本文来源于国家自然科学基金项目“基于流态复杂性测度的流量软测量模型及虚拟动态流量计”(项目编号60374042)。 近年来,随着流体传动及控制技术的快速发展,动态流量的测量已经变得越来越重要,国内外的学者们做了不少研究工作,但仍没有在工程中得以实际应用,因此动态流量的测量仍然是一个难题。本文引入软测量技术解决这一难题,深入研究软测量建模方法,较好地解决动态流量软测量建模问题。 首先在分析国内外有关软测量技术的基础上,阐述软测量技术主要研究内容、建模方法,并分析设计动态流量软测量的实现技术方案。讨论神经网络建模方法、发展情况和应用中存在的问题,就建模问题,分析研究用于建模的BP(Back Propagation)网络的各种改进算法,针对BP算法始终无法克服陷入局部极小问题,提出用遗传算法优化BP网络的建模方法。 其次,针对遗传算法局部搜优能力差和易早熟的问题,改进已有的遗传算法。提出一种混合的小生境选择操作,对标准遗传算法中的变异算子和交叉算子也做出改进,提高个体多样性,较好的避免早熟问题。 然后,重点设计一套实用的遗传算法优化BP网络的实数编码方案,把改进的遗传算法对BP算法进行优化,根据具体情况构建适应度函数,设计算法流程。通过仿真实验,证明该优化设计建模方法是行之有效的。 最后,完成动态流量的软测量,其中包括变量选择、数据采集、数据预处理和本论文的核心部分即基于优化神经网络的动态流量的软测量建模。 本文提出的软测量方法为流量测量引入新的思路,研究的优化算法对其他的建模领域有广泛的应用前景。