2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、軟測量技術是先進過程控制技術的重要組成部分,同時也是化工領域過程檢測和過程控制的重要手段,其能夠有效的克服在線分析儀表成本高、滯后大、維修繁復的缺點,提升化工企業(yè)對過程變量的實時監(jiān)控,進而提高產品質量,以滿足工業(yè)生產對控制系統的需求,有效的提升了企業(yè)的競爭力。目前,神經網絡已成為重要的軟測量建模工具。遞歸神經網絡(RNN)作為一種動態(tài)神經網絡,在基于數據驅動的軟測量建模中已得到成功的應用。
  Kalman濾波作為一種狀態(tài)空間模型

2、方法,通過將神經網絡各層間神經元之間的連接權值作為濾波器的狀態(tài)進行更新,替代了RNN網絡的傳統訓練算法,有效提高了網絡的預測精度,已成功應用于時間序列預測。本文在線性Kalman濾波的基礎上,給出了擴展卡爾曼濾波(EKF)、容積卡爾曼濾波(CKF)和平方根容積卡爾曼濾波(SCKF)算法,用于RNN的訓練。將上述方法運用于化工過程軟測量建模的實例中,均取得了令人滿意的效果。本文的主要研究內容如下:
  (1)研究了簡單遞歸神經網絡(

3、SRN)和全連接遞歸神經網絡(FCRNN)的拓撲結構,并以SRN為重點研究對象給出了網絡的基本訓練算法。
  (2)針對傳統訓練算法存在的不足,根據狀態(tài)估計技術,在Kalman濾波的基礎上,研究了EKF算法,給出了基于EKF算法的FCRNN方法;為了進一步提高網絡精度和算法的穩(wěn)定性,研究了CKF算法和SCKF算法,提出了基于SCKF算法的SRN方法。
  (3)將基于SCKF算法的SRN與非線性滑動平均(NMA)、非線性自回

4、歸(NARX)時間序列模型相結合構建動態(tài)軟測量模型,用于建立脫丁烷塔底部C4組分濃度的估計和硫處理裝置(SRU)尾氣中SO2及H2S濃度的預估。為了驗證本文所用方法的有效性,在同等條件下,將該方法分別與基于傳統訓練算法的SRN、基于傳統訓練算法的FCRNN、基于EKF算法的多層感知器(MLP)、基于EKF算法的SRN、基于SCKF算法的MLP以及基于SCKF算法的FCRNN的建模方法進行對比,結果表明本文方法能夠獲得很高的建模精度,是一

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論