锅炉水总碱度监控系统

以高速高性能单片机C8051F020为核心，采用智能复合控制策略，设计并实现了一种对锅炉水总碱度进行间接测量和智能控制的计算机监控系统，改善了传统检测方法的不足，可实现对锅炉水碱度进行在线监测。介绍了碱度检测原理、碱度控制原理、监控系统的硬件电路设计和软件编程，并给出了应用实例。实际使用结果验证了所提出方法的有效性。     

基于支持向量机的软测量方法及其在生化过程中的应用

针对所有样本点均出现在最小二乘支持向量机模型中的缺陷，提出了一种改进的最小二乘支持向量机回归方法。根据样本点间欧氏距离的大小，去除原变量空间中大部分的样本点，从而获得回归模型的“稀疏”特性，大大简化模型复杂程度。同时，将这一方法应用于生物发酵过程，建立青霉素发酵过程中产物浓度的软测量模型，实现青霉素浓度的在线预估。实验研究结果表明，所提方法为生物发酵过程中难于在线测量质量参数的实时监测提供了一个有效的手段。     

基于多最小二乘支持向量机的草酸钴粒度软测量

提出了一种基于改进的鲁棒学习方法(improved robust learning algorithm,IRLA)的多最小二乘支持向量机(multipleleast squares support vector machine,Multi-LSSVM)建模方法,用以解决非线性系统建模问题。该方法通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多个成员最小二乘支持向量机模型,然后应用改进的鲁棒学习方法对成员最小二乘支持向量机模型的权重进行优化融合,从而使多最小二乘支持向量机模型具有较高的准确率和泛化能力。通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金合成过程草酸钴粒度软测量建模问题,获得了比单个最小二乘支持向量机模型方法更高的预测精度。     

最小二乘支持向量机在软测量建模中的应用

支持向量机(Support Vector Machine．SVM)应用结构风险最小化理论，从训练集中选择一组特征子集。使得对特征子集的线性划分等价于对整个数据集的分割。支持向量机最初应用于模式识别，随后开始在信号处理、函数逼近等领域也得到了广泛发展。支持向量机与神经网络等常用方法相比，其具有泛化性好、建模所需学习数据较少等优点。     

基于支持向量机的石脑油干点软测量建模研究

原油精馏装置处于石油化工厂工艺流程的最前端,石脑油是精馏装置的主要产品之一,干点值是衡量石脑油质量的一个重要参数指标,通过现有测量手段不能得到干点的实时测量值。而支持向量机是近年发展起来的一种基于统计学习理论的学习机器,在模式识别和非线性函数回归估计方面有很多的应用。文中旨在通过采用软测量技术得出石脑油干点的实时监测信息,着重讨论基于支持向量机回归和最小二乘支持向量机回归的软测量建模方法。     

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。     

基于聚类动态LS-SVM的L-赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型存在的模型失效问题,提出了一种基于模糊C均值聚类(FCM)和动态LS-SVM的混合建模方法.首先,采用FCM算法将训练集分成具有不同聚类中心的子集,然后对每一类分别采用LS-SVM进行训练并建立子模型.对于带有新信息的样本数据首先计算其对每一类的模糊隶属度函数,然后用隶属度最大的一类所对应的子模型进行动态学习,并更新子模型.将所提出的软测量建模方法用于对L-赖氨酸发酵过程关键生物量参数的预测,实验结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力,提高其预测精度.     

用于过程软测量的多小波网络

提出了一种用于系统建模的多重小波网络，给出了网络的结构，结合偏最小二乘法的网络构造方法，最后用于辨识非线性系统和建立过程软测量模型。该方法通用性好、精度高和鲁棒性强，仿真研究表明，方法有效、可行。     

基于KPCA-LSSVM的硅锰合金熔炼过程炉渣碱度预测研究

针对硅锰合金熔炼过程中炉渣碱度在线检测困难、离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法。该方法通过KPCA去除样本数据的噪声,提取输入数据空间中的非线性主元,然后利用LSSVM回归算法建立硅锰合金熔炼炉炉渣碱度预测模型,工业生产过程数据仿真结果表明,与SVM或LSSVM建模方法相比,KPCA-LSSVM预测模型的测量精度高、跟踪性能好,能满足炉渣碱度的在线测量要求。     

基于MI-LSSVM的水泥生料细度软测量建模

针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。     

基于nu-支持向量机的软测量技术

利用支持向量机(SVM)来进行软测量建模,首先简要介绍nu-SVM的基本原理,随后利用它来建模重油催化裂化装置.理论分析和仿真研究表明,该方法泛化能力强、对样本的依赖程度低,比基于神经网络的软测量具有更好的性能.     

锅炉水冷壁管低频涡流传感器仿真研究

用于水冷壁管腐蚀缺陷的低频涡流检测是如今电站锅炉在线监测工作的重点,为了能够对管道内表面缺陷进行有效、快速的检测,有必要对该过程做进一步的研究。本文利用ANSYS软件对其进行仿真计算,分析了激励频率和裂纹缺陷两个因素对检测效果的影响。这些结论为锅炉水冷壁管低频涡流检测传感器缺陷的检测提供了理论指导和方法。     

基于振动敲击的软质物体硬度检测

提出一种基于振动敲击来检测软质物体硬度的方法.它利用PVDF压力薄膜传感器,检测振动源施加在软质物体上的动态压力及弹性形变,通过提取波形的特征量及对特征量的主成分分析,得到了基于特征量的线性组合的硬度表达式.     

汽包水位传感器一种具有鲁棒性的故障诊断方法

本文针对基于模型的故障检测和诊断方法中存在着对模型精度要求比较高，对不确定输入敏感，从而很容易导致系统误报的不足，提出了一种具有未知输入估计器的故障诊断系统。该系统设计原理简单，且大大提高了诊断系统的鲁棒性，降低了误报率。在对锅炉给水控制系统汽包水位传感器的故障仿真中证实了该方法的有效性。     

中速磨存煤量软仪表监测

利用混沌运动初值敏感性,能在一定范围内按其自身规律不重复的遍历所有状态获取全局最优值的特点,在电厂现有的DPU中编程实现基于混沌优化BP网络的中速磨存煤量软仪表。离线训练与计算机仿真结果表明,本软仪表具有可行性和有效性,对实际生产具有指导意义。     

基于Matlab的锅炉水位模糊控制

针对电站锅炉水位系统的特性,首先设计了几种PID控制器,将它们应用于一个实际锅炉水位系统来观察控制效果.理论及实验仿真说明,这类控制器难以达到理想的控制效果,从而提出了模糊控制的方案,设计了3种模糊控制器并进行仿真及讨论.通过对所述控制器的理论分析和仿真讨论,表明模糊控制系统能够满足较高的控制要求,是一种很有前途的控制方法.     

基于LabVIEW的汽车水温传感器检测系统

针对目前汽车水温传感器测试系统效率低等问题,设计一种基于LabVIEW的汽车水温传感器的检测系统.利用LabVIEW对ATmega128单片机发送命令指令,控制G5V-1继电器的切换,搭接不同的采集点用PCI-4065万用表卡对传感器的性能指标自动进行检测,实现测控系统平台中控制策略生成、参数设置、水温调节和控制、检测产品有无、检测结果显示、对测量数据进行实时采集、生成报表、数据存储等功能.该平台实现多型号汽车水温传感器的性能测试,是个开放的测试系统,具有很强的升级扩展能力.     

基于KICA子空间虚假邻点判别的软传感器变量选择方法

针对软传感器建模过程中,高维冗余的非线性辅助变量造成的维度灾难问题,提出一种结合核独立成分分析法(Kernel independent component analysis,KICA)与虚假最近邻点法(False nearest neighbors,FNN)的非线性辅助变量选择方法。主要利用核函数将原始非线性数据映射到线性子空间,并采用独立成分分析消除因子之间的多重共线性,再运用虚假最近邻点法,计算原始数据在KICA子空间中投影的距离,依次判断各辅助变量对主导变量的解释能力,由此进行非线性变量选择。以某企业氢氰酸(Hydrocyanic acid,HCN)生产工艺过程中的转化率为软传感器预测目标,仿真结果表明该方法可有效降低辅助变量的维数、同时提高模型的预测精度。     

基于特征子空间虚假邻点判别的软传感器模型变量选择

辅助变量选择技术是软传感器建模过程中降低信息冗余和提高效率的有效方法.提出一种结合偏最小二乘回归法与虚假最近邻法的变量选择法.采用偏最小二乘回归法有效合理地消除因子之间的多重共线性,在一个新的正交空间里,受混沌相空间虚假最近邻点法的启示,通过计算某变量选择前后在特征子空间里的相关性,判断其对主导变量的解释能力,由此进行变量的选择,利用偏最小二乘法得到软测量模型.该方法通过构造的试验和Jolliff变量选择试验作了验证,结果显示该方法有良好的辅助变量选择能力,为软传感器建模的辅助变量选择方法提供了一种新方法.