基于DRNN的聚酯粘度软仪表的研究
该文研究了一种新型的动态神经网络—对角递归神经网络DRNN(Diagonal Recurrent Neural Network).研究表明DRNN前馈和反蚀同时具有双向运行机制更能体现一个非线性动力系统,在动态建模方向具有更强的优势.该论文实际工作是针对天津涤纶厂聚酯(PET)生产过程的聚酯粘度测量进行的.经过仿真检验,表明基于DRNN的聚酯粘度软仪表,具有良好的估计精度和动态跟踪能力,显示出一定的实际应用前景.为了提高DRNN的动态映射能力,论文对DRNN结构进行了一些改进研究.仿真表明,改进的思路有一定的积极意义.但是,研究工作在理论基础和算法推导方面有待于继续完善.
软测量;软仪表;神经元网络;对角递归神经网络;聚酯
北京化工大学
硕士
控制理论与控制工程
曹柳林
2001
中文
O633.14;TH836
71
2004-04-08（万方平台首次上网日期，不代表论文的发表时间）