用PCA-RBFN建立可侦破故障的反应器自校正模型

介绍了将主元分析方法（ＰＣＡ）与径向基函数神经网络（ＲＢＦＮ）相结合，用主元分析对高维输入变量进行预处理，构造反映过程信息的低维主元变量，再用径向基函数神经网络对主元变量建立自校正模型。这种方法不仅简化了神经网络模型的结构，而且可以借助主元分析方法对仪表和过程故障引起的数据过失误差进行侦破，避免导致模型的错误输出。用这种方法建立可侦破故障的反应器温度自校正模型，取得了良好的效果。