化工软测量技术研究进展

详细说明了软测量技术的含义以及软测量系统的组成。在此基础上，介绍了软测量技术中基于机理分析建模、应用状态观测器建模、应用统计分析建模、神经元网络、模糊技术、以及支持向量机的智能建模等软测量建模理论方法和最新研究成果，之后介绍了小波分析、推断控制算法在软测量数据处理中的应用，最后介绍了基于虚拟仪器开发平台的软测量系统实现技术。     

基于改进BP神经元网络的软测量技术

针对基本ＢＰ神经元网络建立软测量模型所存在的几个问题：例如基本ＢＰ算法收敛速度较慢而且泛化能力较低等。本文尝试提出了变尺度与变步长相结合的改进ＢＰ神经网络软测量建模方法，以提高软测量模型的训练速度和外推能力，为软测量技术的在线应用提供更大的方便。实验结果表明：该改进ＢＰ神经元网络软测量建模方法在训练速度和外推能力方面有较大改善。     

基于改进BP神经元网络的软测量技术

针对基本BP神经元网络建立软测量模型所存在的几个问题：例如基本BP算法收敛速度较慢而且泛化能力较低等。本文尝试提出了变尺度与变步长相结合的改进BP神经网络软测量建模方法,以提高软测量模型的训练速度和外推能力,为软测量技术的在线应用提供更大的方便。实验结果表明：该改进BP神经元网络软测量建模方法在训练速度和外推能力方面有较大改善。     

尤里卡沥青软化点人工智能软测量技术探索

人工神经元网络(ANN)应用于软测量是人工智能方法在石化过程中成功应用的热点,ANN不需要系统模型就能映射复杂非线性关系,特别适合炼油生产过程的建模与预测工作,研究了用ANN对尤里卡沥青软化点进行软测量的方法,和现用的吴羽公司kθ法相比,ANN方法测量精度高,具有学习能力和联想记忆能力,健壮性好,它与生产装置的DCS硬件相结合能够达到优化生产控制的目的。     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

基于工业色谱仪的精馏脱炔烃塔软测量建模

提出一种基于工业色谱仪的软测量建模方法,并针对碳五馏分分离过程中的精馏脱炔烃塔塔底成分估计问题,建立了合适的工业软测量模型。介绍了工业色谱仪在线质量检测原理和LM-BP神经网络模型的建立,并利用工业色谱仪在线检测的质量数据进行系统的在线和周期性模型更新,提高了软测量模型的在线估计精度。研究结果表明,基于工业色谱仪的LM-BP神经网络模型是一种有效的软测量建模方法。     

应用多神经网络建立动态软测量模型

引　言由于神经网络具有强大的逼近非线性函数的能力 ,因此用神经网络来建立软测量模型是目前被广泛采用的一种方法 .应用最多的是多层前向传播网络 (MFNN)和径向基函数网络 (RBF) .这些网络是静态网络 ,建模所需样本是与时间无关的离散数据 ,这样获得的模型称为软测量静态模型     

化工过程软测量建模方法研究进展

软测量仪表是解决化工过程中质量变量难以实时测量的重要手段。软测量仪表的核心问题是软测量建模。阐述了软测量建模与辨识和非线性建模的关系:质量变量和易测变量的动态关系存在于增量之间,辨识模型依赖于增量数据,软测量建模则是依赖于实测变量数据来获取这个动态关系;非线性建模建立了变量间的静态关系,忽略了对象动态特性,而软测量建模要兼顾对动态特性的表征。随着人们对过程特性的认识加深,软测量建模方法不断发展,经历了从机理建模到数据驱动建模,从线性建模到非线性建模,从静态建模到动态建模的过程。详细讨论了软测量建模的发展过程,众多建模方法的优缺点及适用情况和现在建模的热点,最后对软测量建模方法进行了总体展望。     

基于苯乙烯过程生产数据驱动的软测量模型研究

针对苯乙烯生产过程的特点,引入软测量技术在线预测苯乙烯生产过程的一些关键参数,介绍了人工智能BP神经网络和部分最小二乘方法的软测量建模方法,基于企业生产数据研究了乙苯脱氢转化率、第一脱氢反应器脱氢转化率、第二脱氢反应器脱氢转化率和苯乙烯选择性等关键变量的软测量方法,对比了BP神经网络和部分最小二乘方法建模优缺点,应用结果表明,基于BP神经网络所建立的关键参数的软测量模型可真实再现实际苯乙烯生产过程,为安全可靠监控苯乙烯生产过程及未来实施先进及优化控制技术奠定了基础。     

基于粒子群算法的软仪表技术

在软测量建模中,最常见的非机理建模方式就是利用神经网络进行建模,而近年来兴起的粒子群算法目前已应用于神经网络的训练。在对粒子群算法提出改进方案后,提出了基于改进的粒子群算法的前馈神经网络训练方案。然后再将神经网络应用到焦化装置分流塔柴油95％点软仪表模型参数估计中,得到了满意的结果,可以满足工业过程中的实际需要。     

PCA-BP在~(18)O级联精馏塔中的应用

通过PCA-BP对18O级联精馏过程进行建模,依据同位素级联精馏工艺原理和经验,初选了精馏塔底产品组成的神经元网络输入变量,运用主元分析法对变量进行处理,建立神经元网络,并对网络进行了训练及测试。结果表明,该模型收敛速度快,精度较高,能满足大规模生产的需求。     

基于聚类的多模型软测量建模及其应用

实际生产中往往存在对产品质量影响重大、但又难以在线测量的一些参数(只能离线测量与分析)。本文提出一种基于聚类的多模型建模方法对这些难以在线测量的参数实现软测量,将相关性分析、主元分析(PCA)、聚类和多模型建模应用于软测量建模中,构建一种实现重要参数软测量的基本框架:首先,基于相关度分析进行辅助变量的选择,然后用主元分析进行数据的进一步降维,再用k-means聚类与多模型建模思想相结合。最后将提出的思想和方法应用于某精馏塔组分的软测量中,仿真结果表明,测量精度有了较大的提高。     

混炼粘度的软测量技术

本文提出通过确定胶料混炼过程参数来预测混炼胶粘度质量指标（门尼粘度）的三种软测量的方法，通过主元分析法，确定混炼胶质量指标（门尼粘度）的软测量的辅助变量，并且比较了它们的软测量数据，指出基于神经网络的软测量技术优于其它两种软测量方法。     

基于BP神经网络的水泥细度软测量方法

针对水泥粉磨过程中,成品细度这个关键控制参数的测量问题,提出了一种基于BP神经网络的软测量方法。继而用一个实例说明BP神经网络在Matlab仿真软件中的建模过程,并通过软测量结果与实测结果的比较,说明用BP神经网络进行水泥成品细度软测量,具有建模方便、计算迅速、结果精确、无需增加硬件成本等优点。软测量能够实时给出结果,对于中控的操作员的系统操作具有一定的指导价值。     

焦化生产过程综合控制和网络系统的应用

针对焦化生产过程，提出了综合控制和网络系统的总体结构，并用神经元网络技术实现了质量预测，用建模技术实现了优化控制，实现了管控一体化模式。     

青霉素发酵过程中的混合建模

由于微生物发酵过程机理的复杂性和高度非线性,建立发酵过程的精确模型具有一定难度。传统的动力学模型预测虽然会与实际输出有一定偏差,但它在某种程度上反映了过程机理;神经网络建模方法属于"黑箱"方法,建模过程中没有用到任何先验知识,有一定的预测效果;因此单一的建模方法往往会不具备其他建模方法的优势。本文以传统的发酵动力学模型为基础,结合RBF神经网络进行混合建模的"灰箱"建模方法是一种比较好的建模思路,可以取得较满意的软测量效果。     

发酵过程酵母浓度的软测量

针时发酵过程酵母浓度的测量,提出一种基于支持向量机的软测量建模方法。仿真证明,该方法比典型的RBF神经网络软测量有着明显的优势,时于实现发酵过程自动控制和优化运行有着重大的意义。     

基于图卷积网络的柴油加氢生产软测量建模

精制柴油闪点和石脑油终馏点是柴油加氢生产最重要的质量指标，但目前缺乏测量这两种指标的在线分析仪表，软测量是可行的替代方案。为完成这两种指标的软测量建模，分析柴油加氢生产过程的工艺机理和过程数据特征，完成了辅助变量的重构和筛选，确定了两个软测量对象的辅助变量集，基于图卷积网络建立闪点和终馏点的软测量模型进行仿真研究。仿真研究结果表明：相比于目前应用广泛的软测量模型，所提出的软测量方法具有更高的精度，可以提升柴油加氢生产软测量建模的有效性和准确性。     

基于最近邻与神经网络融合模型的软测量建模方法

软测量建模能够有效地解决生产过程中在线分析仪表测量滞后大、价格昂贵、维护保养复杂等问题。目前,基于数据驱动的神经网络是软测量建模的主要工具之一。而在建模数据的采集过程中,主导变量的采集相对辅助变量要困难得多,由此产生了大量缺失标签的数据。但传统的软测量建模方法却忽视了这些无标签数据,只利用少量的有标签数据建模,从而影响了模型的预测精度。为了解决标签缺失的问题,采用最近邻算法对无标签数据进行伪标记,同时设计了由卷积操作与门限循环单元神经网络（GRU）结合的网络结构来进一步利用无标签数据,提取不同时刻数据中的动态特征,提高神经网络的预测精度。最后将该方法应用于丙烯精馏塔塔顶丙烷浓度的预测,实验结果表明该模型能有效处理非线性动态系统的标签缺失问题,具有更高的预测精度。     

发酵过程中细胞浓度的在线估计-GMDH 法与神经网络法的比较

由于发酵过程细胞浓度在线测定困难，应用软测量技术对其进行分析很有必要。本对两种建模估计方法，ＧＭＤＨ法和人工神经网络法，进行了比较研究。结果表明ＧＭＤＨ法拟合结果较好在更多需要计算时间较重新中在更多的非线性过程建设中应用。