论文部分内容阅读
在甘蔗煮糖过程中，过饱和度的检测一直是个难题，本文尝试采用数据融合技术解决这个问题。在数据融合的众多算法中，神经网络以其泛化能力强等优势，在数据融合中的应用日益受到重视。论文首先运用神经网络建模方法，使用现场测量的数据，建立了一个3×3×1结构的预测煮糖过程过饱和系数的BP神经网络模型，实现检测参数的融合，以便能较好解决过饱和度检测难题：针对BP算法的缺陷，采用粒子群优化算法(PSO)优化BP神经网络的连接权值，并提出一种改进的PSO算法——BWPSO(最好最差粒子群优化算法)；另外，针对LMBP算法参数μ和ν难以确定的问题，提出利用PSO算法通过粒子搜索来指导参数的选取，不必靠人工经验或反复试验选取；采用蚁群算法(ACO)优化BP神经网络的连接权值，并将PSO、ACO和BP作各种组合，提出了过饱和系数预测模型的不同训练方法；基于所获得的真实检测数据，通过比较所提出的各种融合算法的误差，挑选效果最好的组合算法预测过饱和度。最后，以LabVIEW作为开发平台，并结合MATLAB，开发了一个基于虚拟仪器技术和数据融合技术的甘蔗煮糖过程数据采集分析系统。