论文部分内容阅读
通过分析测量数据预测过程发展趋势,进而对过程实行监控,早已成为国内外学者所关心的热点课题.根据 RBF神经网络训练速度快的特点,提出将其用于化工过程的动态监控.第一级网络用于预测未来一时间段内的有关状态量,第二级网络根据预测结果判断是否将会发生事故.为了在有限样本条件下取得较可靠的监控效果,提出了改进RBF神经网络插值性能的措施,并提出对第二级网络输出结果进行变换以准确确定事故可能性的方法,以上方法被用于蒸馏塔开工过程的动态监控,结果令人满意.