论文部分内容阅读
对催化裂化主分馏塔过程的数据特点和当前静态软测量技术的不足之处，提出了一种新的基于主元分析和微粒群神经网络的动态软测量方法，该方法首先利用PCA技术对过程变量进行主元分析，降低了输入变量的维数且消除了输入变量之间的线性相关性，然后根据汽油干点及其对应时刻的过程变量建立静态神经网络，利用该静态神经网络估计历史时刻的汽油干点。最后利用估计的干点值建立动态神经网络，该建模方法反应了系统的动态特性。还将微粒群算法（PSO）用于神经网络的学习过程，提高了模型的预测精度。对比结果表明了该方法的有效性。