軟測量技術(shù)及其在工業(yè)煤氣化爐裝置中的應(yīng)用.pdf

1、目前在工業(yè)上，對過程控制系統(tǒng)的要求越來越高。在許多過程控制場合中仍然存在一些很難進(jìn)行在線測量的變量，比如與控制系統(tǒng)質(zhì)量相關(guān)的變量。這些因素往往會(huì)導(dǎo)致出現(xiàn)較高的測量誤差等一系列后果。本文研究了在基于PLS和RBF神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，建立了多種軟測量模型，較好地解決了這類變量的估計(jì)和控制問題。論文主要研究內(nèi)容如下：
　　 1.介紹了軟測量技術(shù)的基本原理及發(fā)展現(xiàn)狀，并著重介紹了軟測量技術(shù)的建模方法以及研究現(xiàn)狀。
　　 2.介紹了

2、主元回歸分析方法，重點(diǎn)闡述了PLS方法的基本原理，基本性質(zhì)及算法的研究現(xiàn)狀等。同時(shí)，也介紹了RBF神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)、訓(xùn)練算法以及優(yōu)缺點(diǎn)等。為后面章節(jié)的應(yīng)用打下理論基礎(chǔ)。
　　 3.以一種新的推導(dǎo)方式，提出了RPLS算法。該算法一個(gè)優(yōu)勢在于不需要利用所有獲得的數(shù)據(jù)，然后根據(jù)新的數(shù)據(jù)和舊的PLS模型參數(shù)來對模型進(jìn)行更新，仿真結(jié)果表明該算法可以有效地更新模型以及有較好的預(yù)測精度。
　　 4.提出把二次多項(xiàng)式、RBF神經(jīng)網(wǎng)絡(luò)與

3、PLS及遞推的PLS算法相結(jié)合的方法，分別建立了QPLS、RBF-PLS以及RBF-RPLS軟測量模型，并以兩個(gè)非線性模型為研究對象，分別對所建立的各個(gè)軟測量模型進(jìn)行檢驗(yàn)，最后對這些模型的預(yù)測效果進(jìn)行了比較。
　　 5.介紹了工業(yè)煤氣化技術(shù)及原理，采用基于RBF-RPLS算法的建模方法建立了在煤氣化爐裝置下合成氣組分濃度的軟測量模型，最后根據(jù)所建立的模型對各種合成氣組分濃度進(jìn)行預(yù)測，結(jié)果表明該模型的預(yù)測效果可以滿足工業(yè)的許多生產(chǎn)