RBF-PLS模型及其在酸性磷铵料浆氟含量测定中的应用

酸性磷铵料浆中的氟含量在磷铵生产过程中产生重要影响 ,本文通过构建 RBF-PL S网络模型对酸性磷铵料浆中的氟含量进行测定。试验结果表明 ,测定的平均自检相对误差为 3 .98% ,平均预报相对误差为 5.43 % 。

基于RBF-PLS的水稻钵盘精量播种装置充种性能预测

钵盘精量播种是一种精准的播种技术,实现钵盘精量播种的前提条件是芽种的精准充种。芽种充种性能好坏直接影响精量播种合格率高低,评判指标为芽种充种合格率与芽种充种损伤率。传统充种合格率与损伤率数值多通过人工查数计算获得,劳动投入量大、过失误差发生概率高,结果准确性得不到保证,且由于各试验条件不同,充种结果不能推广使用。因此,建立适用性强、准确率高的充种预测模型,以期为不同试验条件提供预测方法。以钵盘型孔直径、钵盘型孔厚度、种箱速度、芽种含水率及刷种高度为试验因素,以充种合格率与芽种损伤率为性能指标。在播种试验台上对芽种进行充种性能的二次正交旋转组合试验,以期为建模提供数据来源;结合径向基函数神经网络模型的学习方式与偏最小二乘法的统计原理,建立的RBF-PLS网络结构模型,获得充种性能模型曲线。选取曲线中有代表性的试验数据,借助Matlab预测模块,获得水稻钵盘精量播种充种性能合格率、损伤率的预测值,得到第5组充种性能最好,合格率为97.14%,损伤率为0.288%。并将预测试验结果与台架试验试验结果进行对比,判定模型可靠性。研究结果表明:基于RBF-PLS网络的充种模型可以较好的预测排种装置充种性能,合格率与损伤率误差平均值分别为0.864%和0.06%,符合评价标准,RBF-PLS网络模型预测结果准确,可进行推广使用。