分離過(guò)程智能化軟測(cè)量軟件的開(kāi)發(fā)與應(yīng)用.pdf

1、該文在深入研究軟測(cè)量技術(shù)的基礎(chǔ)上,主要進(jìn)行了以下工作:1、過(guò)失誤差偵破.過(guò)失誤差偵破作為數(shù)據(jù)校正技術(shù)的重要組成部分,受到了廣泛的重視.該文在對(duì)已有的過(guò)失誤差偵破技術(shù)研究的基礎(chǔ)上,提出將神經(jīng)網(wǎng)絡(luò)法和測(cè)量數(shù)據(jù)法相結(jié)合的新方法用于過(guò)失誤差偵破,該方法對(duì)多過(guò)失誤差具有較高的偵破率,同時(shí)該方法具有簡(jiǎn)單、快速、易于在線應(yīng)用的特點(diǎn),可滿足過(guò)失誤差偵破的需要.2、數(shù)據(jù)校正方法的研究.數(shù)據(jù)校正可以為軟測(cè)量模型的建立提供準(zhǔn)確的數(shù)據(jù).由于各種校正方法都有優(yōu)缺

2、點(diǎn),這里提供了三種方法,使用者可以根據(jù)不同的流程采用不同的方法:改進(jìn)MT-NT法在對(duì)過(guò)失誤差進(jìn)行偵破的同時(shí)完成數(shù)據(jù)校正;線性方法和非線性方法相結(jié)合的組合數(shù)據(jù)校正法具有收斂速度快、結(jié)果可靠的優(yōu)點(diǎn);神經(jīng)網(wǎng)絡(luò)法在非線性和不確定性流程中具有自己的優(yōu)勢(shì).3、智能化軟測(cè)量模型建立方法.該文對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行了深入地研究,從樣本構(gòu)造、訓(xùn)練模式、算法等多個(gè)方面對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行了探討.研究結(jié)果表明徑向基神經(jīng)網(wǎng)絡(luò)作為一種典型的前饋網(wǎng)絡(luò),具有訓(xùn)練速度快、易于實(shí)現(xiàn)的

3、優(yōu)點(diǎn),同時(shí)采用改進(jìn)的正交最小二乘法可以通過(guò)計(jì)算自動(dòng)確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),而且徑向基神經(jīng)網(wǎng)絡(luò)可以通過(guò)修改局部的中心來(lái)使網(wǎng)絡(luò)適應(yīng)流程變化.因此該文采用徑向基神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了軟測(cè)量的建模,這種建模方式具有一定的智能性和通用性,適用于大多數(shù)分離過(guò)程.4、軟測(cè)量軟件的開(kāi)發(fā).采用主元分析與相關(guān)性分析相結(jié)合的輔助變量處理方法,同時(shí)利用以上改進(jìn)軟測(cè)量技術(shù)開(kāi)發(fā)了具有一定智能性和通用性的軟測(cè)量軟件.通過(guò)工業(yè)實(shí)例驗(yàn)證表明,該軟件具有較高的精度和較廣的適用性,能夠