共查询到19条相似文献,搜索用时 187 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
《化工自动化及仪表》2017,(12)
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。 相似文献
4.
5.
6.
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。 相似文献
7.
8.
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。 相似文献
9.
10.
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。 相似文献
11.
运用美国Aspen Tech公司研发的Polymer Plus软件模拟乳液聚合丁腈橡胶生产中聚合部分的流程,通过对热力学参数的拟合和反应动力学参数的调整,建立了牌号为N41的丁腈橡胶聚合部分的模型。8个反应釜的模拟结果表明转化率、丙烯腈结合率和数均相对分子质量均符合乳液聚合机理的特性,与生产现场实验室分析结果能较好地吻合,相对误差在4%以内。将此热力学和动力学参数系统应用于牌号为N32的丁腈橡胶的模拟过程中,对参数的准确性进行考察,结果表明反应模型具有较好的适应性,模拟结果与实验室分析结果的相对误差在5%以内。 相似文献
12.
13.
Jian Yang Tong Zhang Yue Yin Wenhong Jiang Yunzhe Du Xiaofei Zhu Bo Jiang Yudong Huang 《应用聚合物科学杂志》2020,137(34):48982
Reactive group content was a key parameter in polymer curing process. However, the conventional methods to measure the curing were destructive and time consuming. In this article, near-infrared spectra technology had been applied for reactive group analysis of the photothermal curing silicone to achieve rapid nondestructive and quantitative detection. The calibration model was developed about epoxy value and CC double bond value, with determination coefficient (R2) of 0.9631 and 0.9689. Root mean square error of prediction were 0.0179 and 0.0143 by partial least square regression. The optimized calibration model was used to predict the content of epoxy value and CC double bond value in the photothermal curing process, it proved that the silicone resin cured under UV-radiation and heat. This novel method provided a promising approach to analysis the curing mechanism and quality parameters of resin. 相似文献
14.
移动窗递推PLS软测量建模及其工业应用 总被引:1,自引:0,他引:1
讨论了基于递推部分最小二乘(RPLS)算法的软测量建模方法及其应用.针对过程的时变特性,采用移动窗RPLS算法,在线修正样本的均值和方差,实时更新模型参数,兼顾了建模样本的饱和性、样本信息的完整性.然后将软测量模型应用于工业异构化装置,在线估计对二甲苯(PX)的含量.针对大量工业数据,进行仿真计算,得到模型的最大相对误差、相对均方误差和跟踪性能指标分别为2.68%、0.17%和0.9569,说明该软测量模型具有良好的预测能力和跟踪性能.接着讨论了建模样本长度对模型性能的影响,指出其最佳的样本长度为20~50. 相似文献
15.
基于变异CPSO算法的LSSVM蒸发过程软测量 总被引:1,自引:0,他引:1
在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某氧化铝厂蒸发过程为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化铝蒸发过程软测量模型,并与PSO-LSSVM、LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于5%的样本达到92.5%,最大相对误差仅为8.1%,均方差MSE为0.05153,模型具有较高的精度,其现场实施结果表明基本可以实现出口浓度的实时在线预估。 相似文献
16.
“双碳”背景下,提升焦炭质量是保证钢铁行业高质量发展的研究重点之一,而炼焦行业存在着在线实时监测难、焦炭质量预测模型泛化能力差等问题。为此,提出一种通过自适应全局搜索算法,即改进鲸鱼优化算法(WOA)与长短期记忆(LSTM)循环神经网络综合建模的方法来解决这一问题。首先选取出配合煤中可反映焦炭质量的可测参数,再运用主成分分析(PCA)去除变异性小的冗余因子后,得到预测因子,将其作为LSTM网络的外部输入;通过加入自适应惯性权重以及最佳扰动更新改进WOA,从而训练LSTM网络的超参数,采用均方根误差(RMSE)和R-squared 进行算法检验;最后将改进后的AGWOA-LSTM模型与典型的LSTM、WOA-LSTM模型进行对比,以验证本方法的优越性。结果表明AGWOA-LSTM模型预测焦炭质量具有精度高、运行速度快等特点。研究对焦炭生产具有一定的理论指导意义。 相似文献
17.
18.
19.
基于基团贡献神经网络集成法估算有机物常压凝固点 总被引:1,自引:0,他引:1
基于基团贡献法应用人工神经网络对有机物的常压凝固点进行了估算,输入参数为有机物的基团数和表征异构体的参数,输出为常压凝固点.分析了采用最速梯度下降法的BP算法在训练过程中产生误差饱和情况的原因,采用在隐含层节点中加入误差饱和预防函数用来防止误差饱和情况的出现.仿真结果表明,所采用的方法能有效地减小网络在误差表面陷入低谷的可能性和提高网络的收敛速率.采用神经网络集成法建立了神经网络集成模型,通过仿真合理选择隐含层节点数和采用交叉验证法用于防止BP网络的过度训练,增强了网络的泛化能力.估算结果表明,所建立的神经网络集成模型,其网络有良好的稳定性和预测精度,207个样本估算的绝对平均相对误差为8.62%. 相似文献