%A 王煜林, 周登极, 郝佳瑞, 黄大文 %T 一种基于可解释神经网络模型的压缩机功率软测量方法 %0 Journal Article %D 2021 %J 上海交通大学学报 %R 10.16183/j.cnki.jsjtu.2020.086 %P 774-780 %V 55 %N 6 %U {https://xuebao.sjtu.edu.cn/CN/abstract/article_43430.shtml} %8 2021-06-28 %X

为在保证测量的准确性和高效性的同时,降低软测量方法对数据集的依赖性,提出一种基于可解释神经网络的压缩机功率软测量方法.实验中,在使用泛化性良好的数据集进行训练时,可解释神经网络模型在测试集上的均方根误差为 0.0094,相比反向传播(BP)神经网络模型降低了1.1%.在使用泛化性较差的数据集进行训练时,可解释神经网络模型在测试集上的均方根误差为 0.0128,相比BP神经网络模型降低了79.8%.实验结果表明,基于可解释神经网络的压缩机功率软测量方法不但具有较高的准确率,且在使用泛化性较差的数据集进行训练时,依然能够保持较高的测量性能.