甘蔗煮糖過程主要檢測參數(shù)的數(shù)據(jù)融合技術研究.pdf

1、在甘蔗煮糖過程中，過飽和度的檢測一直是個難題，本文嘗試采用數(shù)據(jù)融合技術解決這個問題。在數(shù)據(jù)融合的眾多算法中，神經網絡以其泛化能力強等優(yōu)勢，在數(shù)據(jù)融合中的應用日益受到重視。 本論文首先運用神經網絡建模方法，使用現(xiàn)場測量的數(shù)據(jù)，建立了一個3×3×1結構的預測煮糖過程過飽和系數(shù)的BP神經網絡模型，實現(xiàn)檢測參數(shù)的融合，以便能較好解決過飽和度檢測難題；針對BP算法的缺陷，采用粒子群優(yōu)化算法(PSO)優(yōu)化BP神經網絡的連接權值，并提出一種改

2、進的PSO算法—BWPSO(最好最差粒子群優(yōu)化算法). 另外，針對LMBP算法參數(shù)μ和v難以確定的問題，提出利用PSO算法通過粒子搜索來指導參數(shù)的選取，不必靠人工經驗或反復試驗選??；采用蟻群算法(ACO)優(yōu)化BP神經網絡的連接權值，并將PSO、ACO和BP作各種組合，提出了過飽和系數(shù)預測模型的不同訓練方法；基于所獲得的真實檢測數(shù)據(jù)，通過比較所提出的各種融合算法的誤差，挑選效果最好的組合算法預測過飽和度。 最后，以LabV