摘要:在制浆生产过程中,打浆度足一个很重要的控制参数;针对打浆过程中打浆度难于实时在线测量的问题,建立了一种基于改进BP算法神经网络的软测量模型;首先对实际生产中的原始数据.经过误差剔除及滤波处理后得到一套训练数据和校验数据样本,然后采用改进BP算法神经网络进行训练.加快了网络收敛速度,得到了打浆度的非参数模型;实践表明,该打浆度的神经网络模型能对打浆度进行较精确的预测,并为后续进行过程控制和优化控制.提高打浆质量提供了良好的基础。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
测绘软科学研究