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．  

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。  

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。  

Multivariate regression modeling for monitoring quality of injection moulding components using cavity sensor technology: Application to the manufacturing of pharmaceutical device components

There is an increased demand within the moulding industry to improve the quality of moulded parts by maintaining consistent tolerances and overall dimensions. This interest is more important in areas of the moulding industry that are dedicated to pharmaceutical devices, where a quality by design approach is now expected to be adopted. A pharmaceutical device is an assembly of different plastic components which are manufactured by injection moulding; many have critical quality parameters which affect not only the device appearance but also more importantly its performance for drug delivery. Hence, the need of better understanding and control of injection moulding processes. This study presents the use of multivariate regression modeling approach to monitor the quality of the final product using cavity sensor technology (CST). The influence of the injection moulding process parameters on the quality of the final parts have been investigated using a design of experiment approach. The results demonstrate that the Partial Least Squares (PLS) regression model based on cavity pressure sensor data could be successfully used to monitor the quality (weight, dimensions) of the final product in plastic injection moulding.  

基于文化微粒群算法的丙烯腈收率软测量模型

丙烯腈收率是丙烯腈装置的关键指标,如何得到丙烯腈收率是厂家很关注的研究,将新型优化算法用于丙烯腈收率软测量建模是1种较好的尝试。将新型微粒群优化算法用于同样新型的文化算法种群空间的优化,设计文化微粒群优化算法。它由种群空间和信念空间2部分组成,在种群空间和信念空间分别采用各自算法并行演化,同时,2个空间又根据一定的协议相互联系。分别将该算法和基本微粒群算法用于一些常用测试函数的优化问题;结果表明,与基本微粒群算法相比,文化微粒群算法加强了全局搜索能力,更容易收敛于全局最优解。最后将文化微粒群优化算法用于优化神经网络,构成文化微粒群神经网络,并将其应用于丙烯腈收率软测量建模。结果表明,此模型精度高,应用前景广阔。  

三相萃取精馏模拟新算法

石油化工及其深加工中经常涉及三相精馏过程,模拟该过程对化工分离设计具有十分重要的意义。文中提出一种新算法Newton同伦-同时校正混合法模拟三相精馏过程,该算法将同时校正法有机地嵌入同伦法中,采用同伦弧长微分法求解,在保持同伦算法大范围收敛特性的同时,提高了计算效率。采用Michlesen稳定性判据作为液相稳定性判据。以丙烯腈-乙腈三相萃取精馏塔为例,验证了算法的有效性。