基于主元分析的气体膜分离过程RBFNN建模

被引：5

作者：

李桂香 ^{[1
]}

王磊 ^{[1
,2
]}

李继定 ^{[2
]}

王元麒 ^{[3
]}

机构：

[1] 海南大学信息科学技术学院

[2] 清华大学化学工程系化学工程国家重点联合实验室

[3] 大连育明高中

来源：

系统仿真学报 | 2012年 / 24卷 / 09期

基金：

海南省自然科学基金;

关键词：

气体膜分离; 主元分析; RBF神经网络(RBFNN); 软测量;

D O I：

10.16182/j.cnki.joss.2012.09.006

中图分类号：

TQ028.8 [新型分离法];

学科分类号：

081701 ; 081704 ;

摘要：

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。

引用

页码：2003 / 2006

页数：4

共 7 条

[1]

Radial Basis Function Neural Networks-Based Modeling of the Membrane Separation Process: Hydrogen Recovery from Refinery Gases[J]. Lei Wang, Cheng Shao, Hai Wang, Hong Wu Institute of Advanced Control Technology, Dalian University of Technology, Dalian 116024, China;Tianbang National Engineering Research Center of Membrane Technology Co., Ltd, Dalian 116023, China;Sinopec Zhenhai Refining and Chemical Company Limited, Ningbo 315200. China. Journal of Natural Gas Chemistry. 2006(03)

[2] 高分子膜分离技术研究与应用现状 [J].