RBF网络的工业熔融指数软测量仪表及方法

摘要

本发明公开了一种RBF网络的工业熔融指数软测量仪表及方法。该方法使用多个RBF神经网络对训练样本进行训练，然后对每个RBF神经网络的输出结果进行模糊化处理，提高了系统的预报精度。在本发明中，用于测量易测变量的现场智能仪表、控制站与DCS数据库连接，DCS数据库与所述软测量模型的输入端连接，所述RBF网络的工业熔融指数软测量模型的输出端与熔融指数软测量值显示仪连接；本发明具有在线测量、计算速度快、输入数据集自动更新、抗噪声能力强的特点。

主权项

一种RBF网络的工业熔融指数软测量仪表，包括用于测量易测变量的现场智能仪表、用于测量操作变量的控制站、存放数据的DCS数据库以及熔融指数软测量值显示仪，所述现场智能仪表、控制站与DCS数据库连接，其特征在于：所述软测量仪表还包括RBF网络的软测量模型，所述DCS数据库与所述RBF网络的工业熔融指数软测量模型的输入端连接，所述RBF网络的工业熔融指数软测量模型的输出端与熔融指数软测量值显示仪连接，所述RBF网络的工业熔融指数软测量模型包括：数据预处理模块，用于将从DCS数据库输入的模型训练样本进行预处理，对训练样本中心化，即减去样本的平均值，然后对其进行标准化：计算均值：$\overline{\mathrm{TX}}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{\mathrm{TX}}_i---\left(1\right)$计算方差：${\sigma }_x^2=\frac{1}{N-1}\underset{i=1}{\overset{N}{\Sigma }}({\mathrm{TX}}_i-\overline{\mathrm{TX}})---\left(2\right)$标准化：$X=\frac{\mathrm{TX}-\overline{\mathrm{TX}}}{{\sigma }_x}---\left(3\right)$其中，TX_i为第i个训练样本，N为训练样本数，为训练样本的均值，X为标准化后的训练样本；σ_x表示训练样本的标准差，σ²_x表示训练样本的方差；模糊方程模块，对从数据预处理模块传过来的标准化后的训练样本X，进行模糊化；设模糊方程系统中有c^*个模糊群，模糊群k、j的中心分别为v_k、v_j，则第i个标准化后的训练样本X_i对于模糊群k的隶属度μ_ik为：${\mu }_{\mathrm{ik}}={\left(\underset{j=1}{\overset{c^{*}}{\Sigma }}{\left(\frac{\left|\right|X_i-v_k\left|\right|}{\left|\right|X_i-v_j\left|\right|}\right)}^{\frac{2}{m-1}}\right)}^{-1}---\left(4\right)$式中，m为模糊分类过程中需要的分块矩阵指数，取作2，||·||为范数表达式；使用以上隶属度值或者它的变形以获得新的输入矩阵，对于模糊群k，其输入矩阵变形为：Φ_ik(X_i,μ_ik)＝[1 func(μ_ik) X_i]    (5)其中func(μ_ik)为隶属度值μ_ik的变形函数，取或exp(μ_ik)，Φ_ik(X_i,μ_ik)表示第i个输入变量X_i及其模糊群k的隶属度μ_ik所对应的新的输入矩阵；RBF神经网络作为模糊方程系统的局部方程，对每个模糊群进行优化拟合；设第k个RBF神经网络模糊方程的的输出是：${\hat{y}}_{\mathrm{ik}}=\underset{l}{\Sigma }{w}_{\mathrm{lk}}{\Phi }_{\mathrm{lk}}\left(\right||X_i-C_{\mathrm{lk}}|\left|\right)---\left(6\right)$其中C_lk和w_lk是第k个RBF神经网络模糊方程第l个结点的中心和输出权值，Φ_lk(||X_i‑C_lk||)是第k个RBF神经网络模糊方程第l个结点的径向基函数，由下式确定：${\Phi }_{\mathrm{lk}}\left(\right||X_i-C_{\mathrm{lk}}|\left|\right)=\exp (-\frac{{\left(\right||X_i-C_{\mathrm{lk}}|\left|\right)}^2}{2\times {\sigma }_{\mathrm{lk}}})---\left(7\right)$其中σ_lk是对应的径向基函数的高斯宽度，||·||为范数表达式；最后，由反模糊方法中的重心法得到最后的模糊方程系统的输出：${\hat{y}}_i=\frac{{\Sigma }_{k=1}^{c^{*}}{\mu }_{\mathrm{ik}}{\hat{y}}_{\mathrm{ik}}}{{\Sigma }_{k=1}^{c^{*}}{\mu }_{\mathrm{ik}}}---\left(8\right)$式中，为第k个RBF神经网络模糊方程的的输出；所述的RBF网络的工业熔融指数软测量模型还包括：模型更新模块，用于模型的在线更新，定期将离线化验数据输入到训练集中，更新模糊方程模型。