软测量技术及其应用

软测量技术是当前过程控制中研究热点之一.在介绍软测量技术基础上,对目前主要软测量建模的方法:机理建模、回归分析、状态估计、模式识别、人工神经网络、模糊数学、基于支持向量机(SVM)和核函数的方法、过程层析成像、相关分析和现代非线性系统信息处理技术等十种方法进行介绍,并对软测量建模方法进行了展望.最后列举了工业应用实例.     

软测量在分馏塔粗汽油干点推断控制中的应用

通过机理分析及现场实测数据建立了FCCU分馏塔在线校正软测量模型,在此基础上实现了粗汽油干点推断控制.运行结果表明,该系统能满足生产要求.     

延迟焦化粗汽油干点软测量

在分析工艺机理的基础上,用ＰＬＳ－ＲＢＦＮ并联方法建立延迟焦化粗汽油干点软测量模型。交叉验证表明,该方法是有效的,所建模型具有较高的精度和良好的泛化能力。     

一种网络资源受限情况下的NCS 反馈调度方法

在网络控制系统中,网络负载的加重会使网络资源变得有限,从而使各个子系统的控制性能变 差．为了改善这一情况下系统的控制品质（quality of control, QoC）,本文提出了流动式死区反馈调度方法．通 过对死区节点的动态选择和对死区范围的连续分配,整个系统在网络资源有限的情况下总的控制品质得到了 提高．仿真结果表明,在网络资源紧缺时,该方法采用的流动式死区思想和死区范围连续化思想对系统QoC 的提高是有效的．     

混沌与分形在化工过程控制中的应用

针对复杂工业过程控制的研究对象普遍存在非线性、复杂性和不确定性的特点。总结了国内外一些将混沌与分形应用于化工过程控制的情况,指出认识化工过程中的混沌现象进而进行控制是解决化工过程中某些复杂控制问题的有效途径。最后对非线性科学与控制理论相结合的前景进行了展望。     

应用人工神经网络进行DCS故障诊断知识学习的研究

介绍了应用人工神经网络进行DCS故障诊断知识学习的研究成果,并用实例对所采用的人工神经网络结构组成和学习算法进行了验证。     

Kohonen神经网络用于泵站控制系统故障诊断的研究

采用Kohonen神经网络是一种具有自组织特征映射（SOFM）的人工神经模型,并对其在泵站自动控制系统故障诊断中的应用进行研究,得出：自组织特征映射模型具有自学习功能、运算速度快、类型识别能力强的优点。     

基于RBFN的加氢裂化分馏塔产品质量估计MIMO软测量

目前在软测量建模中,大多研究的是ＭＩＳＯ的情况,而对于ＭＩＭＯ软测量建模问题则研究得较少,由于ＲＢＦＮ具有一定的分类特性,建模效果较好,采用ＲＢＦＮ建立加氢裂化分馏塔产品质量估计的ＭＩＭＯ软测量模型。并总结了软测量技术实际应用中的几点问题。     

动态矩阵控制在网络时延补偿中的应用研究

在网络控制系统中,随机传输时延大大降低了系统的控制性能,并导致系统的不稳定.针对以太网在网络控制系统中的随机传输时延问题,提出了一种基于DMC的NCS时延补偿控制方案.该方案采用DMC算法设计控制器,同时通过网络时延补偿器和动态缓冲器整定控制量,使系统输出能迅速跟踪突变输入.利用TureTime工具箱进行仿真实验,结果证明了该算法在处理网络控制系统的时延问题时具有有效性和可行性.     

基于改进EMD与SVM的风电功率短期预测模型

风电功率短期预测对电力系统的调度运行有着重要意义。为提高风电功率短期预测的精度,构建基于改进的经验模态分解法(EMD)和支持向量机(SVM)相结合的预测模型,进行风电功率的短期预测。首先,采用镜像延拓算法对预处理后的功率序列进行处理,从而抑制经验模态分解法分解过程中的端点效应;同时,采用分段三次埃尔米特插值代替三次样条插值,由此得到的包络线可以有效改进EMD的欠冲或过冲问题;然后用改进后的EMD方法将风电功率序列分解成不同的分量,再针对各分量分别构建各自的SVM模型进行预测,最后将各预测分量进行叠加,由此得到总的风电功率预测值。实验结果表明,相比与其他的短期功率预测模型,改进的EMD-SVM预测模型具有更高的预测精度,具有一定的应用价值。