RBF与SVM在注塑件翘曲预测中的对比分析

为了快速且较准确地预测注塑件的翘曲值,以某电脑显示器的外壳为例,分别利用RBF神经网络和SVM模型建立了显示器的翘曲值预测模型,并通过测试样本验证了2种模型的预测精度。结果表明:RBF网络模型和SVM模型的绝对百分比误差都在2%以内,说明二者都具有较好的预测性能;但从最大绝对百分比误差和最小绝对百分比误差分析得出,SVM模型比RBF模型更稳定,且预测精度更高,表明支持向量机的预测模型更适合处理此类问题。     

基于辅助变量KNN分析的软测量建模方法

提出一种基于辅助变量最近邻（KNN）分析的软测量建模方法,该方法将KNN算法应用于辅助变量分类,根据分类结果,应用核主成分分析（KPCA）和支持向量回归机（SVR）相结合进行软测量建模。KNN分析独立于后继回归模型,却又直接影响模型结构,KPCA作为中间层,在KNN分类结果指导下提取不同类别包含辅助变量高阶信息的特征主元,然后使用SVR建立特征主元和主导变量之间的回归模型。用该方法建立粗汽油干点软测量模型,结果表明KNN-KPCA-SVR（KKS）模型的预测精度和泛化能力优于线性PLS、RBF核函数SVR和KPCA-SVM模型。     

基于改进WOA-LSTM的焦炭质量预测

“双碳”背景下，提升焦炭质量是保证钢铁行业高质量发展的研究重点之一，而炼焦行业存在着在线实时监测难、焦炭质量预测模型泛化能力差等问题。为此，提出一种通过自适应全局搜索算法，即改进鲸鱼优化算法（WOA）与长短期记忆（LSTM）循环神经网络综合建模的方法来解决这一问题。首先选取出配合煤中可反映焦炭质量的可测参数，再运用主成分分析（PCA）去除变异性小的冗余因子后，得到预测因子，将其作为LSTM网络的外部输入；通过加入自适应惯性权重以及最佳扰动更新改进WOA，从而训练LSTM网络的超参数，采用均方根误差（RMSE）和R-squared 进行算法检验；最后将改进后的AGWOA-LSTM模型与典型的LSTM、WOA-LSTM模型进行对比，以验证本方法的优越性。结果表明AGWOA-LSTM模型预测焦炭质量具有精度高、运行速度快等特点。研究对焦炭生产具有一定的理论指导意义。     

基于主成分回归模型的建筑人工单价预测研究

定额人工单价的主要影响因素与某一时期的劳动力市场供求关系、社会经济发展水平、物价增速、人口结构及就业偏好等因素有关。通过对定额人工单价影响因素的识别,确定影响建筑劳务单价的特征指标变量。结合特征指标变量标准化、适用性检验、提取主成分、主成分因子的计算等主成分分析法的实施,采用SPSS软件对选取的指标数据进行初步回归分析及多重共线性诊断,建立市场人工单价主成分回归预测模型并对2021年前三季度的市场人工单价进行预测。结果表明,预测值与实际值相对误差<3%,模型精度满足要求,该主成分回归预测模型可用于建筑行业市场劳务单价的预测工作。     

RBF网络模型在预测函数控制中的应用

对三容液位系统的非线性复杂特点,利用RBF网络对系统建立预测模型,着重分析了RBF网络结构的选取、模型参数辨识以及网络优化的问题.通过预测函数控制验证了RBF网络模型在非线性系统建模中的优越性.     

Kohonen-RBF网络用于废水中钴镍钒的同时测定

将Kohonen神经网络与RBF网络相结合,对废水中吸收光谱严重重叠的钴、镍、钒三组分体系进行解析。利用Kohonen神经网络选择全谱特征波长,优化确定了RBF网络的结构和参数,使光度分析计算的校正模型的优化问题得到有效解决。分析结果表明,经Kohonen神经网络方法进行波长选择后,优化了RBF网络的输入并提高了其预测能力。     

基于改进差分进化算法的神经网络管道泄漏检测

提出了一种基于神经网络与差分进化算法的天然气泄漏预测方法,该方法采用RBF神经网络作为泄漏预测模型,引入改进的差分算法对网络的初始连接权值进行优化。为了在全局搜索和局部搜索之间取得最佳平衡,提出了一种自适应变异因子和交叉概率的改进算法,并将其应用于泄漏预测神经网络模型优化。将所提出的方法与原始算法的前向网络预测方法进行了比较。结果表明:所提出的方法收敛速度快,所得模型的预测误差小、准确率较高、迭代次数少、泛化能力强,对天然气的泄漏预测有很好的参考作用。     

串级控制对过程预测控制的影响分析与对策

化工过程控制中普遍设置以流量控制为副回路的串级控制来实现对温度、液位和成分等被控变量的控制。预测控制的操作变量在很多情况下也是流量,其控制作用的实现要靠底层的流量控制回路。本文针对由于现场串级控制结构不允许改变,流量副回路只能接收温度等主控制器的输出作为其给定值,造成上层预测控制的操作变量无法直接下载到流量控制回路的问题,分别提出了一种将上层优化输出通过一阶惯性滤波作用于主回路控制器和一种将串级控制中流量对主被控变量的传递函数嵌入预测控制模型的实施方案,通过Shell标准重油分馏塔的控制问题进行仿真实验证明了两种方案的可行性,并对其控制性能进行了比较分析。两种方法理论上构思简单,实际中易于实现,具有普遍适用性。     

主元分析-径向基函数神经网络软测量方法研究

主元分析方法是基于多元统计分析的数据处理方法,径向基函数(RBF)网络能很好地用于非线性系统建模.针对丙烯腈聚合物水含量这一腈纶生产中的关键指标无法在现场进行在线检测的情况,运用主元分析方法对输入变量进行主元分析以达到降维的目的,再通过RBF神经网络建立非线性软测量模型.仿真结果表明,该模型具有较高的预测精度.     

基于状态空间主成分分析网络的故障检测方法

作为一种经典的方法,主成分分析(PCA)在多元统计过程监控领域得到了广泛的应用。然而,主成分分析及其各种改进方法仅从原始数据中提取了一层特征,缺乏对深层次特征的提取。计算机领域深度学习技术的发展表明了深层次的网络结构有利于数据特征的提取,因此,将主成分分析网络(PCANet)这种深度学习网络结构引入到故障诊断领域,与多元统计过程监控方法进行结合,以增强故障检测效果。在PCANet框架下,针对工业过程数据的动态特征,在网络结构中增加了状态空间模型作为动态层以解决动态性问题。此外,还以故障检测为目标重新设计了输出层。最后,通过在TE过程上的仿真测试验证了该方法用于故障检测的可行性和有效性。     

基于BP网络模型的水合肼合成收率预测及参数优化

采用BP算法建立了水合肼合成收率的神经网络模型,所建网络有良好的回想和泛化性能,对水合肼合成收率预测的平均相对误差小于0.5%。运用网络模型考察了反应温度、物料配比、次氯酸钠流量等操作参数对水合肼合成收率的影响,同时确定了获得较高合成收率时各操作参数的优化值。     

基于状态空间主成分分析网络的故障检测方法

作为一种经典的方法,主成分分析（PCA）在多元统计过程监控领域得到了广泛的应用。然而,主成分分析及其各种改进方法仅从原始数据中提取了一层特征,缺乏对深层次特征的提取。计算机领域深度学习技术的发展表明了深层次的网络结构有利于数据特征的提取,因此,将主成分分析网络（PCANet）这种深度学习网络结构引入到故障诊断领域,与多元统计过程监控方法进行结合,以增强故障检测效果。在PCANet框架下,针对工业过程数据的动态特征,在网络结构中增加了状态空间模型作为动态层以解决动态性问题。此外,还以故障检测为目标重新设计了输出层。最后,通过在TE过程上的仿真测试验证了该方法用于故障检测的可行性和有效性。     

基于近红外光谱建立PE、PP和PET的识别分类模型

利用近红外高光谱成像仪在900~1 700 nm的范围采集PE、PP和PET样本的高光谱图像,并进行黑白校正,提取感兴趣区域的反射率光谱数据;利用主成分分析法对提取的数据去噪降维。结果表明,前3个主成分的累计贡献率达98.89%。把前3个主成分的载荷系数对波长作图,得到了6个特征波长;利用特征波长对应的反射率光谱数据进行判别分析,并建立了3种塑料的识别分类模型;用预测样本对模型进行检验,结果显示,预测样本的识别准确率为95.24%,表明该模型可准确有效地对PE、PP和PET进行识别分类。     

硝酸法合成硝基胍反应动力学研究

采用硝酸法合成硝基胍,考察了不同反应温度、反应时间下的各反应组分物质的量。通过Chem CAD动态反应模拟及速率回归计算程序对实验数据进行回归计算,得到硝基胍合成反应的主副反应级数分别为1.889 4和1.851 5,主副反应活化能分别为16 001.300 7 J/mol和18 312.244 3 J/mol,主副反应频率因子分别为2.223 1 s-1和0.034 6 s-1,并通过线性化处理建立了硝基胍反应动力学模型。利用动态模拟计算对反应动力学模型进行验证,证明得到的反应动力学模型能准确描述硝基胍硝化反应过程,模拟计算结果与实验结果的相对误差不超过0.8%。通过反应动力学模型得出温度适当降低、硝酸胍初始浓度升高同时减小浓硝酸浓度会有利于反应选择性的提高。     

基于BP网络模型的水合肼合成收率预测及参数优杞

采用BP算法建立了水合肼合成收率的神经网络模型，所建网络有良好的回想和泛化性能，对水合肼合成收率预测的平均相对误差小于0．5％。运用网络模型考察了反应温度、物料配比、次氯酸钠流量等操作参数对水合肼合成收率的影响，同时确定了获得较高合成收率时各操作参数的优化值。     

带变遗忘因子的自适应子空间预测控制器设计

针对实际工业过程具有非线性、时变和多变量的特点,提出一种数据驱动的带有变遗忘因子的自适应子空间预测控制方法。该方法将在线子空间辨识与模型预测控制相结合,同时利用期望输出值与实际输出值的误差实现变遗忘因子的自适应更新,并根据当前变遗忘因子构造了过去与将来的Hankel矩阵,从而实现了预测模型的在线更新,提高了控制器对非线性时变特征的辨识灵敏度和适应能力。最后,利用该控制器对四容水箱对象进行仿真研究,验证了算法的有效性。     

80kt/a硝酸装置吸收塔下酸不畅原因分析及对策

1概况川化股份有限公司制酸厂第二硝铵车间的稀硝酸装置采用中压法硝酸生产工艺,即氨的氧化和氧化氮气体的吸收均在0.45MPa(绝压)下进行,吸收系统中的NO氧化采用液相氧化流程,可获得浓度较高的成品酸。该系统的酸吸收采用双塔设计,第一吸收塔为硝酸生产的主要设备之一,     

基于非线性鲁棒连续回归的汽油干点软测量

针对RCR算法难以建立高精度的非线性软测量模型的问题,提出了一种径向基函数(radial basis function,RBF)与鲁棒连续回归(robust continuum regression,RCR)相结合的非线性RCR(nonlinear RCR,NLRCR)建模方法。该方法首先应用RBF将非线性样本数据映射到高维特征空间中,然后在高维特征空间中建立RCR线性回归模型。本文通过仿真实验,验证了方法的有效性。并将其应用于延迟焦化汽油干点的软测量建模中,获得了比RCR和RBF-PLS算法更高的预测精度。     

基于改进差分进化和最小二乘支持向量机的铝酸钠溶液浓度软测量

针对氧化铝蒸发过程铝酸钠溶液浓度难以在线检测问题,提出了改进差分进化和最小二乘支持向量机的铝酸钠溶液浓度软测量建模方法。首先基于灰色关联分析和核主成分分析确定模型的输入变量,再用改进差分进化算法的最小二乘支持向量机构建软测量模型。并与DE-LSSVM软测量模型进行比较;最后应用蒸发过程生产数据进行验证,结果表明,新模型具有更好的学习能力和泛化性能且预测精度更高,可为蒸发过程操作优化提供必要的指导。     

选择性集成LTDGPR模型的自适应软测量建模方法

随着时间的增加,传统时间差(TD)模型会出现性能显著下降的问题。为了提高TD模型的可靠性和预测精度,同时考虑过程的时滞特征,基于一种选择性集成策略,提出一种局部时间差高斯过程回归(LTDGPR)模型的自适应软测量建模方法。首先,提取出数据库中的时滞动态信息,对建模数据进行重构;然后,采取局部化策略对差分后的重构样本进行统计划分,得到LTDGPR模型集。对于新来的输入样本,选择部分泛化能力强的LTDGPR模型进行集成,估计出含一定时间差的主导变量动态偏移值;最后,基于TD模型思想对当前时刻主导变量值进行在线预测。通过脱丁烷塔过程的数据建模仿真研究,验证了所提方法的有效性和精度。