软测量技术及其在刀具故障诊断中的应用

介绍了软测量技术的概念和原理,分析了刀具故障诊断技术在高速加工中的必要性和可行性,介绍了基于软测量技术的刀具故障诊断系统及其技术路线和基于主轴电机电流的测量模型。     

基于Attention-LSTM-Kalman建模的风洞动态流量软测量

针对风洞流量测量中传统静态软测量模型估计精度低、鲁棒性差等问题,提出了注意力机制（Attention mechanism, Attention）、长短时记忆神经网络（Long short-term memory, LSTM）和卡尔曼滤波（Kalman filtering, Kalman）结合的Attention-LSTM-Kalman软测量模型：通过LSTM网络建立静态软测量模型,在此基础上,提出一种基于注意力机制的改进方案,考虑到系统的动态特性,使用卡尔曼滤波动态调整软测量模型输出序列。实验结果表明,静态预测模型LSTM的预测效果优于循环神经网络（Recurrent neural network, RNN）和门控循环单元（Gated recurrent unit, GRU）等模型;基于LSTM、Attention-LSTM和Attention-LSTM-Kalman的3种模型的对比预测测量结果表明,注意力机制能有效提高模型精准度,引入卡尔曼滤波改善了模型的动态测量特性。该模型方案在风洞系统的流量测量验证了其可行性和有效性。     

矿热炉短网补偿双闭环控制系统的研究

由于矿热炉内部工况变化的随机性,电极与矿料放电拉弧经常处于动态起伏状态,使短网存在大量的谐波电流和功率因数品质偏低等严重问题,本文提出了一种基于电流分解、倍频变换的软测量方法,在不增加硬件和免除常规坐标变换等复杂运算的基础上,较好地实现了对短网基波电流、谐波电流以及功率因数的检测。同时设计了以功率因数为控制目标,融合无功补偿和谐波电流抑制功能的双闭环控制系统,经过仿真和实际测试较好地验证了该电流预测方法及补偿控制规律的可行性,为其它电力变换设备等实施无功功率补偿、谐波抑制以及故障诊断和保护等方案提供了可参考的模型。     

高温金属流体的测量与控制系统

液态金属温度高、腐蚀性强 ,流量不能直接测量和控制 ,本文提出了用神经网络建立液态金属重量与流量的数学模型 ,对液态金属流量进行软测量的检测方法 ,再用两级计算机控制系统 ,实现液态金属流量的稳定控制。仿真和实际应用结果表明 ,用该方法检测高温液态金属流量的相对误差小于 1.5 % ,满足实际生产要求。     

黑液浓度在线软测量

根据黑液相对密度和波美度的关系，利用软测量方法，对造纸厂黑液浓度实现了在线检测，使得黑液改性固化及流化床燃烧过程按设计指标运行。     

谐振式疲劳裂纹扩展试验振动系统质点质量的软测量方法

谐振式疲劳裂纹扩展试验振动系统的质点由多个不同形状、材质的部件组成,对质点质量进行直接测量有很大的局限性。提出了一种针对此类振动系统质点质量的软测量方法,建立了系统三自由度振动力学模型和动力学方程,推导得到关于系统固有频率、弹簧刚度与质点质量关系的系统频率方程,通过有限元方法计算出不同裂纹长度下试件的刚度,通过固有频率测量实验方法测出裂纹扩展到不同长度时系统的谐振频率,将不同裂纹长度时系统谐振频率值及相应试件刚度代入系统频率方程中,得到以待识别质点质量为未知数的超定方程组,求解超定方程组得到最小二乘解,并通过后续处理得到振动系统的主振质量和激振质量。为验证该方法,进行了相关实验。实验结果表明:主振质量测量的最大误差为6.76%,表明所提出方法具有理论意义和应用价值。     

基于模糊神经网络的点火提前角时间差软测量模型

基于模糊神经网络的理论方法,以点火提前角、发动机的功率和转速等特征参数作为二次变量,提出了点火提前角时间差软测量模型.仿真结果表明,软测量模型具有非常好的映射性能.试验结果表明,利用软测量模型对点火提前角进行控制时,该模型能在连续工作120h内很好地实现成功点火,以及在冷起动条件下保证一次性点火成功,并且能满足排放性能要求.     

木糖醇发酵过程软测量

针对木糖醇发酵过程中关键参数在线测量难的问题 ,建立了基于均匀设计和遗传算法的神经网络结构法 ,实现其在线软测量 ,实验表明 ,该模型可实现在线测量     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元 ,具有很强的非线性和时变性 ,故很难进行机理建模分析或常规在线实时控制 ,因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型 ,将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中     

基于模糊推理的软测量对储粮状态的预测

针对粮情测控系统中的粮食状态难以在线直接测量的问题,研究了工业测量和控制过程中的软测量技术.通过分析水分传感器、温度传感器及湿度传感器所测量的二次变量的结果,利用神经网络和模糊推理技术来实现智能化粮情测控过程中粮食的状态及其变化趋势的估计.