冶金分析 , 2017, 37(2): 1-6.
10.13228/j.boyuan.issn1000-7571.009967
基于神经网络与LabVIEW平台建立焊锡真空炉粗锡含铅量的软测量模型与在线监测研究
李家文
1,
,
赖华
2,
,
冯丽辉
3,
1.昆明理工大学信息工程与自动化学院 ,云南昆明,650000;
2.昆明理工大学信息工程与自动化学院 ,云南昆明,650000;
3.昆明理工大学信息工程与自动化学院 ,云南昆明,650000
焊锡真空炉粗锡含Pb量的高低直接关系到焊锡真空炉的生产效率,为了改变目前粗锡含Pb量只能通过人工化验才能得到的现状,实验基于反向传播神经网络(Back-Propaga-tion Neural Network,BPNN)与广义回归神经网络(Generalized Regression Neural Network,GRNN)算法原理,构建了BPNN与GRNN软测量模型并对这两种模型的预测效果进行了对比分析,结果表明基于GRNN的粗锡含Pb量软测量模型具有较高的预测精度.同时,采用虚拟仪器(LabVIEW)中的Matlab Script节点技术,成功开发了基于LabVIEW的粗锡含Pb量监测系统,实现了基于BPNN与GRNN软测量模型的粗锡含Pb量实时在线软预测,运行结果表明所开发的监测系统运行稳定可靠.
参考文献：
[1] 冯丽辉;魏健波;王宁宁.基于LabVIEW的冶炼烟气制酸SO2转化率BP软测量[J].控制工程,2015(3):521-525.
材料期刊网