Fig. 6 and Fig. 7 shows the soft se

Fig. 6 and Fig. 7 shows the soft sensor aluminum concentration as a function of the measured concentration. Ideally, all the values should lie on the y = x line. It can be seen that the red circle is closer to the straight line than the green circle, that is, the estimated alumina concentration obtained by MRF-based soft sensor tracks better the laboratory measurement than the estimated values obtained by BP neural network. In Fig. 8, the blue line and the red line 548 respectively indicate the relative error of the MRF-based soft sensor model and the BP neural network-based soft sensor estimated value. Fig. 8 shows that the relative error range of alumina concentration estimated by the soft sensor based on MRF is obviously smaller than that based on BP neural network. Therefore, the results show that the soft sensor method based on MRF can more effectively and accurately estimate the alumina concentration in the electrolyzer.

Results (Thai) 1:

รูปที่. 6 และรูปที่ 7. แสดงให้เห็นว่าความเข้มข้นของอลูมิเนียมเซ็นเซอร์นุ่มเป็นหน้าที่ของความเข้มข้นของวัด จะเป็นการดีที่ค่าทั้งหมดควรอยู่บนการ y = x สาย จะเห็นได้ว่าวงกลมสีแดงจะอยู่ใกล้กับเส้นตรงกว่าวงกลมสีเขียวที่เป็นประมาณความเข้มข้นของอลูมิเนียมที่ได้จากการ MRF ตามแทร็คเซ็นเซอร์นุ่มดีกว่าการวัดในห้องปฏิบัติการกว่าค่าประมาณที่ได้จากเครือข่ายประสาท BP ในรูป. 8, สายสีน้ำเงินและสายสีแดง 548 ตามลำดับบ่งบอกถึงความผิดพลาดของรูปแบบการเซ็นเซอร์นุ่ม MRF-based และ BP เครือข่ายประสาทค่าเซ็นเซอร์นุ่มประมาณ รูปที่ 8. แสดงให้เห็นว่าในช่วงที่ความผิดพลาดของความเข้มข้นของอลูมิเนียมประมาณโดยเซ็นเซอร์นุ่มขึ้นอยู่กับ MRF จะเห็นได้ชัดมีขนาดเล็กกว่าที่อยู่บนพื้นฐานของเครือข่ายประสาท BP ดังนั้น,

Results (Thai) 2:

รูปที่6และรูปที่7แสดงให้เห็นถึงความเข้มข้นของอะลูมิเนียมเซนเซอร์ที่นุ่มนวลเป็นฟังก์ชันของความเข้มข้นที่วัดได้ การตั้งค่าทั้งหมดควรนอนอยู่บน y = x บรรทัด มันสามารถเห็นได้ว่าวงกลมสีแดงอยู่ใกล้กับเส้นตรงกว่าวงกลมสีเขียวนั่นคือความเข้มข้นของอลูมิโดยประมาณที่ได้รับโดย MRF โดยใช้เซ็นเซอร์ซอฟท์ที่ดีกว่าการวัดในห้องปฏิบัติการกว่าค่าโดยประมาณที่ได้รับโดยเครือข่ายประสาท BP ในรูปที่8เส้นสีฟ้าและเส้นสีแดง๕๔๘ตามลำดับบ่งชี้ความผิดพลาดสัมพัทธ์ของรุ่นเซนเซอร์อ่อนที่ใช้ MRF และค่าประมาณของเซนเซอร์ของระบบประสาท BP รูปที่8แสดงให้เห็นว่าช่วงข้อผิดพลาดสัมพัทธ์ของความเข้มข้นของอลูมิที่ประมาณโดยเซ็นเซอร์อ่อนขึ้นอยู่กับ MRF มีขนาดเล็กกว่าที่ขึ้นอยู่กับเครือข่ายประสาทของ BP ดังนั้นผลลัพธ์ที่ได้แสดงว่าวิธีการเซ็นเซอร์อ่อนขึ้นอยู่กับ MRF สามารถได้อย่างมีประสิทธิภาพมากขึ้นและถูกต้องประเมินความเข้มข้นของอลูมิใน electrolyzer

Results (Thai) 3:

รูปที่หกและเจ็ดแสดงให้เห็นถึงความเข้มข้นของอลูมิเนียมเซ็นเซอร์อ่อนเป็นฟังก์ชันของการวัดความเข้มข้น ใจกลางค่าทั้งหมดควรจะอยู่ใน y-61 x บรรทัด มันแสดงให้เห็นว่าวงกลมสีแดงเป็นเส้นตรงมากกว่าวงกลมสีเขียวที่ความเข้มข้นของอะลูมินาที่ได้จากการวัด MRF นุ่มดีกว่าที่ได้จาก BP ประสาทเครือข่าย เส้นสีฟ้าและสีแดง 548 แสดงข้อผิดพลาดสัมพัทธ์ของรูปแบบการวัดที่อ่อนนุ่มตาม MRF และ BP ประสาทเครือข่าย มันแสดงให้เห็นว่าช่วงของข้อผิดพลาดสัมพัทธ์ประมาณความเข้มข้นของอะลูมินาขึ้นอยู่กับ MRF นุ่มกว่านุ่มวิธีการวัดตาม BP ประสาทเครือข่าย ผลที่ได้แสดงให้เห็นว่าวิธีการวัดที่อ่อนนุ่มตาม MRF สามารถประเมินความเข้มข้นของอะลูมินาในเซลล์ไฟฟ้าได้อย่างมีประสิทธิภาพและถูกต้องมากขึ้น