[发明专利]一种在线检测明胶浓度的软测量方法

权利要求书

1.一种在线检测明胶浓度的软测量方法，其特征在于，所述方法包括以下步骤：进行过程数据的采集，采样数据预处理，建立软测量模型，利用模型计算明胶溶液浓度；进行过程数据的采集为：现场采集不同工况下明胶溶液温度、时间和密度值作为软测量建模的辅助变量；采样数据预处理：包括异常数据的处理、随机误差的处理、归一化处理；建立软测量模型为：建立组合Elman神经网络模型拓扑结构，确定各单一神经网络模型结构和训练算法，进行组合神经网络权值的确定；利用模型计算明胶溶液浓度为：将所求得的各个单一神经网络模型的加权系数带入组合神经网络模型，当组合模型输入为明胶溶液密度、温度和所对应的采样时间时，利用该组合模型即可计算出相应数值，对该数值进行反归一化处理后，便得到明胶浓度值。

2.根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述进行过程数据的采集中，温度通过温度传感器读取，通过手持式分光仪检测明胶溶液的浓度值，并用密度计测出溶液的密度。

3. 根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述异常数据的处理按照Bessel公式计算温度（T）的标准偏差：                                                 ；若某一温度样本数据的偏差（）满足：，则认为是异常数据，予以剔除。

4.根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述随机误差的处理将经过误差处理后剩余的温度、密度和粘度数据分别采用平均值滤波算法，去除采样数据中的随机误差。

5.根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述归一化处理，将经过随机误差处理后的r个温度数据归一化到[0, 1]区间内为：

     ；   ；其中，为第个经过归一化处理后的温度数据，为r个温度采样数据的最小值，为r个采样数据的最大值。

6.根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述建立组合Elman神经网络模型拓扑结构，将多个Elman神经网络模型组合在一起，构成组合神经网络模型。

7.根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述确定各单一神经网络模型结构和训练算法，将归一化处理后的r个样本数据分成两组：一组作为各单一神经网络模型的共同初始训练数据集，分别对各单一Elman神经网络进行训练；另一组作为校验数据集，用于校验所建立的神经网络模型。

8.根据权利要求1所述的一种在线检测明胶浓度的软测量方法，其特征在于，所述组合神经网络权值的确定，各权系数的确定采用最小化最大绝对误差作为求解组合神经网络的组合权重的标准。