改进的T-S模糊神经网络在化工软测量中的应用

被引：28

作者：

张颖

机构：

[1] 上海海事大学信息工程学院

来源：

电子测量与仪器学报 | 2010年 / 24卷 / 06期

关键词：

软测量; T-S模糊神经网络; 模糊规则; 催化裂化;

D O I：

暂无

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

软测量技术在化工生产过程中具有较好的应用前景,适合于监测测量成本高、难于或无法实际测量的过程变量。将改进的T-S模糊神经网络模型引入到软测量建模中,通过偏差校正网络对系统输出量进行动态补偿,可比传统T-S模糊神经网络模型获得更好的系统辨识效果,通过实际测试,软测量结果的均方误差可降低约70%左右。改进的T-S模糊神经网络中由于增加了偏差补偿系统,因此软测量精度获得提高。

引用

页码：585 / 589

页数：5

共 6 条

[1] 基于遗传算法及模糊神经网络的牵引变压器故障诊断系统 [J].

李娜 ;

刘明光 ;

杨罡 .

电子测量与仪器学报, 2008, (05) :21-26

[2] 基于动态T-S递归模糊神经网络的闪速熔炼过程参数软测量 [J].

彭晓波 ;

桂卫华 ;

李勇刚 ;

王凌云 ;

陈勇 .

仪器仪表学报, 2008, (10) :2029-2033

[3] 一种基于补偿模糊神经网络的新型图像滤波方法 [J].

吴定会 ;

李真 ;

纪志成 .

仪器仪表学报, 2008, (07) :1470-1474

[4] 软测量技术及其应用 [J].

俞金寿 .

自动化仪表, 2008, (01) :1-7

[5] 基于递阶T-S模糊系统的软测量建模方法 [J].

袁平 ;

毛志忠 ;

王福利 .

东北大学学报, 2006, (10) :1071-1074

[6] Component Content Soft-sensor Based on Neural Networks in Rare-earth Countercurrent Extraction Process [J].

YANG Hui School of Electronics and Electrical EngineeringEast China Jiaotong UniversityNanchang CHAI TianYou Rescarch Center of AutomationNortheastern UniversityShenyang .

自动化学报, 2006, (04) :489-495

← 1 →