针对稀土萃取分离过程元素组分含量在线检测的难题,提出稀土萃取过程组分含量的RBF神经网络软测量方法.应用K-均值聚类算法确定软测量模型的结构和参数,并开展所提软测量方法在某公司稀土萃取分离过程组分含量监测中的应用实验研究,结果表明,所提出的软测量方法是可行、有效的,能较好地解决稀土萃取过程中元素组分含量的监测.
参考文献
[1] | 张国成.稀土工业发展战略研究[M].北京:冶金工业出版社,2004 |
[2] | 严纯华.稀土串级萃取分离过程的自动控制系统[J].稀土,1997(02):37. |
[3] | 柴天佑,杨辉.Situation and Developing Trend of Rare-Earth Countercurrent Extraction Processes Control[J].稀土学报(英文版),2004(05):604-610. |
[4] | Moody J E;Darken C J .Fast learning in networks of locally-tuned processing units[J].Neural Computation,1989,1:281-294. |
[5] | 任德祥.过程模型与方法[J].控制工程,2002(03):7-12. |
[6] | 柴天佑,谢书明,杜斌,任德祥.基于RBF神经网络的转炉炼钢终点预报[J].中国有色金属学报,1999(04):868-872. |
[7] | 杨辉,谭明皓,柴天佑.Neural Networks Based Component Content Soft-Sensor in Countercurrent Rare-Earth Extraction[J].稀土学报(英文版),2003(06):691-696. |
[8] | 陶钧,谢书明,柴天佑.基于遗传算法和径向基函数神经网络的转炉炼钢模型[J].系统仿真学报,2000(03):241-244,277. |
[9] | 柴天佑,王笑波.RBF神经网络在加速冷却控制系统中的应用[J].自动化学报,2000(02):219-225. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%