基于特征提取的函数连接神经网络研究及其化工过程建模应用

作     者：朱群雄 张晓晗 顾祥柏 徐圆 贺彦林 ZHU Qunxiong;ZHANG Xiaohan;GU Xiangbai;XU Yuan;HE Yanlin

作者机构：北京化工大学信息科学与技术学院北京100029 智能过程系统工程教育部工程研究中心北京100029 中石化炼化工程(集团)股份有限公司北京100101 

出 版 物：《化工学报》 (CIESC Journal)

年 卷 期：2018年第69卷第3期

页      面：907-912页

核心收录：

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：国家自然科学基金重点基金项目(61533003) 国家自然科学基金青年基金项目(61703027) 中央高校基本科研业务费专项资金(ZY1704 JD1708) 

主　　题：函数连接神经网络 特征提取 过程建模 精对苯二甲酸 

摘      要：对于化工过程中带噪声、强耦合的高维数据建模问题,常规的函数连接神经网络(functional link neural networks,FLNN)无法有效地进行处理。为解决该问题,提出一种基于主元分析(principal components analysis,PCA)的函数连接神经网络(PCA-FLNN)。通过对FLNN的函数扩展层进行特征提取,不仅去除变量间的线性相关关系,而且提取数据的主成分,进而简化FLNN学习数据的复杂度。为验证所提方法的有效性,首先采用UCI数据Airfoil Self-Noise对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。