计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2004年
10期
208-210
,共3页
发酵过程%多神经网络%软测量%数据融合
髮酵過程%多神經網絡%軟測量%數據融閤
발효과정%다신경망락%연측량%수거융합
某些发酵过程的参数,如菌丝浓度等难于在线测量,采用软测量的方法来进行估计是一种行之有效的方法.由于发酵过程的复杂性,传统的软测量方法难以获得准确的结果.该文采用多神经网络模型方法,充分利用尽可能得到的可在线测量信息,可有效地提高模型的估计精度和鲁棒性.该文采用的方法较传统的神经网络模型能更好地融合对被估计参数有用的冗余信息,从而达到更好的建模效果.应用实际数据的估计结果表明该软测量方法的优越性.
某些髮酵過程的參數,如菌絲濃度等難于在線測量,採用軟測量的方法來進行估計是一種行之有效的方法.由于髮酵過程的複雜性,傳統的軟測量方法難以穫得準確的結果.該文採用多神經網絡模型方法,充分利用儘可能得到的可在線測量信息,可有效地提高模型的估計精度和魯棒性.該文採用的方法較傳統的神經網絡模型能更好地融閤對被估計參數有用的冗餘信息,從而達到更好的建模效果.應用實際數據的估計結果錶明該軟測量方法的優越性.
모사발효과정적삼수,여균사농도등난우재선측량,채용연측량적방법래진행고계시일충행지유효적방법.유우발효과정적복잡성,전통적연측량방법난이획득준학적결과.해문채용다신경망락모형방법,충분이용진가능득도적가재선측량신식,가유효지제고모형적고계정도화로봉성.해문채용적방법교전통적신경망락모형능경호지융합대피고계삼수유용적용여신식,종이체도경호적건모효과.응용실제수거적고계결과표명해연측량방법적우월성.
