典型文献
基于正则化AdaBound的区间二型模糊神经网络软测量建模
文献摘要：
针对复杂化工过程中存在强非线性、多变量耦合、参数时变及大时滞等因素,导致监测变量软测量精度不高的问题,提出了一种基于正则化AdaBound的区间二型模糊神经网络(RAIT2FNN)软测量建模方法.首先为了解决区间二型神经网络(IT2FNN)结构难以确定的问题,提出了一种采用激励强度和相似度定义增长和删减指标的自组织产生规则的算法.该算法利用激励强度的大小决定是否产生规则,并根据相似度进行规则的删减从而确定了区间二型模糊神经网络的结构.其次,本文提出正则化和AdaBound相结合的算法对RAIT2FNN模型相关参数进行修正,使得不同参数具有有界的自适应学习速率.最后将RAIT2FNN作为软测量模型应用于环己烷无催化氧化过程尾氧浓度预测问题中.实验结果为测试时间为0.008 2,训练RMSE为0.018 2,测试RMSE为0.009 6,表明RAIT2FNN作为软测量模型具有预测及时且预测精度较高的优点.
文献关键词：
区间二型模糊神经网络;软测量;环己烷无催化氧化过程;尾氧浓度
中图分类号：
作者姓名：
冯琳;赵涛岩;曹江涛;李平;商瑀
作者机构：
辽宁石油化工大学信息与控制工程学院 抚顺 113001;辽宁科技大学电子与信息工程学院 鞍山 114051;中国石油天然气股份有限公司抚顺石化分公司烯烃厂 抚顺 113004
文献出处：
引用格式：
[1]冯琳;赵涛岩;曹江涛;李平;商瑀-.基于正则化AdaBound的区间二型模糊神经网络软测量建模)[J].仪器仪表学报,2022(08):215-224
A类：
区间二型模糊神经网络,RAIT2FNN,IT2FNN,环己烷无催化氧化过程,尾氧浓度
B类：
正则化,AdaBound,软测量建模,化工过程,强非线性,多变量,大时滞,测量精度,先为,难以确定,激励强度,删减,自组织,法利,同参数,数具,有界,自适应学习,学习速率,软测量模型,模型应用,浓度预测,测试时间,RMSE
AB值：
0.20335
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
