篦冷机内水泥熟料温度的软测量

篦冷机内高温水泥熟料温度难以在线测量,给篦冷机的控制与热回收优化带来困难。针对这一问题,提出一种基于多孔介质渗流换热理论的篦冷机内熟料层温度软测量模型,并针对此模型设计一种解析法和隐式差分法相结合的流热耦合求解算法。根据所提出的算法对软测量模型进行渗流-传热双向耦合求解,得到了篦冷机内高温水泥熟料由进料口至出料口的温度变化预测值。利用自主设计的试验平台进行高温熟料堆积体冷却试验,试验结果表明,仿真数据与试验数据的误差较小,所建模型对于篦冷机内水泥熟料温度具有较好的测量精度。     

基于数据融合的小卫星温度测量冗余设计方法

为了提高小卫星温度测量控制系统的可靠性,本文提出了一种基于数据融合算法的小卫星温度测量冗余设计方法.该方法克服了传统的小卫星设计中完全采用硬件备份的冗余设计方法而带来的过多功耗、体积和重量负担的缺陷,将数据融合算法运用到小卫星温度测量冗余设计中,运用数据融合的方法和同组传感器的综合支持度来判断传感器的工作状态.利用软、硬件结合的方法,利用有限的硬件备份为每个温度传感器提供冗余设计.实验证明,该方法可以提高小卫星温度测量系统的可靠性和稳定性,同时也减小了小卫星的冗余设计带来的功耗、体积和重量负担.     

基于AdaBoost混合模型的LF炉钢水终点温度软测量

本文针对LF精炼炉冶炼过程中物理化学反应过程及传热过程的复杂性,采用混合模型对钢水温度进行软测量,将传统的机理模型与智能方法相结合,并采用改进AdaBoost.RT集成BP网络作为智能模型部分校正机理模型中难以准确获得的参数,再用机理模型进行预测.这种混合模型既克服了传统机理模型难以准确实现的不足也避免了"黑箱"模型过分依赖数据的缺陷.同时改进的AdaBoost.RT集成BP网络算法可以提高传统单神经网络的预测精度和稳定性.实验结果表明,此混合模型具有较好的预测结果,终点温度预测误差不大于±5 ℃的炉次大于85%.     

基于成分分析的铝电解质初晶温度软测量模型

为了准确获取铝电解质的初晶温度,引入软测量方法的思想,建立了以铝电解质成分的质量百分数为辅助变量,以Rerstreken公式和Rostum公式为基础的初晶温度软测量模型。结合铝电解过程,具体讨论了初晶温度软测量建模过程。分析了Rerstreken软测量模型和Rostum软测量模型的一致性,发现在相同情况下它们对初晶温度的估计值基本相等。试验结果表明,所提出的软测量模型能够准确地估算铝电解质初晶温度,估计值与参考值之间的最大绝对误差小于15℃。     

基于频域融合的氧量软测量

本文提出将给煤量信号和DEB热量信号组成一个信息融合对,通过构造互补FRF对进行频域信息融合,解决了热量信号测量快速性和淮确性的矛盾,得到性能优良的煤粉低位发热量修正信号,提高了氧量软测量的准确性和快速性。通过仿真对比,改进的氧量软测量模型能够更好的反映实际氧量的变化。     

基于智能技术的钢水温度软测量

钢水温度是炼钢过程的重要控制指标,由于钢水温度过高和钢液、钢渣对测温枪的腐蚀,钢水温度的测量只能用热电偶进行消耗式点测,而无法得到钢水温度的连续变化的信息.基于智能技术和软测量技术,这里开发了钢水温度的软测量方法.应用人工神经元网络进行初步预报,再根据专家工艺知识对一些特殊情况进行补正,获得了良好的效果.与机理法和统计法相比,钢水温度预报的适应性和准确性都得到了显著提高.     

基于数据融合和随机模糊神经网络技术的刀具磨损软测量系统

通过检测电流信号,利用基于随机模糊神经网络技术建立的软测量模型进行刀具磨损量测量,提出了利用数据融合技术减小测量误差的方法,仿真试验证明了该方法的可行性。     

机理与数据融合的螺栓连接松脱预测

针对螺栓松脱状态下夹紧力变化难以精确预测的问题,提出一种机理引导数据的螺栓连接松脱特性预测方法.首先结合螺栓受载时的力学状态建立松脱过程机理模型,通过参数试验法对机理模型中各特征进行敏感度分析,提出松脱敏感度评价指标以获取松脱过程的关键特征;进一步考虑螺栓松脱的非线性特征及不确定性规律,提出一种基于高斯过程回归的螺栓松...     

基于LS-SVM的铝电解槽电解温度软测量

针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题,在分析了铝电解生产工艺和电解温度影响因素的基础上。建立了基于最小二乘支持向量机（LS-SVM）的铝电解槽电解温度的软测量模型。并根据实测数据进行了仿真。仿真结果表明：基于最小二乘支持向量机方法建立的铝电解槽电解温度软测量模型具有精度高、泛化性能好等特点。是一种有效测量铝电解槽电解温度的方法。     

篦冷机的渗流传热模型与数值模拟

针对水泥篦冷机内熟料堆积体的多孔介质特性,应用非热平衡理论并结合Forchheimer-Brinkman-Darcy扩展模型,建立篦冷机的渗流换热模型。采用此模型对篦冷机内水泥熟料的冷却过程进行数值模拟,获得了不同供风风速、不同篦速下的气体和熟料层温度的变化规律。研究结果表明,所建模型可以较为准确地反映水泥熟料堆积体的冷却过程;供风风速的增加虽有利于熟料颗粒的冷却,但会降低回收风的温度,不利于热量的回收,合理的供风风速区间为1.5～2.0 m/s;在产量不变的情况下,增加篦速可强化熟料的前端骤冷效果,有利于形成高品质熟料,但是过高的篦速会使篦冷机前端的气体温度偏低,不利于水泥熟料的烧成;在料层厚度不变的情况下,增加篦速,回收风温与出料温度升高,但篦速过高时出料温度偏高;综合考虑产量不变与厚度不变这两种情况下篦速对熟料冷却过程的影响,得出合理的篦速区间为0.006～0.008 m/s。     

基于频域特征提取与信息融合的磨机负荷软测量

提出了基于频域特征提取与多传感器信息融合的磨机负荷(ML)软测量新方法。针对磨矿过程主要依靠人工经验定性判断ML状态,难以定量检测ML参数的现状,通过融合磨机筒体振动、振声及驱动电机电流信号,建立了以料球比、矿浆浓度、充填率为输出的ML软测量模型。该方法首先采用快速傅里叶变换(FFT)将时域振动及振声信号转换为频谱变量,再对频谱变量通过主元分析(PCA)进行谱特征提取,然后采用径向基函数(RBF)变换生成的激活矩阵实现谱特征的非线性映射,最后采用偏最小二乘(PLS)算法建立以谱特征、激活矩阵、电流信号为输入的回归模型,从而有效克服了多传感器信息之间及RBF变换引起的多重共线性等问题。实验表明,该方法能够较准确地检测ML参数,融合多传感器的软测量方法具有更好的预测效果。     

基于CPSO与LSSVM融合的发酵过程软测量建模

发酵过程是一个复杂的时变、非线性、强耦合过程.发酵过程中的关键参量菌体浓度通常难以用传统物理传感器实时在线检测.为了测量该参数,将CPSO算法与LSSVM相结合构建发酵过程软测量模型.模型采用CPSO算法优化LSSVM软测量模型参数,克服了常规交叉验证法选取参数的耗时和盲目性.仿真结果表明,CPSO-LSSVM软测量模型较LSSVM软测量模型更能在较短的时间内获得较高的收敛精度,其平均误差为2.05％,说明该软测量模型可用于发酵过程不可在线测量的菌体浓度的实时在线软测量,并且预测精度高,预测速度快,预测能力强.该软测量建模方法也为发酵过程其他关键参量的实时在线测量提供了新的途径.     

一种自适应CMAC软测量与控制模型

通过研究了小脑模型神经网络(CMAC)存在的不足,设计了基于自适应的CMAC算法,对CMAC的重要组成部分概念映射、学习率和惯性系数进行了自适应设计,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.结合沉降分离控制系统工艺优化的需求,提出了基于自适应CMAC的沉降系统软测量和控制模型,用于准确实时地预测稀释矿浆固含,在此基础上进行絮凝剂投放措施优化.工业试验说明了该模型在对化学量软测量的预测精度和快速性上具有明显的优越性,本模型已应用于某氧化铝厂工艺优化系统中动态调节絮凝剂投放量,节省了生产成本,取得了明显的经济效益.     

篦冷机熟料的立体视觉在线测量

实现篦冷机内部冷却风的合理分配,需要实时获得水泥熟料的厚度信息。针对篦冷机内温度高,难以实时测量的问题,提出了基于网格候选点的立体视觉在线测量方法。用相交光轴的两台摄像机组成双目立体视觉系统获取料层图像,在世界坐标系内建立代表深度信息的网格候选点用于深度测量。利用小波多分辨率算法快速筛选候选点,满足传送中熟料在线测量的实时性需求。引入了可信系数的概念,对容易出现歧义的少数候选点根据直方图分布判断该窗口内图像是否包含丰富的纹理信息,选择较大或较小的匹配窗口用于二次匹配,减少了匹配歧义带来的测量误差。实验结果表明,测量系统的均方根误差为4.29mm,能够满足实时厚度测量的精度要求。提出的方法测量精度高、计算速度快,能够稳定用于篦冷机内熟料厚度的在线测量。     

汽车废气氧传感器软测量模型

汽车废气氧(EGO)传感器模型是实现发动机空燃比闭环控制的关键技术之一.传统采用的继电器模型,存在一定的不足.采用实验建模的方法,建立了过量空气系数、温度与输出电压之间的软测量模型.利用三段和法对模型参数进行初步估计,得到参数的粗略值,然后利用粒子群优化算法,寻找最优参数,并对所得结果进行检验.仿真结果表明:该软测量模型结构简单,预测精度高,可以用于空燃比闭环控制系统的仿真研究.     

植物有效成分常规浸取的软测量模型

目前植物药生产中缺乏在线监控手段,制约了植物药的发展.软测量作为一种快速、高效的检测方法,在植物药生产中具有良好的应用前景.本文以医学价值较高的竹叶、葛根中黄酮类物质为对象,研究其常规浸取过程,并建立了植物有效成分浸取的软测量模型.     

基于神经网络的软测量模型及应用

本文提出了一种新的基于神经网络软测量模型及算法,为复杂测量系统中软测量建模提供了一种有效的途径。应用结果表明采用该算法可获得较高的测量精度。     

基于神经网络的丙烯腈聚合反应软测量模型

针对丙烯腈聚合反应是一种非均相的聚合过程,其聚合机理比较复杂,关键质量指标无法用传感器直接在线测量的缺陷。本文首先建立了转化率和聚合物总数的神经网络软测量模型,然后使用OADEKF滤神经网络学习算法对网络进行训练,使得训练的网络性能优于BP算法学习的网络,且能够满足工程实际模型精度的要求。为转化率和聚合物总数的在线测量提供了有效途径,采集的数据仿真表明,采用OADEKF算法训练的神经网络模型具有一定的估计精度,为工程实施提供了借鉴。     

物联网中数据融合的信誉度模型与仿真

具有巨大市场应用前景的物联网正在掀起第三次信息技术浪潮,其依托的核心技术之一-无线传感器网络具有能量、存储能力、计算能力、通信带宽等资源受限的突出特点,实施数据融合是其必然选择。物联网一般具有信息安全敏感的需求,在数据融合过程中易受到节点数据被伪造或篡改等多种信息安全威胁;为了保障数据融合结果的真实性与可靠性,建立了基于节点信誉度评价的安全数据融合模型(CBDA),仿真结果表明了该模型的有效性和数据融合结果的可靠性。