自然科学创新研究群体项目(60421002);国家十.五科技攻关项目(2004BA204B08)

摘　　要：提出一种基于改进的FasBack神经模糊系统的新型对羧基苯甲醛(4-CBA)软测量模型,用Leven-berg-M arquardt算法训练模型中的部分参数,经实际过程数据验证表明,提出的模型学习速度快、预测精度高、鲁棒性强,为实现精对苯二甲酸(PTA)生产过程中4-CBA含量的实时、精确控制提供了一条有效的途径。A new carboxybenzaldehyde （4-CBA） soft-sensor model based on improved FasBack neuro-fuzzy system is developed. Levenberg-Marquardt algorithm is used to train some parameters in the model. Based on practical process data, the proposed improved FasBack is applied to build 4-CBA soft-sensor model. Simulation results indicate that the proposed model is precise and efficient, and it is possible to realize the quality control of purified terephthalic acid （PTA） product promptly.

关 键 词：PTA 4-CBA 软测量 FasBack神经模糊系统 LEVENBERG-MARQUARDT算法 

分 类 号：TP13[自动化与计算机技术—控制理论与控制工程]