论文部分内容阅读
本文以聚酯酯化率和石油干点为研究实例，基于已有模糊神经网络结构，根据泛化性能，重点研究模糊神经模型的参数优化算法，把改进的粒子群算法(PSO)应用到模糊神经网络中去，进而得到一种新的软测量建模方法。对聚酯酯化率和石油干点分别建立软测量模型，经计算机Matlab仿真，证明该方法用于软测量建模，预估和泛化性能都比较理想。
最后，本文以焦化公司德士古气化炉为主要的研究对象，建立气化炉炉温软测量系统模型，并在工程实施。根据煤气化流程的工艺分析，针对德士古气化炉膛温度软测量的需要，研究了辅助变量选择，数据采集与处理，以及利用PSO-FNN和RBF网络建立炉温软测量模型等问题，建立了炉温软测量系统。该系统在不增加设备投资的条件下，通过工厂信息集成处理和先进的监控技术，提高生产装置的工艺操作水平和管理水平为目的。现场调试运行结果表明应用本文方法建模精度较高，系统效果良好。该系统能够充分发挥DCS系统和网络计算机的功能优点，基本上克服了在测温元件损坏时对生产的不利影响。