基于混合SVR-PLS方法的丙烯腈收率软测量建模

为了更有效地处理过程非线性、多输入和数据共线性等复杂特性，提高模型的推广能力和精度，提出了混合支持向量回归机-偏最小二乘法(SVR—PLS)方法．该方法兼具SVR和PLS的优点．用PLS进行特征提取．用SVR建立PLS的内部模型．对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明．采用该方法建立的软测量模型．在模型精度、推广能力等方面明显优于一些传统软测量建模方法．满足工业应用要求．  

应用分子力学研究丙烷在晶体上的氨氧化反应

应用分子力学评价在α－Ｓｂ２Ｏ４、β－Ｓｂ２Ｏ４及Ｖ２Ｏ５ ３种晶体上丙烷氨氧化反应物种的吸附及脱附能力，并与丙烷的反应活性和生成丙烯腈选择性的实验数据进行较好的关联。计算结果表明，分子力学可以来研究化学反应的物理阶段，所得分子模拟结果可以对催化剂的设计和开发提供参考和指导作用。  

三群粒子群优化算法及其在丙烯腈收率软测量中的应用

提出了一种三群粒子群优化算法（THSPSO, three sub-swarms particle swarm optimization）．该算法将整个粒子群分为三群，第一群粒子朝全局历史最优方向飞行，第二群粒子朝着相反方向飞行，第三群粒子在全局历史最优位置周围随机飞行．分别将该算法和基本粒子群优化算法（PSO, particle swarm optimization）用于一些常用测试函数的优化问题；结果表明,与PSO相比，THSPSO具有更好的优化性能．然后，用THSPSO训练神经网络，并将其用于丙烯腈收率软测量建模，结果显示了三群粒子群优化算法在丙烯腈软测量建模中的可行性与有效性．  

基于多元逐步回归分析的丙烯腈反应器在线优化控制

本文在简单介绍了丙烯腈生产工艺后，详细阐述了基于多元逐步回归分析的丙烯腈反应器在线优化控制的原理及其实现。实际应用结果表明，在线优化控制可以显著提高丙烯腈收率，获取巨大的经济效益。  

基于小波变换的信号消噪及其在软测量中的应用

介绍采用小波变换的方法实现对信号的消噪，且与BP神经网络相结合应用于丙烯腈转化率软测量中。实验表明基于小波变换的信号消噪比传统的消噪方法更有效。  

自适应在线稳态优化方法及其在丙烯腈装置上的应用

介绍了一种自适应优化方法,通过机理分析和模型结构辨识确定系统的模型结构, 采用在线运行数据拟合过程动态模型参数,并依此计算目标函数相对于各操作参数的梯度, 最终确定优化的方向.根据算法设计的计算机软件ANOPT在一个丙烯腈装置上得到实际应 用.结果表明,本方法具有适应性好,抗干扰能力强,寻优速度快等特点,并且不需在线组分分 析仪表,非常适用于实际工业过程.  

基于主元分析与模糊C均值聚类的丙烯腈反应器优化

鉴于主元分析法的降维特性和模糊C均值聚类算法良好的分类性能，本文在丙烯腈反应器操作参数的优化中，结合这两种方法，将主元分析处理后的数据作为新的样本输入，利用模糊C均值聚类算法进行优化操作。在保留原有信息的基础上，去除了冗余数据，加快了聚类速度。实验表明，混合算法的聚类结果比单纯的基于聚类优化的方法能较好地对操作参数的优化起指导作用。  

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。  

基于正交法的神经网络结构研究和应用

总结了正交法的应用研究,提出用正交化方法来确定前馈神经网络的结构,包括隐层数、节点数以及网络训练步数。并将谈网络用于描述聚丙烯腈生产过程软洲量混合模型的中间参数k1,k2,k3,P与现场操作条件的非线性关系,从而实现质量指标的在线估计。仿真结果证明了该方法的有效性。  

矢量微粒群算法及其应用

在对微粒群优化算法PSO分析的基础上，提出了矢量微粒群优化算法VPSO。该算法通过矢量运算方法来定义微粒的运动，从而达到寻找最优解的目的。将VPSO和PSO分别用于常用测试函数的优化求解，结果表明：VPSO的优化性能明屁优于PSO。基于VPSO构造的矢量微粒群神经网络（VPSONN）在丙烯腈收率软测量建模的应用中表明：基于VPSONN的丙烯腈收率软测量模型具有较高的精度，应用前景广阔。