文献类型：期刊文献

中文题名：基于混沌RBF神经网络的气化炉温度软测量系统

英文题名：Soft-sensing System of Gasification Furnace Temperature Based on Chaos-RBF Neural Network

作者：王学武[1];王冬青[2];陈程[1];顾幸生[1];孙自强[1]

机构：[1]华东理工大学自动化研究所,上海200237;[2]兖矿集团鲁南化肥厂,山东滕州277527

年份：2006

卷号：33

期号：5

起止页码：48

中文期刊名：化工自动化及仪表

外文期刊名：Control and Instruments in Chemical Industry

收录：EI(收录号：20065110317741);Scopus

语种：中文

中文关键词：软测量;BP网络;RBF网络;主元分析;混沌

外文关键词：soft-sensing; BP network; RBF network; PCA; CHAOS

摘要：针对德士古气化炉炉膛温度难以测量这一情况,提出利用软测量技术来解决这一问题。通过建立BP网络模型和RBF网络模型以及基于PCA和CHAOS的神经网络模型,并对其仿真结果进行分析和比较,验证了该方法的可行性。CHAOS-RBF软测量模型在化肥厂的应用效果良好,误差保持在1.5%以内,不但提高了温度测量精度,而且有利于更好的生产控制。
Aiming at the difficulty in measuring the temperature of Texaco gasification furnace, soft-sensing method is applied to solve this question. The BP network model, RBF network model and ANN model based on PCA and CHAOS are established. The simulation results are analyzed and compared, practicability of this method is proved. CHAOS-RBF soft-sensing model is applied in Lunan fertilizer plant;temperature error is maintained below 1.5 percent.