遗传算法和神经网络在常减压蒸馏装置监控中的应用
该文主要是针对复杂系统建模的研究而进行的，工业对象为新疆克拉玛依石化厂第Ⅰ套常减压装置.主要探讨了几个方面的问题：常减压装置的工业监控组态;RBF神经网络的聚类学习算法、正交最小二乘学习算法、遗传进化学习算法;广义信息熵融合RBF异构多神经网络;采用呼类RBF神经网络建立侧线粘度和闪点的软测量仪表及比较.该文着重研究了RBF神经网络的各种学习算法，经典的学习算法为聚类及正交最小二乘学习算法，此外把智能科学中研究较多的遗传算法应用到RBF神经网络模型结构的学习中，建立了基于遗传算法优化的RBF神经网络.对于工业中存在不同的工作区间的对象这一特点，研究了多神经元网络的可能性并采用广义信息熵融合子网策略，建立了异权RBF多神经网络，并编程实现.
软测量仪表;遗传算法;RBF神经网络;广义信息熵融合策略;多神经网络;组态软件;FIX;常减压装置
北京化工大学
硕士
控制理论与控制工程
潘立登
2002
中文
TP18;TE962
77
2004-04-08（万方平台首次上网日期，不代表论文的发表时间）