基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf

基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf

ID:58304016

大小:704.97 KB

页数:11页

时间:2020-05-15

基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf_第1页
基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf_第2页
基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf_第3页
基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf_第4页
基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf_第5页
资源描述:

《基于泄漏积分型回声状态网络的软测量动态建模方法及应用.pdf》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65卷第10期化工学报Vl01.65N0.102014年10月CIESCJournal0ctober2014‘≤ce0ec0e00ee研究论文l)333jjj:jjjj0j基于泄漏积分型回声状态网络的软测量动态建模方法及应用李军,岳文琦(兰州交通大学自动化与电气工程学院,甘肃兰州730070)摘要:提出一种基于泄漏积分型回声状态网络(LiESN)的软测量动态建模方法,给出LiESN的岭回归离线学习算法与递推最小二乘(RLS)在线学习算法。通过引入正则化系数,岭回归离线学习算法可有效地控制输出权值的幅

2、值,改善ESN的预测性能。RLS在线学习算法能适应大数据集的处理,满足过程建模实时性的需求。将基于LiESN的软测量方法分别用于预测脱丁烷塔底部丁烷组分的含量及计算硫回收装置中尾气的组成,实现对精炼厂相关产品质量的实时监控,并采用模型残差的四图分析对建模性能进行评价。在同等条件下,与基本的ESN网络以及支持向量机(SVM)等软测量建模方法进行了比较,结果表明,所提出的LiESN方法取得了很好的预测性能,计算精度满足工业生产的实际要求。关键词:回声状态网络;软测量;动态建模;预测;算法;化工过程DOh1

3、0.3969~.issn.0438—1157.2014.10.034中图分类号:TP274文献标志码:A文章编号:0438-1157(2014)10—4o04—11Dynamicsoftsensormodelinganditsapplicationusingleaky-integratorESNLIJun,YUEWenqi(SchoolofAutomationandElectricalEngineering,LanzhouJiaotongUniversity,Lanzhou730070,Gansu,C

4、hina)Abstract:Softsensordynamicmodelingbasedonechostatenetworks(ESN)withleaky—integratorneuronswasproposed,inwhichtheof-linelearningalgorithmusingridgeregressionandon—linelearningalgorithmusingrecursiveleastsquares(RLS)weregivenrespectively.Byaddingareg

5、ularizationcoeficient,ridgeregressionalgorithmcouldcontrollargesizesofoutputweightmatrixandimprovethepropertiesofESNsolution.On.1inelearningalgorithmcouldallowon-lineprocessingoflargedatasetsandattainrequirementofrealtimeforprocessmodeling.Leakyintegrat

6、orESN(LiESN)wasusedtoestimatethebutane(C4)concentrationinthebotomflowofadebutanizercolumnandtocomputesulfurrecoveryunit(SRU)tailgascompositionforimprovingproductqualitymonitoringandcontrolinarefinery.Simultaneously,themodelingperformancewasevaluatedby4-

7、plotanalysisofmodelresiduals.ComparedwithexistingsoftsensormodelingsuchasESN.supportvectormachines(SVM)etc,underthesamecondition,experimentalresultsconfirmedthatLiESNcouldachievebetterperformanceandtheaccuracyofthemodelcouldmeetpracticalneed.Keywords:ec

8、hostatenetworks;softsensor;dynamicmodeling;prediction;algorithm;chemicalprocesses2014-03—31收到初稿,2014.07.01收到修改稿。Receiveddate:2014—03—31.联系人及第一作者:李~(1969-),男,博士,教授。Correspondingauthor:Prof.LIJun,lijun691201@mail.1zjtu.cn基金项目:甘肃省高等

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。