基于IRLS-ELM生物发酵在线软测量建模方法研究

摘要

为解决生物发酵过程中生物量浓度难以在线测量的问题，提出一种基于改进的最小二乘正则化极限学习机(IRLS-ELM)软测量建模方法并将其应用于红霉素发酵过程生物量浓度的在线预测中。将训练误差作为先验知识反馈到ELM中，生成带反馈输入的神经网络。并将加权最小二乘法引入到ELM中改进其数学模型，削弱离群点或者不稳定因素对网络训练造成的影响，由此建立基于IRLS-ELM在线软测量模型。实验结果表明,在隐含层节点数相同的情况下，对于指标MSE,IRLS-ELM 比ELM和RLS-ELM 有明显提高。同时IRLS-ELM在隐含层节点数变少的情况下，误差没有明显变化,结构紧凑而且稳定性较高。由此可见,与ELM和RLS-ELM软测量建模方法相比，IRLS-ELM在线软测量建模方法具有更高的预测精度和更强的泛化能力。