基于小波神经网络的软测量技术的研究

论文摘要

当前随着经济的发展,大型化工企业的的信息化成为不可避免的趋势,先进控制作为实现高质量产品的稳定均衡生产的有效手段得到了愈来愈广的应用。软测量技术作为一种为解决产品质量等关键性生产参数在线实时测量问题,和有效提高生产效益、保证产品质量的有力手段得到广泛关注和重视。 本文在对化工过程知识认识和理解的基础上,深入研究软测量技术的应用,将数学理论中调和分析技术发展的最新成果小波理论应用到软测量技术的神经网络构建中,取得了较好的效果。本文工作主要有以下两点: 1、计算机辅助教学及化工数据处理的研究。本文作者通过参与全国高等学校教学研究会和全国高等学校教学研究中心研究计划立项的化工计算机辅助教学体系的研究和开发项目和化工原理—山东省精品课程建设项目等工作,在开发完成教学、认识实习和化工复杂计算的相关软件的过程中,对化工过程的设备及相应的复杂计算有了较为深入的认识和理解,为软测量技术中的合理建模、数据校正和小波神经网络的合理应用奠定了基础。 2、基于小波神经网络的软测量技术软件的开发和应用。作者通过对小波神经网络和软测量技术的深入研究和探讨,结合工业过程控制的特点,开发出了适合化工工业过程控制的基于小波神经网络的软测量技术软件,通过对分离过程的典型实例验证表明,该软件具有辨识精度高、泛化能力强、训练简单和通用性强的优势,能够满足实际应用的要求。

论文目录

• 1 绪论
• 1.1 引言
• 1.2 工业过程控制
• 1.3 软测量技术的基本思想
• 1.3.1 机理分析和辅助变量的选择
• 1.3.2 数据采集和预处理
• 1.3.3 软测量模型的建立
• 1.4 人工神经网络在软测量技术中的应用
• 1.5 本章小结
• 2 化工类计算机辅助教学及化工数据处理的研究
• 2.1 引言
• 2.2 国内外化工CAI的发展
• 2.3 CAI的基本理论
• 2.3.1 CAI的理论原则
• 2.3.2 CAI软件的开发流程
• 2.4 化工CAI软件的研究和开发
• 2.4.1 化工原理学习辅导多媒体CAI系统
• 2.4.2 化工原理电化教学课件
• 2.4.3 化工类专业认识实习多媒体课件
• 2.5 基于MATLAB的化工数据处理
• 2.5.1 MATLAB简介
• 2.5.2 化工数据处理程序的编写
• 2.6 化工CAI软件应用评价
• 2.7 本章小结
• 3 小波神经网络及其算法
• 3.1 引言
• 3.2 小波分析
• 3.2.1 小波分析定义
• 3.2.2 多分辨率分析
• 3.2.3 小波包分析
• 3.2.4 小波和小波包分解的信号重构
• 3.2.5 几种常用的基小波
• 3.2.6 常用小波性质对比表
• 3.3 人工神经网络
• 3.3.1 人工神经网络的分类
• 3.3.2 人工神经网络模型简介
• 3.4 小波神经网络
• 3.4.1 小波神经网络的由来
• 3.4.2 小波分析和神经网络的结合途径
• 3.4.3 小波神经网络的算法
• 3.4.4 小波神经网络的分类
• 3.4.5 小波网络和BP网络、RBF网络的比较
• 3.5 本章小结
• 4 软测量技术的研究
• 4.1 引言
• 4.2 数据预处理
• 4.2.1 过失误差侦破
• 4.2.2 数据校正方法
• 4.3 软测量模型
• 4.3.1 回归分析法
• 4.3.2 神经网络法
• 4.4 本章小结
• 5 软件的开发与应用
• 5.1 引言
• 5.2 基于小波神经网络的软测量软件的开发
• 5.2.1 软件的需求分析
• 5.2.2 软件的结构设计
• 5.2.3 软件开发工具
• 5.2.4 软测量软件的实现
• 5.2.5 软件中使用文本的规定
• 5.3 软件的应用
• 5.3.1 常减压蒸馏装置流程简述
• 5.3.2 数据预处理
• 5.3.3 常压塔中常一线90％点的软测量模型
• 5.4.本章小结
• 6 结论
• 参考文献
• 致谢
• 发表论文