軟測量技術及其在工業(yè)煤氣化爐裝置中的應用.pdf

1、目前在工業(yè)上，對過程控制系統(tǒng)的要求越來越高。在許多過程控制場合中仍然存在一些很難進行在線測量的變量，比如與控制系統(tǒng)質量相關的變量。這些因素往往會導致出現(xiàn)較高的測量誤差等一系列后果。本文研究了在基于PLS和RBF神經(jīng)網(wǎng)絡的基礎上，建立了多種軟測量模型，較好地解決了這類變量的估計和控制問題。論文主要研究內容如下：
　　 1.介紹了軟測量技術的基本原理及發(fā)展現(xiàn)狀，并著重介紹了軟測量技術的建模方法以及研究現(xiàn)狀。
　　 2.介紹了

2、主元回歸分析方法，重點闡述了PLS方法的基本原理，基本性質及算法的研究現(xiàn)狀等。同時，也介紹了RBF神經(jīng)網(wǎng)絡的模型結構、訓練算法以及優(yōu)缺點等。為后面章節(jié)的應用打下理論基礎。
　　 3.以一種新的推導方式，提出了RPLS算法。該算法一個優(yōu)勢在于不需要利用所有獲得的數(shù)據(jù)，然后根據(jù)新的數(shù)據(jù)和舊的PLS模型參數(shù)來對模型進行更新，仿真結果表明該算法可以有效地更新模型以及有較好的預測精度。
　　 4.提出把二次多項式、RBF神經(jīng)網(wǎng)絡與

3、PLS及遞推的PLS算法相結合的方法，分別建立了QPLS、RBF-PLS以及RBF-RPLS軟測量模型，并以兩個非線性模型為研究對象，分別對所建立的各個軟測量模型進行檢驗，最后對這些模型的預測效果進行了比較。
　　 5.介紹了工業(yè)煤氣化技術及原理，采用基于RBF-RPLS算法的建模方法建立了在煤氣化爐裝置下合成氣組分濃度的軟測量模型，最后根據(jù)所建立的模型對各種合成氣組分濃度進行預測，結果表明該模型的預測效果可以滿足工業(yè)的許多生產(chǎn)