资源描述：
《改进RBF网络设计方法及其在软测量建模上的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第8卷第2期江南大学学报(自然科学版)Vol.8No.22009年4月JournalofJiangnanUniversity(NaturalScienceEdition)Apr.2009改进RBF网络设计方法及其在软测量建模上的应用3刘俊,杨春节,卢建刚,陈金水,孙优贤(浙江大学工业控制技术国家重点实验室,浙江杭州310027)摘要:针对流程工业中难以直接测量的变量研究了其软测量方法。采用局部强逼近性能的RBF神经网络对被测变量进行建模;提出用峰值密度函数法确定RBF网络的隐含层节点数;设计样本信息分析算法提取样本特征,结合精度要求,初始化节点的中心向量和接收域宽度,消除了利用随机数等
2、方法初始化训练参数和网络参数所造成的不确定性问题,同时提高了网络的收敛速度和精度;整个过程分别采用改进的梯度法、带有遗忘因子的最小二乘法等算法进行设计。利用改进的RBF网络对原油的直馏宽窄馏分的临界温度变量进行软测量建模、仿真。实验结果表明,基于改进的RBF网络的建模方法,在精度和收敛速度方面均有显著提高。关键词:RBF网络;峰值密度函数;直馏宽窄馏分;样本;软测量中图分类号:TP274.5文献标识码:A文章编号:1671-7147(2009)02-0135-05ImprovedMethodofRBFNetworkDesigningandItsApplicationonSoft2Sen
3、singModeling3LIUJun,YANGChun2jie,LUJian2gang,CHENJin2shui,SUNYou2xian(StateKeyLaboratoryofIndustrialControlTechnology,ZhejiangUniversity,Hangzhou310027,China)Abstract:Sincesomeimportantprocessvariablesaredifficulttobemeasuredinrealtimeforindustrialprocesses,weuseimprovedRBFNeuralNetworkstobuilda
4、soft2sensingmodelandproposedpeakdensityfunctiontodeterminethenumberofnodesofRBFNeuralNetworks.Toeliminatetheerrorcausedbyrandominitialization,sampleanalysisalgorithmhasbeenusedtoextractthecharacteristicsofsampleandtoinitializethecentralvectorandthewidthofreceptivefieldwhichincreasedtheconvergenc
5、espeedandaccuracyoftheNeuralNetworksoutput.Improvedgradientmethodandenhancedleastsquaresmethodhavebeenusedindifferentstageofmodeldevelopment.Finally,weusetheimprovedmethodtodesignasoftsensingmodelaboutthecriticaltemperatureofcrudeoil,andsimulateit.Theresultsshowthattheaccuracyandconvergencespeed
6、aregreatlyimprovedwhenusingimprovedRBFnetworksmodelingmethod.Keywords:RBFnetwork,peakdensityfunction,widthofstraight2rundistillat,samples,softsensing收稿日期:2009-01-10;修订日期:2009-02-15。基金项目:国家自然科学基金项目(60736021);国家863计划项目(2006AA04Z184,2007AA041406);浙江省科技计划项目(2006C11066,2006C31051)。作者简介:刘俊(1984-),男,安徽
7、巢湖人,控制理论与控制工程专业硕士研究生。3通讯作者:杨春节(1970-),男,安徽怀宁人,副研究员,硕士生导师。主要从事复杂过程建模与控制研究。Email:cjyang@iipc.zju.edu.cn136江南大学学报(自然科学版)第8卷近年来,随着计算机控制技术和智能控制技术2改进RBF网络的设计的发展,神经网络在非线性建模中得到广泛应用。在流程工业软测量建模的应用中,前馈神经网络和RBF网络设计的关键在于隐含层径向基函数反馈神经网络为两种
