軟測(cè)量建模方法研究

軟測(cè)量建模方法研究

ID:36688577

大?。?.49 MB

頁(yè)數(shù):67頁(yè)

時(shí)間:2019-05-13

軟測(cè)量建模方法研究_第1頁(yè)
軟測(cè)量建模方法研究_第2頁(yè)
軟測(cè)量建模方法研究_第3頁(yè)
軟測(cè)量建模方法研究_第4頁(yè)
軟測(cè)量建模方法研究_第5頁(yè)
資源描述:

《軟測(cè)量建模方法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、華東理工大學(xué)碩士學(xué)位論文第工頁(yè)軟測(cè)量建模方法研究摘要本文以石化丙烯睛生產(chǎn)工藝的丙烯脯AN收率為實(shí)際應(yīng)用背景,對(duì)軟測(cè)量建模方法進(jìn)行了研究,重點(diǎn)分析了模糊神經(jīng)網(wǎng)絡(luò)建模技術(shù)。本文討論了數(shù)據(jù)預(yù)處理中的誤差分析、數(shù)據(jù)變換、數(shù)據(jù)濾波和聚類(lèi)處理以及主元分析,分別建立了基于多元線性回歸、主元回歸和徑向基網(wǎng)絡(luò)(RBFN)的軟測(cè)量傳統(tǒng)模型。在此基礎(chǔ)上,提出了高斯變換和主元混合回歸模型和基于小波函數(shù)的RBF改進(jìn)型神經(jīng)網(wǎng)絡(luò),仿真結(jié)果驗(yàn)證了該方法的有效性。本文還重點(diǎn)針對(duì)熱門(mén)的模糊神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行了深入的研究,分別提出基于遺傳算法的新型模糊神經(jīng)網(wǎng)絡(luò)模型和基于進(jìn)化規(guī)劃算法的模糊神經(jīng)網(wǎng)絡(luò)改進(jìn)型模型以

2、及一種新型的模糊CMAC網(wǎng)絡(luò),并與傳統(tǒng)方法進(jìn)行了相應(yīng)的比較,顯示出模型的精確性和魯棒性。關(guān)鍵詞:_丙烯睛AN收率模糊神經(jīng)網(wǎng)絡(luò)遺傳算法進(jìn)化規(guī)劃算法、/護(hù),z第H頁(yè)華東理工大學(xué)碩士學(xué)位論文Researchofmodelingmethodsinsoft-sensingAbstractInthispaper,researchofsoft-sensingmethodsbasedontheANtransformationrateofacrylonitrileisdiscussedandspeciallytechnologyofthefuzzyneuro-networksinmod

3、elingisanalyzed.Erroranalysis,datatransformation,datafiltering,clusteringandprincipalcomponentanalysis(PCA)areused,andtraditionalsoft-sensingmodelsincludingmultiplelinearregression(MLR),principalcomponentregress(PCR)andradicalbasisfunctionnet(RBFN)areestablished.Meanwhile,acombinedPCAmo

4、delwithgaussiantransformationandanimprovedRBFN.basedonthewaveletfunctionareproposedtoimprovetheperformanceoftheprocessmodelrespectively.Also,thedetailedresearchonfuzzyneuro-networksismainlydiscussed.Especially,anovelfuzzyneuro-networkbasedongeneticalgorithm,animprovedfuzzynetbasedonevol

5、utionaryprogrammingandanovelfuzzyCMACnetworkareputforwardrespectively.ItisconcludedthatinthesoftsensingoftheANtransformationrateofacrylonitrile,theproposedfuzzyneuro-networkshavetheaugmentedperformanceinthegeneralizationincludingprecisionandrobustnessoverthetraditionalmethods.Keywords:S

6、oft-sensingANTransformationRateofAcrylonitrileFuzzyNeuro-networksGeneticAlgorithm(GA)EvolutionaryProgrammingAlgorithm作者聲明我鄭重聲明:本人格守學(xué)術(shù)道德,崇尚嚴(yán)謹(jǐn)學(xué)風(fēng)。所呈交的學(xué)位論文,是本人在導(dǎo)師的指導(dǎo)下,獨(dú)立進(jìn)行研究工作所取得的結(jié)果。除文中明確注明和引用的內(nèi)容外,本論文不包含任何他人己經(jīng)發(fā)表或撰寫(xiě)過(guò)的內(nèi)容。論文為本人親自撰寫(xiě),并對(duì)所寫(xiě)內(nèi)容負(fù)責(zé)。論文作者簽名:2003年01月07日華東理工大學(xué)碩士學(xué)位論文第1頁(yè)第1章緒論1.1引言隨著我國(guó)WTO的加入

7、,一些傳統(tǒng)產(chǎn)業(yè)正面臨著世界經(jīng)濟(jì)迅猛發(fā)展的沖擊,急需進(jìn)行新技術(shù)改造產(chǎn)業(yè)結(jié)構(gòu)也有待于調(diào)整。解決這些方方面面問(wèn)題都需要高科技的投入,其中自動(dòng)化技術(shù)和智能技術(shù)更尤為重要,它們正在現(xiàn)代化建設(shè)中發(fā)揮著巨大的作用。隨著改革進(jìn)程的逐步推進(jìn),我國(guó)一些自動(dòng)化程度低下的企事業(yè),他們的產(chǎn)品單耗過(guò)大,生產(chǎn)成本過(guò)高,勞動(dòng)生產(chǎn)率低,這些直接導(dǎo)致他們將在強(qiáng)烈的市場(chǎng)竟?fàn)帀毫ο旅媾R著淘汰的危險(xiǎn)。然而,值得慶幸的是,越來(lái)越多的人們已經(jīng)注意到只有依賴(lài)于科技才能跟上社會(huì)經(jīng)濟(jì)的發(fā)展,跟上時(shí)代的步伐。自九十年代以來(lái),國(guó)家、企業(yè)、個(gè)人則更加注意企業(yè)對(duì)科學(xué)技術(shù)的依賴(lài)性,都加大了科技的投入。就在這種發(fā)

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶(hù)上傳,版權(quán)歸屬用戶(hù),天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶(hù)請(qǐng)聯(lián)系客服處理。