文献类型：期刊文章

作　　者：邱书波[1,2] 王化祥[1] 刘雪真[3]

机构地区：[1]天津大学电气与自动化工程学院 [2]山东轻工业学院自动化研究所,济南250100 [3]山东轻工业学院自动化研究所

出　　处：《电子测量与仪器学报》

年　　份：2005

卷　　号：19

期　　号：1

起止页码：30-34

语　　种：中文

收录情况：CSCD、CSCD_E2011_2012、JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：本文提出了一种新的RBF神经网络的在线学习算法 ,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数 ,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值 ,克服了离线训练方式的不足 ,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量。通过工厂蒸煮数据验证 ,表明此算法具有良好的性能 ,训练的网络具有学习速度快、精确度高、结构紧凑的优点 ,用于建立卡伯值数学模型 ,实现卡伯值的软测量是有效的。

关 键 词：RBF神经网络 软测量 运算速度  算法  实时  数据验证 网络参数 卡伯值 蒸煮过程 制浆  

分 类 号：TH814[仪器类] TP183]