基于径向基神经网络的沙浆浓度软测量方法

采用基于神经网络的软测量方法来测量充填系统中的沙浆浓度,充分体现了软测量的优点及神经网络的强分类能力,是测量沙浆浓度较为优良的方案,能保证整个充填系统的可靠运行,并可消除传统的在线仪表测量方法中存在的投资大、检测范围有限、精度差等弊端。

基于改进型神经网络的软测量模型的建立与应用

使用改进的RBF(径向基函数)神经网络(即小波神经网络)来建模,并采用改进算法确定其隐含层节点的各个参数,然后以一个充填搅拌生产过程中的料浆浓度为研究对象,建立其软测量模型,并通过仿真实验验证了该方案的可行性。该方案充分利用了软测量的优点及神经网络的强分类能力,为沙浆浓度的测量提出了优良的方法,从而可以保证整个充填系统的可靠运行。该测量模型应用范围很广,可以对工业生产中的一些重要的工艺参数如矿浆、煤浆、混沙浆、纸浆等进行精确测量。