用PCA-RBFN建立可侦破故障的反应器自校正模型

介绍了将主元分析方法（ＰＣＡ）与径向基函数神经网络（ＲＢＦＮ）相结合，用主元分析对高维输入变量进行预处理，构造反映过程信息的低维主元变量，再用径向基函数神经网络对主元变量建立自校正模型。这种方法不仅简化了神经网络模型的结构，而且可以借助主元分析方法对仪表和过程故障引起的数据过失误差进行侦破，避免导致模型的错误输出。用这种方法建立可侦破故障的反应器温度自校正模型，取得了良好的效果。

基于PCA-RBFN的纸浆漂白过程pH值软测量

针对纸浆漂白过程中 p H值质量指标测试存在的不足 ,基于机理与 PCA实现了辅助变量精选 ;采用 RBFN建立了软测量模型。仿真实验显示 :该软测量方案实用、可靠 ,在精度、实时性方面结果令人满意。

基于机理与主元分析的纸浆漂白MIMO软测量

提出一种机理与主元分析相结合选择MIMO软测量辅助变量的方法 ,在此基础上用RBFN建立纸浆漂白过程MIMO软测量模型。实现了pH值、残氯软测量。仿真结果显示 :该软测量方案实用、可靠 ;在精度、实时性方面结果令人满意。

软测量技术及其在加氢裂化分馏塔中的应用

在总结现有各种软测量技术的基础上，指出统计分析方法中的部分最小二乘法（ＰＬＳ）和神经网络方法中的径向基函数网络（ＲＢＦＮ），是经实际应用证明有效的方法。提出了一种将ＰＬＳ和ＲＢＦＮ结合的方法（ＰＬＳ－ＲＢＦＮ），并将ＰＬＳ，ＲＢＦＮ，ＰＬＳ－ＲＢＦＮ３种算法分别用于加氢裂化分馏塔航煤干点软测量模型的建立，其泛化结果表明基于ＰＬＳ－ＲＢＦＮ算法建立的软测量模型具有更好的预测精度。