基于IRLS-ELM生物发酵在线软测量建模方法研究
为解决生物发酵过程中生物量浓度难以在线测量的问题, 提出一种基于改进 的最小二乘正则化极限学习机(IRLS-ELM)软测量建模方法并将其应用于红霉素发 酵过程生物量浓度的在线预测中. 将训练误差作为先验知识反馈到ELM 中, 生成 带反馈输入的神经网络. 并将加权最小二乘法引入到ELM 中改进其数学模型, 削 弱离群点或者不稳定因素对网络训练造成的影响, 由此建立基于IRLS-ELM 在线软测量模型. 实验结果表明, 在隐含层节点数相同的情况下, 对于指标MSE,IRLS-ELM 比ELM 和RLS-ELM 有明显提高. 同时IRLS-ELM 在隐含层节点数变少的情况下, 误差没有明显变化, 结构紧凑而且稳定性较高. 由此可见, 与ELM和RLS-ELM 软测量建模方法相比，IRLS-ELM 在线软测量建模方法具有更高的预测精度和更强的泛化能力.
极限学习机 软测量 反馈输入 发酵过程
刘国海 张东娟 梅从立
江苏大学电气信息工程学院,镇江 212013
国内会议
南京
中文
54-58
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）