T-S型RBF神經網絡在電解液成分建模中的應用研究.pdf

1、在銅電解精煉過程中,電解液中的銅酸濃度直接影響著陰極銅的質量,對銅酸濃度的監(jiān)測成為凈液調度和質量管理過程中的一項重要的日常工作。銅酸濃度主要通過電解液的循環(huán)和凈化工序進行調節(jié),由于目前尚沒有對銅酸濃度可靠的在線測量儀表,各電解企業(yè)僅通過間斷采樣再化驗的方式得到銅酸濃度的變化趨勢。通常該化驗過程耗時幾個到十幾個小時,使電解液的循環(huán)和凈化過程難以實現及時、準確的控制與優(yōu)化。
　　 近年來,模糊理論和神經網絡技術的進步,推動了復雜非線

2、性系統(tǒng)建模技術的發(fā)展。在冶金電解領域,過程機理知識與智能建模技術的結合已成為建模研究的熱點。論文的選題從電解機理分析出發(fā),結合智能建模技術為補償,旨在建立電解液成分混合預測模型。
　　 本文首先介紹了工業(yè)建模的基本方法和各自特點,然后著重對電解過程建模中和電解液成分相關的影響因素進行機理分析,得到先驗模型以保證混合模型的全局特性。針對電解系統(tǒng)存在的數據量大、影響因素復雜、非線性和時滯性強的特點,智能建模部分選用T-S型RBF神經

3、網絡數據驅動辨識建模,用于補償簡化機理模型的未建模特性,彌補模型誤差。
　　 在研究模糊神經網絡理論和應用方法的基礎上,給出了一種性能優(yōu)良的T-S型RBF神經網絡結構,并借鑒動態(tài)設計算法,改進了隱節(jié)點的選擇和刪除策略,增加了判斷條件,形成T-S型RBF神經網絡的動態(tài)學習改進算法(IDYN)。用該算法訓練網絡,不僅可以動態(tài)調節(jié)網絡的隱節(jié)點數,同時使高斯徑向基函數的數據中心及擴展常數能自適應變化,從而使最終設計的網絡具有較小的網絡結