基于偏最小二乘法的纸张抗张强度预测模型

为了解决抗张强度机理模型中参数难以测量、偏离工厂生产变量、实际指导关联性差的问题。以一瓦楞原纸生产线为研究对象,先通过经验分析筛选影响纸张抗张强度的生产过程变量,在收集对应变量的生产数据后,应用偏最小二乘法建立抗张强度预测模型并对重要影响变量进行分析。结果表明该模型具有较好精度,其皮尔逊相关系数r=0.732,均方根误差RMSE值为276 N·m^-1,平均相对误差MRE值为5.17%。同时得到了影响纸张抗张强度的6个重要生产过程变量,通过机理分析和现场验证,发现结果具有较好的现实吻合度。     

基于因果分析的烧结生产状态预测模型

烧结是高炉炼铁系统中的重要生产单元,其生产水平高低直接关系炼铁企业的生产效益。烧结过程具有时滞性和非线性特征,为了实现对烧结生产状态的准确预测,本文综合自相关分析、收敛交叉映射和误差反向传播神经网络等方法,融合因果性机理和黑箱模型,建立了基于因果分析的烧结生产状态预测模型。该模型通过因果分析层选取解释变量集、自相关窗口和因果性窗口,并通过神经网络层实现对6个烧结生产状态关键变量的准确预测。经过工业数据测试,该模型预测平均误差控制在0.5%～3.1%之间,能够有效辅助工厂进行烧结状态调整。     

基于多元自适应回归样条的水泥能耗评估

为揭示水泥熟料烧成过程对能耗影响的因素及各因素之间的关系,从生产线上历史数据入手,首先分析系统的热平衡并选取它依赖的变量,合理缩减变量,将多元自适应回归样条算法应用到水泥能耗建模中,建立了精确的煤耗模型。通过参数分析,给出了变量的相对重要性值,并采用控制变量的方法分析煤耗与重要变量之间的关系,得出其特性曲线,为水泥生产中减少煤耗提供了参考。     

生物反应过程的在线支持向量机建模优化

针对生物反应过程具有较强的非线性、时变性,建立准确的机理模型较为困难,并且复杂的机理模型也无法用于在线控制和优化。将在线支持向量机和机理模型结合,提出串并联在线自校正混合建模方法。通过对典型生化过程谷氨酸的生产过程分析,找到影响谷氨酸浓度的关键参数;从现场历史数据中选取样本,建立基于在线向量机的软测量模型。实验结果表明该模型对谷氨酸浓度预测效果较好。     

BP神经网络在膜分离处理废水中的应用

为能更好地预测工艺条件对膜分离过程的影响,运用BP神经网络技术建立输入变量为压差、流速、浓度和温度,输出变量为膜通量的预测模型。通过大量实验数据训练预测模型,得到的网络模型整体误差平方和仅为0.014 5;计算值与模拟值相比,10组不同条件的膜通量平均预测误差仅为1.1,证实了所建立的BP神经网络膜通量预测模型与实验值吻合程度较好,有较好地预测能力。在此基础上进一步考察了工艺参数对膜分离过程的影响。     

基于关联变量时滞分析卷积神经网络的生产过程时间序列预测方法

生产过程通常具有大时滞、非线性、多变量耦合等特点,往往难以建立准确的时间序列预测模型。基于生产过程历史数据,提出了一种采用关联变量时滞分析卷积神经网络（CNN）的生产过程时间序列预测方法,首先选取合适的关联变量并对关联变量与输出进行时滞分析,然后利用时滞分析结果确定关联变量时间窗的大小,最后建立合适的CNN模型对时间序列进行预测。某反应精馏过程实验表明,此方法对于大时滞系统的长步长时间序列预测具有较好的准确性。     

基于关联变量时滞分析卷积神经网络的生产过程时间序列预测方法

生产过程通常具有大时滞、非线性、多变量耦合等特点,往往难以建立准确的时间序列预测模型。基于生产过程历史数据,提出了一种采用关联变量时滞分析卷积神经网络(CNN)的生产过程时间序列预测方法,首先选取合适的关联变量并对关联变量与输出进行时滞分析,然后利用时滞分析结果确定关联变量时间窗的大小,最后建立合适的CNN模型对时间序列进行预测。某反应精馏过程实验表明,此方法对于大时滞系统的长步长时间序列预测具有较好的准确性。     

基于缺失变量估计误差的工业过程监测方法

传统主元分析(principal component analysis, PCA)算法在实施投影变换挖掘潜在特征成分时,不同投影变换方向对原始数据不同测量变量赋予了不同的权重值。而从故障检测的角度出发,各个测量变量的重要性程度是等同的。因此,传统PCA方法的过程监测性能还有待商榷。为克服这一缺陷,借鉴基于机理模型故障检测方法生成误差的思路,提出一种基于缺失变量估计误差的工业过程监测方法。首先,通过逐一假设每个测量变量缺失后,利用PCA模型中处理缺失变量的迭代算法(iterativealgorithm,IA)推测出相应缺失变量的估计值。然后,以缺失变量的实际值与估计值之间的误差作为被监测对象实施在线故障检测。通过逐一假设变量缺失的方式,等同地对待了每个测量变量。而利用误差实施监测则可以在缺失变量前提下,通过监测误差的变化反映出该缺失变量对PCA模型中特征成分的影响程度。最后,通过在TE过程上的对比验证了该方法的优越性与可行性。     

超滤对血液透析传质性能的影响

本文对空心纤维型血液透析器中的传质过程进行了研究,提出了伴有超滤的血液透析过程中血液一侧传质的数学模型,并用分离变量法获得了该模型的分析解.实验数据表明,用该模型能较好地描述具有超滤的血液透析过程的传质机理.     

GMA改性水溶性PVA纤维的制备及其增强作用

通过悬浮接枝共聚法以甲基丙烯酸缩水甘油酯(GMA)为功能化单体,制备了一种具有反应活性的聚乙烯醇(PVA)纤维。研究了纸张中改性PVA纤维的质量分数和干燥温度对纸张耐折度、抗张强度以及湿强度的影响。结果表明,当纸张中改性PVA纤维的质量分数为9%,纸张干燥温度为110℃时,纸张获得较佳强度,耐折度为72次,干拉力为70.4 N,湿拉力为15.6 N。热重分析(TGA)表明,GMA在纤维表面发生了接枝共聚反应。原子力显微镜(AFM)照片显示,改性PVA纤维形成了表面乳突结构,有助于形成疏水表面。纸张的扫描电镜(SEM)照片显示,添加改性PVA纤维的纸张,其耐折测试断裂面纤维的长度较短,且纸张表面PVA纤维的溶解程度显著下降。     

纸张干燥中湿分扩散系数的估算

纸张干燥过程涉及到多孔介质的热质传递,如何确定质量扩散系数是所建立的多孔物料湿分扩散模型能否进行数值计算的关键。按Liukov公式将湿分扩散系数视为含湿质量分数的非线性函数,在恒温下进行纸张干燥实验,通过比较湿分蒸发质量的测量值与理论计算值,采用多变量寻优的方法对多孔介质一维情况下的湿分扩散系数进行估算,得到了实验条件下的纸张湿分扩散系数的计算公式。并进一步确定了纸张中的湿分扩散系数与含湿质量分数和温度之间的函数关系式。     

用于催化裂化装置产率预测的Filter-Wrapper特征变量选择方法

催化裂化过程是重质油轻质化的重要手段,为了研究操作条件、原料性质等因素对产品分布的影响,通常需要对催化裂化过程建立准确可靠的数学模型。选择合适的输入变量对模型预测效果有着较大的影响,而在现有的催化裂化装置模型中,输入变量的选取主要依赖于对催化裂化机理的理解。本文从数据驱动建模的角度出发,提出一种Filter法与Wrapper法联合使用的特征子集选择方法。该方法在输入变量选取的过程中不依赖于催化裂化的先验知识,是一种数据驱动的自发的特征变量选择过程。以某炼油厂催化裂化装置为研究对象,利用该装置的生产数据分别选择用于干气和焦炭产率预测模型的输入变量,建立了预测精度高、输入变量数目适中的模型。此外,该方法为催化裂化装置建模的变量选取提供了新角度。     

煤燃烧过程分析与建模及其应用于Texaco气化炉模拟研究

以煤燃烧过程分析研究为基础,将煤燃烧过程分解为煤干燥过程、煤热解过程、燃烧过程和气渣分离过程,详细分析各过程的机理并建立相应数学模型,重点开展对常规分离器模型的优化。将该煤燃烧过程模型应用于Texaco气化炉,通过对该过程进行编程求解,计算所得的模拟值与文献值吻合较好,证明所建立的煤燃烧过程模型准确合理,为煤燃烧过程的工艺流程的数值模拟研究奠定了基础,可用于气体组成、除尘、脱硫等不同工艺过程的数值模拟研究。在此模型的基础上,进一步分析了在一定物流参数下不同温度对Texaco气化炉煤燃烧生成合成气组成的影响。     

用于催化裂化装置产率预测的Filter-Wrapper特征变量选择方法

催化裂化过程是重质油轻质化的重要手段,为了研究操作条件、原料性质等因素对产品分布的影响,通常需要对催化裂化过程建立准确可靠的数学模型。选择合适的输入变量对模型预测效果有着较大的影响,而在现有的催化裂化装置模型中,输入变量的选取主要依赖于对催化裂化机理的理解。本文从数据驱动建模的角度出发,提出一种Filter法与Wrapper法联合使用的特征子集选择方法。该方法在输入变量选取的过程中不依赖于催化裂化的先验知识,是一种数据驱动的自发的特征变量选择过程。以某炼油厂催化裂化装置为研究对象,利用该装置的生产数据分别选择用于干气和焦炭产率预测模型的输入变量,建立了预测精度高、输入变量数目适中的模型。此外,该方法为催化裂化装置建模的变量选取提供了新角度。     

不同阳离子柔软剂对生活用纸性能的影响

比较不同阳离子柔软剂对生活用纸性能的影响,通过表面喷涂和浆内添加两种方式对生活用纸使用不同柔软剂,进而测量其柔软度值和强度值,研究柔软剂种类、使用量、使用方式对生活用纸柔软效果及其强度的影响。结果表明:表面喷涂和浆内添加两种方式都可以改善纸张的柔软效果;在两种使用方式下对纸张柔软度改善效果最好的都是阳离子有机硅柔软剂,其最佳使用量是1.5 kg/吨绝干浆;且表面喷涂优于浆内添加;柔软剂的使用会降低生活用纸的抗张强度和湿强度。     

基于混合建模技术的聚氯乙烯粒径分布预测

针对聚氯乙烯粒径分布在线软测量问题,提出了一种基于机理分析和神经网络的混合建模方法,并将该建模方法应用于聚氯乙烯粒径分布建模研究中。混合模型由机理模型和误差补偿模型所组成。通过机理分析建立氯乙烯悬浮聚合过程的单体液滴群体平衡(Population Balance Equation,简称PBE)模型,由于聚氯乙烯成粒过程的复杂性和强非线性,单纯的机理模型预测与实际分析值相比仍存在一定偏差,因此利用人工神经网络建模方法建立了基于BP神经网络的单体液滴群体平衡模型修正模型,对单体液滴群体平衡模型的输出进行修正,由此建立起聚氯乙烯粒径分布混合模型。由于混合模型既能按照液滴分散与聚并机理对聚氯乙烯颗粒的成长过程进行描述,同时又充分利用了生产现场数据对模型误差进行修正,应用到聚氯乙烯生产过程的测试结果表明,与单纯机理模型相比,聚氯乙烯粒径分布混合模型具有更佳的预测效果。     

乙醛生产过程中的软测量实现

针对乙醛生产过程 ,建立关键过程变量粗乙醛浓度的软测量模型 ,并在此基础上建立粗乙醛的实时收率预测模型。对软测量实现中涉及到的回归变量选择、样本预处理、回归一致性分析、实时校正机制等关键技术进行讨论。该系统的预测值与离线分析值平均相对偏差为 1.2 %。     

BioWin仿真软件在污水处理中的应用研究

活性污泥模型是污水生物处理领域公认的模拟平台,其在阐明活性污泥工艺的生化反应机理和推动污水生物处理理论方面起着很重要的作用。本文介绍了活性污泥系统中应用较为广泛的仿真软件BioWin的模型机理及其建模过程,并通过实例分析了BioWin软件在深圳市某污水处理厂中的模拟应用。结果表明:模拟值较好地反应污水处理厂实际运行工况,提出了污水厂扩建的合理化建议,分析讨论了软件应用过程中的注意事项。     

一种基于自适应回归核函数的污水处理能耗模型

针对污水处理过程能耗模型难以建立的问题,提出了一种基于自适应回归核函数的建模方法。通过分析污水处理过程的运行特点,构建能耗与运行过程变量之间的关系,得到一种基于过程变量的能耗模型表达;同时利用梯度下降算法对能耗模型参数进行自适应调整,提高模型精度。最后,将设计的能耗模型应用于污水处理过程基准仿真平台BSM1和实际污水处理厂,实验结果表明该模型能够根据污水处理过程变量实时获得污水处理过程的能耗,具有较好的自适应特性和较高的精度。     

乙烯淤浆聚合反应器的模型与模拟

建立了乙烯淤浆聚合反应器的多相全混流模型,描述了包括乙烯共聚合反应动力学、气液和液固传质、反应器传热在内的物理化学过程。通过模拟计算分析了聚合过程的控制步骤,得到了反应器生产能力与有关操作变量之间的关系,对某工业反应器的模拟结果表明计算值与生产数据具有很好的一致性。