softsensor at a different distillat

softsensor at a different distillation plant. Wine stills at this
plant had a similar rectification column with six trays, but
the reboiler differed: higher load capacity (7%), larger
steam coil and used no thermal insulation. From Table 5
and Fig. 3 the soft-sensor provided reasonable predictions
for ethanol concentration at the second plant and, once
again, the static FFANN estimator performed on average
marginally better than the RANN estimator. Deviations
from real values were more evident at this second plant,
however. The accuracy of both soft-sensors was significantly
lower than at the first plant (compare Table 4 with
Table 5). Large deviations mostly occurred at the beginning
and at the end of the distillation, and 75% of the residuals
lay within ±1.5% v/v, which is sufficient to ensure
good control performance. Nevertheless, more accurate
and generalizable soft-sensors could be developed if data
from different plants or still designs are used for training.

ผลลัพธ์ (ไทย) 1:

softsensor ที่โรงกลั่นต่าง ๆ ฟังก์ชั่นไวน์นี้พืชมีคอลัมน์กำหนดคล้ายกับถาด 6 แต่reboiler ที่แตกต่าง: สูงกว่ากำลังการผลิตไฟฟ้า (7%), ใหญ่อบไอน้ำม้วน และใช้ฉนวนกันความร้อนไม่ จากตาราง 5และ 3 Fig. อ่อนเซ็นเซอร์คาดคะเนที่สมเหตุสมผลสำหรับเอทานอลความเข้มข้นที่โรงงานที่สอง และ ครั้งอีก ประมาณ FFANN คงดำเนินการเฉลี่ยดีกว่าประมาณการ RANN ความแตกต่างจากค่าจริงได้ชัดขึ้นที่โรงงานนี้สองอย่างไรก็ตาม ความแม่นยำของเซ็นเซอร์น้ำทั้งสองเป็นอย่างมากต่ำกว่าที่พืชแรก (เปรียบเทียบตาราง 4 ด้วยตาราง 5) ความแตกต่างขนาดใหญ่ส่วนใหญ่เกิดขึ้นที่จุดเริ่มต้นและ ที่จุดสิ้นสุดของการกลั่น และ 75% ของค่าคงเหลือวางอยู่ภายใน ±1.5% v/v ซึ่งเพียงพอที่จะให้ประสิทธิภาพของการควบคุมที่ดี อย่างไรก็ตาม ความถูกต้องมากขึ้นและสามารถพัฒนาเซ็นเซอร์อ่อน generalizable ถ้าข้อมูลจากต้นไม้ หรือยังออกแบบจะใช้สำหรับการฝึกอบรม

ผลลัพธ์ (ไทย) 2:

softsensor ที่โรงงานกลั่นที่แตกต่างกัน ภาพนิ่งไวน์นี้
โรงงานมีการแก้ไขคอลัมน์ที่คล้ายกันที่มีหกถาด แต่
รีบอยเลอร์ที่แตกต่าง: กำลังการผลิตไฟฟ้าที่สูงขึ้น (7%) ที่มีขนาดใหญ่
ขดลวดอบไอน้ำและไม่ใช้ฉนวนกันความร้อน จากตารางที่ 5
และรูปที่ 3 เซ็นเซอร์นุ่มให้การคาดการณ์ที่เหมาะสม
สำหรับความเข้มข้นของเอทานอลที่โรงงานที่สองและครั้ง
อีกครั้งประมาณ FFANN คงดำเนินการโดยเฉลี่ย
เล็กน้อยดีกว่าประมาณการ Rann การเบี่ยงเบน
จากค่าที่แท้จริงได้มากขึ้นเห็นได้ชัดในโรงงานแห่งที่สองนี้
อย่างไร ความถูกต้องของทั้งเซ็นเซอร์นุ่มอย่างมีนัยสำคัญ
ต่ำกว่าที่โรงงานแรก (เทียบกับตารางที่ 4
ตารางที่ 5) เบี่ยงเบนขนาดใหญ่ที่เกิดขึ้นส่วนใหญ่ที่จุดเริ่มต้น
และในตอนท้ายของการกลั่นและ 75% ของที่เหลือ
วางภายใน± 1.5% ปริมาตร / ปริมาตรซึ่งเพียงพอเพื่อให้แน่ใจว่า
ประสิทธิภาพการควบคุมที่ดี แต่ถูกต้องมากขึ้น
และ generalizable เซ็นเซอร์นุ่มสามารถพัฒนาหากข้อมูล
จากพืชที่แตกต่างกันหรือยังคงการออกแบบที่ถูกนำมาใช้สำหรับการฝึกอบรม

ผลลัพธ์ (ไทย) 3:

softsensor ที่โรงงานกลั่นที่แตกต่างกัน ภาพนิ่งไวน์ที่โรงงานนี้มีสาเหตุคล้ายคลึงกับคอลัมน์

6 ถาด แต่หอกลั่น ) : ความจุโหลดที่สูง ( ร้อยละ 7 ) ขนาดใหญ่
ไอม้วน และใช้ไม่ร้อน ฉนวนกันความร้อน จากตารางที่ 5
และมะเดื่อ 3 เซ็นเซอร์อ่อนให้เหมาะสมคาดคะเน
เอทานอลความเข้มข้นที่โรงงานที่สองและเมื่อ
อีกครั้งประมาณการ ffann สถิตการเฉลี่ย
เล็กน้อยดีกว่าแรนประเมินราคา การเบี่ยงเบนจากค่าจริงได้ชัดเจนมากขึ้น

แต่ที่โรงงานที่สองนี้ . ความแม่นยำของเซ็นเซอร์ทั้งอ่อนอย่างมีนัยสำคัญ
ต่ำกว่าต้นแรก ( เทียบกับตารางตาราง 4
5 ) การเบี่ยงเบนใหญ่ส่วนใหญ่เกิดขึ้นที่จุดเริ่มต้น
และในตอนท้ายของกระบวนการกลั่น และ 75% ของค่า
วางภายใน± 1.5 % v / v ที่เพียงพอเพื่อให้แน่ใจว่า
ประสิทธิภาพที่ดีในการควบคุม อย่างไรก็ตาม ถูกต้องมากขึ้น
generalizable นุ่มและเซ็นเซอร์อาจพัฒนาได้ถ้าข้อมูล
จากพืชที่แตกต่างกันหรือการออกแบบยังใช้สำหรับการฝึกอบรม