科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对复杂化工过程中存在强非线性、多变量耦合、参数时变及大时滞等因素，导致监测变量软测量精度不高的问题，提出了一种基于正则化AdaBound的区间二型模糊神经网络(RAIT2FNN)软测量建模方法。首先为了解决区间二型神经网络(IT2FNN)结构难以确定的问题，提出了一种采用激励强度和相似度定义增长和删减指标的自组织产生规则的算法。该算法利用激励强度的大小决定是否产生规则，并根据相似度进行规则的删减从而确定了区间二型模糊神经网络的结构。其次，本文提出正则化和AdaBound相结合的算法对RAIT2FNN模型相关参数进行修正，使得不同参数具有有界的自适应学习速率。最后将RAIT2FNN作为软测量模型应用于环己烷无催化氧化过程尾氧浓度预测问题中。实验结果为测试时间为0.008 2,训练RMSE为0.018 2,测试RMSE为0.009 6,表明RAIT2FNN作为软测量模型具有预测及时且预测精度较高的优点。
- 单位
