基于主元分析的气体膜分离过程RBFNN建模  

RBF Neural Networks Modeling of Gas Membrane Separation Process Based on Principal Component Analysis

作　　者：李桂香[1] 王磊[1,2] 李继定[2] 王元麒[3] 

机构地区：[1]海南大学信息科学技术学院,海口570228 [2]清华大学化学工程系化学工程国家重点联合实验室,北京100084 [3]大连育明高中,大连116023

出　　处：《系统仿真学报》2012年第9期2003-2006,共4页Journal of System Simulation

基　　金：海南省自然科学基金(211012);国家科技支撑计划课题(2012BAA10B03);国家973项目(2009CB623404);国家自然科学项目基金(20736003;21176135)

摘　　要：构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。The soft sensor model of gas membrane separation process was built by radial basis function neural networks （RBFNN） based on principal component analysis （PCA）. Some important performance parameters which are difficult to be measured online in hydrogen recovery process were analyzed. The result shows that the model is correct and the theoretical analysis is rational. PCA integrated into softsensor modeling simplifies the study of important performance parameters＇ on-line measuring of gas membrane separation process.

关 键 词：气体膜分离 主元分析 RBF神经网络(RBFNN) 软测量 

分 类 号：TP13[自动化与计算机技术—控制理论与控制工程]