人工智能理論在催化裂化裝置優(yōu)化控制中的應(yīng)用研究.pdf

1、廈門大學(xué)碩士學(xué)位論文人工智能理論在催化裂化裝置優(yōu)化控制中的應(yīng)用研究姓名：柴杰申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：化學(xué)工程指導(dǎo)教師：江青茵2002.5.1鬻投診鼗方法，本文提毫懿交投診甑方法瑟王況條傳瓣交純爨毒受大酌自遺應(yīng)能力。對(duì)于轉(zhuǎn)化率的預(yù)估問題，也就是軟測(cè)量問題；47本文采用逼近性能更好的RBF神綴網(wǎng)絡(luò)作為預(yù)估模激以取代原有的BP神經(jīng)網(wǎng)絡(luò)。在預(yù)估試驗(yàn)中，孺OLS幫PLS兩稀方法作為RBF網(wǎng)絡(luò)的潮練算法以便眈較。首先繪出OLS葶羹PLS熬算法過程，

2、共曼對(duì)較灝蘸PLS法皴了彷寞磷究；然臌采用自組織模式庫(kù)選取的數(shù)據(jù)作為網(wǎng)終的訓(xùn)練樣本和檢測(cè)櫸本來說明RBF網(wǎng)絡(luò)對(duì)轉(zhuǎn)化率的預(yù)估過程，內(nèi)容包括輔助變艇的選取、用訓(xùn)練樣本調(diào)練網(wǎng)絡(luò)得到網(wǎng)絡(luò)模型、用檢測(cè)樣本來檢驗(yàn)網(wǎng)絡(luò)模型的預(yù)估效果、霜速榷最?yuàn)Z二乘法實(shí)瑗耀絡(luò)模鍪參數(shù)靜在線校正；接著麗現(xiàn)場(chǎng)采集款逡續(xù)實(shí)時(shí)數(shù)攢為樣本驗(yàn)諼RBF網(wǎng)絡(luò)模型的預(yù)髏效果，著討論7影瞧RBF網(wǎng)絡(luò)預(yù)估結(jié)果的一些因素；最后，用一綴工業(yè)現(xiàn)場(chǎng)較為典型的數(shù)據(jù)，驗(yàn)證了PLs—R_Ls算法。(得到