基于小波神经网络的热值软测量建模

• 作者: 徐佩亮 杨思远 王振雷
• 来源期刊: 石油化工自动化
• 学科: 工学
• 关键词: 小波神经网络 软测量 遗传算法 燃料气热值
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 过程控制技术
• 页码范围: 34-37
• 分类号: TP273
• 字数: 2740字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7324.2011.04.013

摘要

提出了一种基于小波神经网络的软测量建模方法和学习算法,这种方法被用来＂测量＂裂解炉燃料气热值。小波神经网络具有2层结构：小波降噪层和多层感知器层。小波降噪层主要用来对过程数据进行降噪变换,提高源信号的信噪比,多层感知器层用来辨识过程模型。小波神经网络不但具有多层感知器网络的自学习和逼近性能,而且可以利用小波降噪理论,克服源信号的噪声干扰。小波变换可以变换初始数据并进行特征提取,变换后的数据具有更高的信噪比,仿真结果显示小波神经网络具有良好的逼近能力和泛化性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振雷		69	432	11.0	16.0
2	杨思远		4	9	1.0	3.0
3	徐佩亮		2	13	2.0	2.0