基于神经网络PLS方法的软测量建模研究

作者：梁军; 汪小勇; 王文庆

来源：浙江大学学报(工学版), 2004, (06): 25-30.

• 非线性偏最小二乘
• 神经网络
• 轧钢加热炉
• 软测量 nonlinear partial least squares
• neural network
• reheating furnace
• soft-sensing

通过神经网络(neuralsnetwork,NN)逼近策略,由偏最小二乘回归(partialleastsquares,PLS)方法拓展得到非线性的PLS-NN方法,构造了基于梯度下降算法的神经网络权值矩阵学习规则.以具有3个质量变量、26个过程变量的轧钢加热炉中钢坯温度分布的检测为例,利用两组实际的运行操作数据对所建模型进行了求解和验证.与线性PLS及机理模型的计算结果相比,PLS-NN模型的估计误差最小(比例大约为1∶1.7∶2.8).运用PLS-NN模型进行了轧钢加热炉生产操作条件的模型预测分析,分析结果表明,加热炉各燃烧段的燃气流量的变化对加热炉生产影响最为显著.

• 单位
  工业控制技术国家重点实验室; 中国石油化工集团公司