RBF神经网络在卡伯值软测量中的应用研究

本文提出了一种新的RBF神经网络的在线学习算法 ,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数 ,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值 ,克服了离线训练方式的不足 ,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量。通过工厂蒸煮数据验证 ,表明此算法具有良好的性能 ,训练的网络具有学习速度快、精确度高、结构紧凑的优点 ,用于建立卡伯值数学模型 ,实现卡伯值的软测量是有效的。