基于移动窗的过程神经网络及化工软测量应用
软测量技术可以有效解决复杂工业过程中一些重要参量难以由硬件在线检测的问题，由于化工过程具有连续性、累积性等特点，若采用传统的软测量建模方法往往会忽略信号的时间累积作用从而导致预测误差较大。针对上述问题，提出了基于改进的过程神经网络(PNN)的软测量建模方法。首先采用移动窗技术来确定包含过程正常运行大部分信息的时间序列，然后利用改进的PNN建立软测量模型并对主导变量进行连续预测，最后对软仪表进行校正以实现连续高精度预测。以某工厂高密度聚乙烯装置为例，验证了该方法具有较高的预测精度和跟踪性能，这对于工业过程的控制优化操作具有重要的应用价值。
化工过程 软测量 神经网络 移动窗技术
甄玉山 朱群雄
北京化工大学信息科学与技术学院, 北京 100029
国内会议
厦门
中文
1-6
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）