基于滑动时间窗的支持向量机软测量建模研究

提出了一种基于滑动时间窗的最小二乘支持向量机软测量建模方法，并针对某一工业共沸精馏塔成分估计问题，建立了合适的工业软测量模型。介绍了最小二乘支持向量机计算法和滑动时间窗的建立。并利用滑动时间窗内的数据进行系统的在线优化和周期性模型更新，提高了工业软测量模型的在线估计精度。研究结果表明，LS—SVM是一种有效的软测量建模方法。     

基于KPLS-LSSVM的航煤闪点和干点软测量应用研究

软测量技术是解决流程工业中一类难以在线测量变量估计问题的有效方法。本文提出了一种基于核偏最小二乘方法(KPLS)和最小二乘支持向量机(LS-SVM)的航煤闪点和干点软测量建模方法,采用核偏最小二乘方法对输入变量进行数据压缩,消除变量之间的相关性,简化最小二乘支持向量机模型结构,并通过混沌粒子群—模拟退火方法(CPSO-SA)对最小二乘支持向量机的参数进行优化选择。将优化结果应用于CDU航煤闪点和干点软测量建模,结果表明:该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为分馏过程在线质量控制的实施奠定了基础。     

基于改进的PCA-LS-SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法,建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比,失去了"稀疏性",最小二乘支持向量机的稀疏化方法解决了这一难题;主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明,该改进的PCA- LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

基于多尺度小波LSSVR的污水处理过程软测量

针对污水处理中某些生物参数难以在线测量的情况,本文提出了一种基于小波核的多尺度最小二乘小波支持向量机软测量建模方法:。首先,选取墨西哥草帽小波函数作为最小二乘支持向量机的核函数,进而设计出多尺度小波最小二乘支持向量回归机(MW-LSSVR)。然后利用该支持向量机和出水水质参数特性建立混合软测量模型,实现对出水BOD浓度、COD浓度在线预测。通过在实际污水处理过程的应用,结果:表明本建模方法:具有较高的预测精度和较快的模型学习速度,能对BOD的做出准确的预测,一定程度上可以替代某些昂贵的在线测量仪表,给污水处理厂工作人员提供了控制操作依据,具有一定的实际应用价值。     

基于改进的PCA—LS—SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题，提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法，建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比，失去了“稀疏性”，最小二乘支持向量机的稀疏化方法解决了这一难题；主元分析方法的引入，有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明，该改进的PCA—LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

基于支持向量机软测量技术的应用

软测量技术在工业过程控制中得到广泛的应用。在软测量建模过程中，基于支持向量机的算法能较好地解决小样本、非线性、高维数、局部极小点等问题。在简单介绍最小二乘支持向量机算法的基础上，提出了一种新的改进算法——多输入多输出最小二乘支持向量机算法，将其应用到丙烯腈收率的预测模型中，并且与传统的神经网络算法以及多输入单输出最小二乘支持向量机算法进行建模比较。结果表明，这种算法可以在付出轻微代价的基础上，实现多输入多输出模型的软测量，并取得良好的效果。     

基于最小二乘支持向量机的航煤干点软测量应用研究

传统支持向量机是近几年发展起来的一种基于统计学习理论的学习机器,在非线性函数回归估计方面有许多应用。最小二乘支持向量机用等式约束代替传统支持向量机方法中的不等式约束,利用求解一组线性方程得出对象模型,避免了求解二次规划问题。本文采用最小二乘支持向量机解决了航空煤油干点的在线估计问题,结果表明,最小二乘支持向量机学习速度快、精度高,是一种软测量建模的有效方法。在相同样本条件下,比RBF网络具有较好的模型逼近性和泛化性能,比传统支持向量机可节省大量的计算时间。     

基于自适应加权最小二乘支持向量机的芳烃产量软测量建模

芳烃收率是催化重整生产过程中的重要质量指标。针对其软测量建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLSSVM)回归建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布加权规则,为每个建模样本分配不同的权值,以降低测量误差对建模精度的影响;同时提出一种全局优化算法—混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立催化重整生产过程芳烃收率的软测量模型,获得了较好的效果。     

水泥熟料生产过程生料分解率软测量模型

在水泥熟料生产过程中,针对衡量产品质量的生料分解率不能在线检测的难题,将递归限定记忆主元分析和最小二乘支持向量机结合,提出了基于限定记忆主元分析的最小二乘支持向量机方法.限定记忆主元分析不但解决了传统主元分析的缺点和数据饱和现象,而且简化了最小二乘支持向量机的结构.该方法已经成功应用于酒钢宏达水泥厂水泥熟料生产生料分解...     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

混合核函数稀疏LS-SVM软测量建模与应用

针对最小二乘支持向量机存在的稀疏性欠缺和单核函数局限性问题,本文提出一种基于混合核函数稀疏最小二乘支持向量机的软测量建模方法.该方法使用多项式核函数和RBF核函数线性加权构成混合核函数,兼顾最小二乘支持向量机的全局拟合能力与局部拟合能力,以矢量基学习作为稀疏解算法,改善最小二乘支持向量机的稀疏性,在精简模型结构的同时,避免冗余信息中的噪声过多的拟合到模型参数中,进而采用粒子群算法优化模型部分参数.将此方法分别应用于Mackey- Glasss混沌模型的时间序列预测和乙烯精馏塔塔釜乙烯浓度预测,应用结果表明该方法较最小二乘支持向量机、稀疏最小二乘支持向量机以及混合核最小二乘支持向量机具有更好的泛化效果和预报精度,兆示出其良好的应用潜力.     

基于最小二乘支持向量机的软测量建模及在电厂烟气含氧量测量中的应用

通过分析燃煤电厂烟气含氧量测量的现状。提出了基于最小二乘支持向量机的软测量方法,给出了相应的系统结构和算法,用现场实测数据计算取得了良好的效果。通过和神经网络方法的比较,仿真结果证明了该方法具有更好的性能指标。     

基于L S-SVM 的非线性预测控制技术

探讨了利用最小二乘支持向量机(LS—SVM)进行非线性系统辨识的方法，LS—SVM用等式约束代替传统支持向量机中不等式约束，求解过程从解QP问题变成解一组等式方程，将得到的LS—SVM模型应用到非线性预测控制，提出了基于LS—SVM模型的非线性预测控制算法，通过CSTR过程仿真表明，最小二乘支持向量机学习速度快，在小样本情况下具有良好的非线性建模和泛化能力，基于LS—SVM的预测控制算法具有很好的控制性能。     

水泥熟料烧成系统建模方法研究进展

水泥熟料烧成系统模型对于理解水泥熟料煅烧过程、改进煅烧工艺、优化控制段烧状态、提高燃烧效率至关重要.然而,水泥熟料煅烧过程机理复杂,燃烧状态不稳定,存在建模难的问题.经过学者几十年的努力,已涌现出一大批优秀的研究成果,但仍存在一些不足和挑战.对此,针对水泥熟料烧成系统建模问题,综述国内外已有的建模方法和技术,分析各种方法的优势及存在的问题.最后,分析并指出水泥熟料烧成系统建模领域未来的研究方向和前景.     

软测量技术在泵车臂架结构健康监测中的应用

利用混凝土泵车臂架应变信号计算其疲劳累积损伤的健康监测方案,由于应变片的使用寿命较短且不可靠,通过应变片直接测量泵车臂架应变信号不能适用于泵车臂架结构长期健康监测。采用软测量技术,基于最小二乘支持向量机（LS-SVM）建立软测量模型来间接获得泵车臂架应变信号。分析泵车臂架应变信号的特点,进而选择辅助变量。为了提高模型精度,对应变信号进行解耦,分别建立静态应变和动态应变的软测量模型进而得出总应变,利用遗传算法对模型参数进行了优化,与总体建模结果进行了比较。仿真分析结果表明,软测量技术为泵车臂架结构健康监测的工程实现提供了一种可行的方法,并且分别建立静态应变和动态应变的软测量模型比总体建模精度更高。     

水泥熟料质量软测量模型中的时序分析方法

针对常规水泥熟料质量软测量模型未充分考虑过程变量间时序信息的问题,本文根据水泥生产流程工艺的时滞性、连续性特点,提出了一种时序分析方法,以提高熟料中游离氧化钙含量的软测量准确度.首先根据物料的传输机理,估算出物料在各工艺设备中的停留时间,在此基础上将软测量模型的输入输出变量进行时序匹配,之后采用类高斯函数对各输入变量匹配时刻前后的时序数据进行加权,获得具有时序信息的输入–输出样本对,然后以支持向量机模型结构为例,对引入时序信息后的游离氧化钙含量软测量模型进行训练和测试,并讨论了时序参数对结果的影响.采用某水泥生产线的实际过程数据对本文模型与方法进行验证,结果表明,该模型预测值与实际的游离氧化钙含量吻合良好,能正确预测其变化趋势;将本文模型测量结果与未使用时序信息的常规支持向量机模型对比,结果表明,过程变量间的时序信息有助于提高水泥熟料质量软测量模型的精度.本文提出的时序分析方法为水泥生产等流程工业过程建立软测量模型提供了新思路.     

浮选生产过程经济技术指标的软测量建模

依据浮选过程的工艺机理和操作经验,初选了浮选过程经济技术指标神经网络软测量模型的输入变量,运用主元分析法对输入变量进行主元分解,降低输入变量维数且消除了输入变量之间的线性相关性,再通过基于最近邻聚类学习算法的径向基函数神经网络进行建模。仿真结果表明,该模型具有较快的训练速率和较高的预测精度,可以满足浮选过程实时控制的在线软测量要求。     

常压蒸馏产品质量软测量改进方法及应用

针对石油化工生产过程基于统计模型的产品质量软测量中普遍存在的软测量模型适用工作范围小、难以反映进料原料性质变化的问题,探讨和应用了机理分析和统计建模相结合的软测量方法。针对一个实际常减压蒸馏产品质量软测量和控制问题．通过机理分析、实际操作数据分析并结合操作人员经验,选择能够反映进料原料性质变化的过程变量作为统计模型的输入以克服进料原料性质变化的影响,将有些直接测量的输入变量按照机理关系进行计算得到的新的变量作为统计建模的输入变量,使其和产品质量之间具有更宽范围的近似线性关系,提高软测量模型的泛化能力：某厂常减压蒸馏装置的实际应用结果表明了该方法的有效性。     

基于现场总线技术的DCS在水泥熟料生产线中的应用

根据万吨线水泥熟料生产的特殊工艺特点,认真分析其对控制系统的要求,在此基础之上,充分发挥了现场总线技术及DCS技术两者优势,以系统集成为手段,给出一套基于Profibus现场总线协议的水泥熟料的生产线的集散控制系统(DCS),实现了对水泥熟料生产的集中管理和分散控制.