基于CNN-XGBoost的PTA平均粒径动态软测量模型

摘要

在PTA工业生产中,PTA精制单元的平均粒径是重要的质量控制指标,无法用常规的传感器在线测量。针对这种问题,提出了一种基于卷积神经网络(CNN)和XGBoost的PTA平均粒径动态软测量模型,该模型使用CNN提取样本的动态特征,将提取的动态特征通过XGBoost进行训练和预测。分别采用3种不同的方法并用工业实测数据建立了PTA平均粒径动态软测量模型,数据仿真结果表明提出的基于卷积神经网络的PTA平均粒径预测动态软测量模型,其预测误差小于其他模型的误差。