基于递归RBF神经网络的出水氨氮预测研究

针对污水处理过程出水氨氮难以在线测量的问题,文中提出了一种基于递归RBF神经网络的软测量方法来预测氨氮。首先,提取与出水氨氮相关的主元变量,剔除主元变量的异常数据。其次,利用递归RBF神经网络建立主元变量与出水氨氮的蕴含关系,完成出水氨氮软测量模型的设计。最后,将提出的出水氨氮软测量方法应用于污水处理实际运行过程,结果表明,基于递归RBF神经网络的软测量方法能够实现出水氨氮的在线预测;同时,与其他方法的比较结果显示基于递归RBF神经网络的软测量方法具有较好的预测精度。     

基于振动频谱的磨机负荷在线软测量建模

针对磨机负荷(ML)软测量模型难以适应磨矿过程的时变特性,模型需要依据工况实时在线更新的问题,基于磨机简体振动频谱,通过递归主元分析(RPCA)和在线最小二乘支持向量回归机(LSSVR)的集成,提出了ML参数(料球比、矿浆浓度、充填率)在线软测量方法.首先,针对训练样本,采用主元分析(PCA)分别提取振动频谱在低、中、高频段的谱主元;然后以串行组合后的谱主元为输入,采用LSSVR方法构造ML参数离线软测量模型;最后,采用旧模型完成预测后,应用RPCA及在线LSSVR算法分别递归更新模型的输入和模型的回归参数,从而实现了ML软测量模型的在线更新.实验结果表明,该软测量方法与其它常规方法相比具有较高的精度和更好的预测性能.     

1种基于遗失数据重构的软测量方法

提出1种遗失数据重构思想下的软测量方法:先采用主元分析(PCA)离线建立所有变量(包括难测变量)的主元模型,实际应用时,将实时的难测变量看作遗失数据,通过遗失数据重构方法估计出难测变量,增加了软测量方法的灵活性.更进一步,在重构遗失数据时,使用马氏距离取代欧几里德距离作为指标,更准确地反映了过程变量之间的相关关系,由此...     

基于KPCA-DFNN海洋微生物发酵过程软测量建模

针对海洋微生物发酵过程中关键生物参量（基质浓度、菌体浓度、产物浓度等）在线测量困难,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)与动态模糊神经网络(DFNN)相结合的软测量方法。以典型的海洋微生物-海洋蛋白酶发酵过程为例,通过KPCA提取输入数据空间中的非线性主元,将提取的主元作为DFNN的输入,基质浓度、菌体浓度、相对酶活作为DFNN的输出,建立了基于KPCA-DFNN的海洋蛋白酶发酵过程生物参量软测量模型。仿真结果表明,KPCA-DFNN模型比DFNN和PCA-DFNN建模的测量精度高,跟踪性能强,能很好地满足发酵过程中生物参量的测量要求。     

燃料乙醇发酵过程中生物参量的软测量建模

针对燃料乙醇发酵过程中关键生物参量(基质浓度、菌体浓度、乙醇浓度等)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)相结合的软测量建模方法。以关键生物参量中乙醇浓度的预测为例,首先,利用KPCA提取软测量输入数据空间中的非线性主元,然后利用LSSVM算法建立了乙醇浓度的软测量模型。仿真结果表明,与PCA-LSSVM建模方法相比,KPCA-LSSVM软测量模型的测量精度高、跟踪性能好、泛化能力强,能满足发酵过程中乙醇浓度的在线测量要求,是一种有效的软测量建模方法。     

基于混合变分自编码器回归模型的软测量建模方法EI北大核心CSCD

近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布,限制了其对复杂工业过程数据,尤其是多模态数据的建模能力.为了解决这一问题,本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression,MVAER),并将其应用于复杂多模态工业过程的软测量建模.具体来说,该方法采用高斯混合模型来描述VAE的潜在变量分布,通过非线性映射将复杂多模态数据映射到潜在空间,学习各模态下的潜在变量,获取原始数据的有效特征表示.同时,建立潜在特征表示与关键质量变量之间的回归模型,实现软测量应用.通过一个数值例子和一个实际工业案例,对所提模型的性能进行了评估,验证了该模型的有效性和优越性.     

生物发酵过程变量的NN-MIV软测量模型

针对生物发酵过程中关键生化参量的在线检测问题,提出一种基于平均影响值的神经网络(NN-MIV)变量选择方法。发酵过程初始软测量模型含有多个辅助变量,MIV方法计算辅助变量对主变量的外部贡献率,NN方法计算辅助变量对主变量的内部贡献率,文中将两种方法综合提出了NN-MIV方法,其计算出的辅助变量对主变量的贡献率稳定性好。利用筛选出最优辅助变量建立软测量模型,对青霉素发酵过程做了数值仿真实验,与传统的变量筛选方法相比,该方法筛选出的辅助变量少,建立的软测量模型估计精度高。     

基于模糊神经网络的出水总磷和氨氮软测量方法研究

针对污水处理运行过程的重要指标出水总磷(Total Phosphorous,TP)和出水氨氮(Ammonia Nitrogen,NH4-N)难以实时测量的问题,文中提出了一种基于模糊神经网络的多变量软测量方法。首先,利用主元分析法对污水处理过程运行数据进行分析,获得TP和NH4-N的相关主元变量;其次,设计了一种基于模糊神经网络的多输入多输出软测量方法,利用自适应二阶算法对模型参数进行调整,提高了软测量方法的精度;最后,将设计的软测量方法进行封装,并将其应用于污水处理过程中试平台。实验结果表明:基于模糊神经网络的软测量方法能够同时实现TP和NH4-N的实时测量,并且具有较好的测量精度。     

发酵罐KPCA与SVR软测量技术的研究

青霉素发酵过程具有较强的非线性、时变性和不确定性,发酵过程中的基质浓度、青霉素菌体浓度、产物浓度等关键生物参数难以实时在线测量,而离线化验存在时滞大的问题,难以满足实时在线控制的要求。针对这一问题,提出了一种基于核主成分分析(KPCA)与支持向量机回归(SVR)的软测量建模方法。首先,利用KPCA提取软测量输入数据空间中的非线性主成分;然后,采用SVR算法建立了可准确预测青霉素发酵过程重要参数的软测量模型。试验结果表明,与传统建模方法相比,KPCA-SVR软测量模型的测量精度高、跟踪性能好、泛化能力强,能满足发酵过程中青霉素菌丝浓度的在线测量要求,是一种有效的软测量建模方法。     

基于PCA-SVM的柴油凝点近红外光谱软测量法

提出一种基于PCA-SVM及近红外光谱(NIRS)分析技术的柴油凝点软测量方法。首先,采用多项式卷积对原始的柴油NIRS数据进行光谱平滑、基线校正和标准归一化;然后,利用主元分析(PCA)对近红外光谱数据集的高维特征进行组合并向低维空间投影;最后,利用SVM回归算法建立凝点的软测量模型。与BP、SVM及PCA-BP方法相比,实验结果表明所提方法具有更高的测量精度,且与标准方法测量的结果更为接近,因此适合柴油凝点的在线测量。     

基于FA-SVR的丙酮精制产品质量软测量模型

针对某丙酮精制过程,提出采用FA与SVR相结合的方法建立丙酮产品质量的软测量模型。采用因子分析(FA)方法提取辅助变量的特征信息,并消除各变量之间的相关性,然后利用支持向量回归(SVR)建立丙酮产品质量指标的软测量模型。在实际生产过程数据上进行了仿真实验,并与传统的稳健回归分析及神经网络等方法进行了比较,结果表明本方法具有良好的预测效果。     

D-FNN based soft-sensor modeling and migration reconfiguration of polymerizing process

A soft-sensor modeling method based on dynamic fuzzy neural network (D-FNN) is proposed for forecasting the key technology indicator convention velocity of vinyl chloride monomer (VCM) in the polyvinylchloride (PVC) polymerizing process. Based on the problem complexity and precision demand, D-FNN model can be constructed combining the system prior knowledge. Firstly, kernel principal component analysis (KPCA) method is adopted to select the auxiliary variables of soft-sensing model in order to reduce the model dimensionality. Then a hybrid structure and parameters learning algorithm of D-FNN is proposed to achieve the favorable approximation performance, which includes the rule extraction principles, the classification learning strategy, the precedent parameters arrangements, the rule trimming technology based on error descendent ratio and the consequent parameters decision based on extended Kalman filter (EKF). The proposed soft-sensor model can automatically determine if the fuzzy rules are generated/eliminated or not so as to realize the nonlinear mapping between input and output variables of the discussed soft-sensor model. Model migration method is adopted to realize the on-line adaptive revision and reconfiguration of soft-sensor model. In the end, simulation results show that the proposed model can significantly enhance the predictive accuracy and robustness of the technical-and-economic indexes and satisfy the real-time control requirements of PVC polymerizing production process.     

Product quality prediction by a neural soft-sensor based on MSA and PCA

A novel soft-sensor model which incorporates PCA (principal component analysis), RBF (Radial Basis Function) networks, and MSA (Multi-scale analysis), is proposed to infer the properties of manufactured products from real process variables. PCA is carried out to select the most relevant process features and to eliminate the correlations of input variables; multi-scale analysis is introduced to acquire much more information and to reduce uncertainty in the system; and RBF networks are used to characterize the nonlinearity of the process. A prediction of the melt index (MI), or quality of polypropylene produced in an actual industrial process, is taken as a case study. Research results show that the proposed method provides promising prediction reliability and accuracy.     

浮选生产过程经济技术指标的软测量建模

依据浮选过程的工艺机理和操作经验,初选了浮选过程经济技术指标神经网络软测量模型的输入变量,运用主元分析法对输入变量进行主元分解,降低输入变量维数且消除了输入变量之间的线性相关性,再通过基于最近邻聚类学习算法的径向基函数神经网络进行建模。仿真结果表明,该模型具有较快的训练速率和较高的预测精度,可以满足浮选过程实时控制的在线软测量要求。     

常压蒸馏产品质量软测量改进方法及应用

针对石油化工生产过程基于统计模型的产品质量软测量中普遍存在的软测量模型适用工作范围小、难以反映进料原料性质变化的问题,探讨和应用了机理分析和统计建模相结合的软测量方法。针对一个实际常减压蒸馏产品质量软测量和控制问题．通过机理分析、实际操作数据分析并结合操作人员经验,选择能够反映进料原料性质变化的过程变量作为统计模型的输入以克服进料原料性质变化的影响,将有些直接测量的输入变量按照机理关系进行计算得到的新的变量作为统计建模的输入变量,使其和产品质量之间具有更宽范围的近似线性关系,提高软测量模型的泛化能力：某厂常减压蒸馏装置的实际应用结果表明了该方法的有效性。     

Echo state networks based predictive model of vinyl chloride monomer convention velocity optimized by artificial fish swarm algorithm

Conversion rate in the Polyvinylchloride (PVC) polymerizing process has a certain influence on the molecular weight of PVC, porosity, absorption rate of plasticizer, vinyl chloride monomer (VCM) residue and thermal stability. Therefore, a predictive model based on echo state networks (ESN) method optimized by the artificial fish swarm algorithm (AFSA) is proposed to predict the conversion velocity. Firstly, the hot balancing mechanisms of polymerizer and the influenced factors of convention rate of VCM are analyzed in details. Then the auxiliary variables of the predictive model kernel are selected by using the kernel principal component analysis method for reducing the model dimensionality. Thirdly, the structure parameters of the ESN are optimized by the AFSA to realize the nonlinear mapping between input and output variables of the discussed soft-sensor model. The artificial fish swarm behaviors, such as foraging, swarming, chasing, random, are introduced in details. Finally, simulation results show that the proposed model can significantly enhance the predictive accuracy and robustness of the technical index and satisfy the real-time control requirements of PVC polymerizing production process.     

聚酯工业产品质量的在线软测量

针对聚酯工业中采用软测量对难以或无法测量的质量指标变量进行估算的问题,以聚酯生产过程中的粘度为例,采用主元分析方法结合SPE和T2控制限对现场测量数据进行了过失误差剔除等处理,利用RBF网络建立软测量模型,并用VC++编写了相应的软件包。鉴于系统运行的实时性,使用PCA方法实现了输入数据的实时监测,并对故障点进行相应处理,以保证模型估算结果的准确度;实现了在线的PCA主元修正和模型的网络输出以及网络参数的实时校正     

局部惩罚加权核偏最小二乘算法及其应用

为改善软测量模型精度,提出了一种局部惩罚加权核偏最小二乘算法.该方法通过核映射将原始输入映射到高维特征空间实现对非线性问题的线性化处理,并通过偏最小二乘算法进行主成分提取,降低数据维数;对由主成分构成的新数据集,依据局部学习思想构建局部惩罚加权最小二采回归模型,降低模型对异常数据的敏感度、优化模型参数.鉴于多模型可以改...     

基于多元逐步回归和反向传播方法的粗汽油干点软测量模型

建立了粗汽油干点软测量模型。模型分别采用多元逐步回归方法和反向传播方法。结果表明：多元逐步回归方法可筛选自变量，但会将一些重要因素剔除；而神经网络可通过预选输入单元确定网络结构。通过对建立好的模型进行预测，可获得较满意的粗汽油干点值。