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...     

水泥生料预分解过程智能优化设定控制

在生料预分解过程中,由于生料边界条件频繁变化,致使产品的质量指标生料分解率过低或过高,从而增加了回转窑的负荷或导致最低一级旋风筒下料管堵塞.为了解决上述问题,本文提出了一个智能优化设定方法,由回路预设定模块、分解率预报模块、前馈补偿模块、反馈补偿模块组成.这个方法能够根据生料边界条件的变化在线调整控制回路的设定值.所提出的方法已经成功应用于酒钢宏达水泥生料预分解过程,取得了显著的应用效果.工业应用表明所提出的智能优化设定方法能够将生料分解率稳定在工艺范围内.     

软测量模型的建立

软件测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计，介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，还给出了建立一个完整的软测量模型的步骤。     

基于神经网络的锂萃取率软测量模型研究

在锂萃取实验实现自动化控制基础上,针对锂萃取率目前不能在线测量的问题,分别采用RBF神经网络和小波神经网络对锂萃取率软测量模型展开研究.先从锂萃取实验获取基础实验数据,再把实验数据分为训练和预测数据,分别采用RBF神经网络和小波神经网络,对锂萃取率软测量模型进行了多输入单输出和多输入多输出模型试验.试验表明,小波神经网...     

聚酯酯化率软测量技术研究

介绍了某聚酯生产过程酯化工艺建立的过程质量指标酯化率的软测量模型。提出一种利用减法聚类产生初始的T-S模糊模型,通过粗调与细调聚类半径优化模糊模型的方法。建模前选择或计算出辅助变量,对样本数据进行了误差剔除与归一化处理。仿真结果表明,该方法建模速度快,模型泛化性能良好,为酯化率的估计提供了一种有效方法。     

基于率值的水泥生料制备过程专家控制

介绍了水泥厂基于石灰饱和系数(KH)，硅率(SM)，铝率(AM)三率值的生料制备过程专家控制。水泥生料率值专家控制系统能够实现生料三率值优化控制．确保生料率值合格，系统的底层由基于神经网络的PID控制器实现，并且系统能够实现生料磨机的故障诊断、负荷最佳控制。生料率值专家控制系统实际应用取得令人满意的控制效果。出磨生料合格率平均稳定在90％和88％。     

连续碳酸化分解过程进料流量的软测量与控制

维持进料量稳定是保证碳酸化分解过程稳定优化生产的关键。由于分解槽进料管较短,管径比较大,容易结疤,进料量难以用常规的过程检测仪表进行检测。建立了基于汇流的伯努利方程,总结出进料阀门的局部阻力系数与开度的关系,推导出高位槽液位、进料阀门及进料流量的函数关系,建立了进料流量的软测量模型。利用该模型,设计一个进料流量控制器,实现进料流量的优化设定和稳定控制。现场实验数据表明,进料流量软测量模型精度在2.06%以内。     

基于智能集成策略的烧结块残硫软测量模型

针对铅锌冶炼烧结过程烧结块残硫估计问题,提出了一个基于智能集成策略的软测量模型,主要包括数学模型、专家规则模型和智能协调器几部分.其中数学模型通过物料平衡方程计算烧结块残硫,方程中的部分不可解参数由神经网络估计给出.专家规则模型对残硫与主要影响因素之间的关系进行了描述.基于模糊逻辑的智能协调器根据生产条件的情况综合各模型的输出作为估计结果.工业实际数据验证表明,智能集成模型的残硫估计误差平均值仅为7.5%,而且真实反映了烧结块残硫的变化趋势,可以为生产操作提供有益的指导.     

一种多种群广义遗传CMAC的软测量模型

对CMAC的惯性系数和学习率进行了优化,提出了基于广义遗传优化的小脑模型神经网络(CMAC)算法,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要.结合溶出预脱硅系统工艺优化的需求,提出了基于广义遗传优化的CMAC的溶出赤泥A/S比系统软模型,用于准确实时地预测溶出赤泥A/S比.试验说明了该模型在...     

Soft measurement model and its application in raw meal calcination process

In this paper, a soft measurement model has been proposed by combining recursive fixed-memory principal component analysis (RFMPCA) with least squares support vector machines (LS-SVM). To solve outliers, missing data points of the outliers and deviation from normal values are detected. The RFMPCA was applied to the model, which not only solved drawbacks of conventional PCA and data saturation, but also simplified the LS-SVM structure and improved the training speed. The proposed model has been successfully applied to the decomposition process of Jiuganghongda Cement Plant in China. Industrial application results have shown that the soft measurement model has high accuracy and guidance to calciner temperature setting.     

基于神经网络的生化池污水毒性软测量

文中叙述了污水中有毒物质对活性污泥的有毒效应(即生化池污水毒性)及其对整个污水生化处理系统的影响.通过分析有毒污水对生化池相关参数的影响,提出了基于径向基函数(RBF)神经网络的软测量方法.并从工程应用角度将人工神经网络软测量方法应用于生化池污水毒性指标的实时检测.在永和污水厂的试用中证明了这种方法的有效性.     

基于FCM与集成高斯过程回归的赖氨酸发酵软测量

为解决赖氨酸发酵过程中菌体浓度难以在线检测的难题,提出一种基于模糊C均值聚类(FCM)与集成高斯过程回归(GPR)的软测量建模方法。针对典型生物发酵过程可分为延滞期、指数生长期、稳定期、死亡期4个反应周期的特点,采用模糊C均值聚类算法对样本集进行聚类分析以形成若干子样本集;对每个子样本集分别采用高斯过程回归训练时,为提高GPR模型的泛化能力,利用Adaboost算法提升GPR模型,分别在各子集建立集成GPR软测量子模型;采用欧氏距离计算新样本点对应于每一子模型的隶属度;加权求和获得最终的软测量模型的预测输出。基于氨基酸类典型菌种L-赖氨酸反应过程菌体浓度参数预测的试验研究表明:与全局单一GPR模型、集成GPR模型和基于FCM与多GPR模型相比,所建立的基于FCM与集成GPR软测量模型拟合精度高,泛化能力强,较好地满足了赖氨酸发酵过程的控制要求。     

带未知模型参数和衰减观测率系统自校正分布式融合估计

研究了带未知模型参数和衰减观测率多传感器线性离散随机系统的信息融合估计问题.在模型参数和衰减观测率未知的情形下,应用递推增广最小二乘(Recursive extend least squares,RELS)算法和加权融合估计算法提出了分布式融合未知模型参数辨识器;应用相关函数对描述衰减观测现象的随机变量的数学期望和方差进行在线辨识.将辨识后的模型参数、数学期望和方差代入到最优分布式融合状态滤波器中,获得了相应的自校正融合状态滤波算法.应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了算法的收敛性.仿真例子验证了算法的有效性.     

某型惯性测量组合故障传播机理与建模分析

惯性测量组合(IMU)是航空机电控制系统中的关键部件,其易发生故障,且故障会在各功能单元之间进行传播.IMU中存在着故障传播路径复杂多样性和故障传播不确定性的问题,这两个问题使IMU中的故障传播过程难以描述.针对该问题,在对某型IMU故障传播机理进行分析的基础上,提出了一种将多信号流图与故障扩散强度函数相结合的模型构建...