神经网络是软测量建模的一种十分便利和有效的方法,而其中的径向基函数(RBF)网络更以其学习速度快、全局收敛、自适应能力强以及可进行在线自校正等优越性成为软测量建模的首选神经网络方法之一。 针对聚酯工业中采用软测量对难以或无法测量的质量指标变量进行估算的问题,以聚酯生产过程中的粘度为例,采用主元分析方法结合SPE和T~2控制限对现场测量数据进行过失误差剔除等处理;并在此基础上,引入PCA改进方法将SPE分解为PVR和CVR两部分信息,帮助判别过程中的超限数据是否为系统故障造成;最后用RBF网络建立软测量模型,并用VC++编写了相应的软件包。 侦破和剔除过失误差数据是提高采集数据质量的关键,而主元分析正是实现它的一种行之有效的方法。主元分析通过将大量的过程变量有效信息映射到少量不相关变量中的方法简化数据;同时由多元统计控制图SPE图和T~2图侦测出过程数据中的过失数据,通过单变量控制图形式就可以检测多变量的工况。结合实际工厂数据对PET生产过程中的参数与PET重要质量指标——特性粘度之间的关系建立模型,并利用实际数据进行了仿真。