论文部分内容阅读
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。