基于混合建模技术的复合肥养分含量MIMO软测量模型

In compound fertilizer production, several quality variables need to be monitored and controlled simultaneously. It is very diifficult to measure these variables on-line by existing instruments and sensors. So, soft-sensor technique becomes an indispensable method to implement real-time quality control. In this article, a new model of multi-inputs multi-outputs （MIMO） soft-sensor, which is constructed based on hybrid modeling technique, is proposed for these interactional variables. Data-driven modeling method and simplified first principle modelingmethod are combined in this model. Data-driven modeling method based on limited memory partial least squares（LM-PLS） al.gorithm is used to build soft-senor models for some secondary variables.then, the simplified first principle model is used to compute three primary variables on line. The proposed model has been used in practicalprocess; the results indicate that the proposed model is precise and efficient, and it is possible to realize on line quality control for compound fertilizer process.     

基于最小二乘支持向量机的复合肥装置养分含量的软测量建模

针对复合肥装置养分含量无法用常规的传感器在线测量的问题,提出了基于最小二乘支持向量机(LS-SVM)的软测量方法来在线估计养分含量.LS-SVM用等式约束代替传统的标准支持向量机中的不等式约束,求解过程从解二次规划问题变成解线性方程组,求解速度相对加快.工业实例表明LS-SVM所建模型的预测精度较高,能满足实际工业应用的需求.     

一种基于时序误差补偿的动态软测量建模方法

针对目前静态软测量建模方法无法反映工业过程动态信息,造成预测模型精度低、鲁棒性差等问题,提出了一种基于最小二乘支持向量机(LS-SVM)和自回归-滑动平均模型(ARMA)的软测量建模方法。首先,建立了基于LS-SVM的软测量模型,利用ARMA模型对预测误差的动态估计,通过增加动态校正环节,实现了对静态模型的动态校正以改善系统动态响应特性。最后将上述方法用于乙烯精馏过程中乙烷浓度的软测量建模,仿真结果表明:与单一使用LSSVM模型相比,该方法具有跟踪性能好、泛化能力强等优点,是一种有效的软测量建模方法。     

基于混合差分进化算法的软测量时延参数估计

时延参数估计是系统控制与信号处理的关键问题。通过构造一个适当的适应度函数,将软测量系统的时延参数估计问题转化为一个多维非线性优化问题,然后利用混合差分进化算法的全局搜索能力求解该优化问题。对两个典型问题进行了仿真实验,仿真结果表明了混合算法的有效性和鲁棒性。以石油炼制工业中典型装置常压塔为例,对其一线航空煤油的闪点软测量进行了应用验证,结果表明,时延参数估计的引入大大提高了软测量模型的精度,证实了混合差分进化算法的有效性。     

动态软测量建模方法初探

经过十几年的发展,软测量技术无论是在理论研究还是在实际应用中均取得了较大成功,然而至今为止的大部分研究都是针对静态软测量模型.分析了静态软测量模型与动态软测量模型之间的区别和联系,利用冲激响应模型给出了一个基于最小二乘方法的动态软测量建模方法,并在该方法的基础上给出了一种改进.仿真例子验证了该方法及其改进的有效性.     

基于操作域划分的聚丙烯熔融指数软测量

讨论了如何建立聚丙烯熔融指数软测量模型及模型更新问题.首先根据聚丙烯反应器中的氢气浓度划分操作域,对于每个操作域,用一种新的非线性部分最小二乘方法建立熔融指数软测量子模型,然后将各个子模型进行组合,建立全局模型.为了使模型适应过程的变化,提出一种递推非线性部分最小二乘算法,利用新获得的数据对原模型进行更新.同时基于滑动窗方法,提出模型在线估计和更新策略.实际应用结果表明,模型取得了很好的估计性能,计算精度满足工业生产的实际要求.     

基于非线性偏最小二乘回归的软测量建模及应用

针对复杂工业过程存在的多变量、相关性和非线性问题,提出一种新的基于非线性偏最小二乘(partial least squares,PLS)回归的软测量建模方法。该方法利用PLS作为模型的外部框架来提取输入输出主成分变量,同时消除变量间的相关性,然后用最小二乘支持向量机(least squares support vector machine,LSSVM)作为内部函数来描述主成分变量之间的非线性关系,并引入基于误差最小化的权值更新策略,来改进模型的预测精度。以pH中和过程的Benchmark模型来验证该方法的性能,并与其他建模方法比较,结果表明该方法预测精度较高,而且具有较强的泛化能力。将该方法应用于某电站燃煤锅炉的NOx排放软测量建模之中,取得了较好的预测效果。     

基于KPCA-LSSVM的软测量建模方法

提出了一种将核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)相结合的软测量建模方法.核主成分分析能够对样本数据进行特征提取,消除数据的相关性.本文利用KPCA提取主元,降低样本的维数;然后利用最小二乘支持向量机进行建模,不仅降低了模型的复杂性,而且提高了模型的泛化能力.用该方法建立柴油凝点的软测量模型,和其他...     

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。     

移动窗递推PLS软测量建模及其工业应用

讨论了基于递推部分最小二乘(RPLS)算法的软测量建模方法及其应用.针对过程的时变特性,采用移动窗RPLS算法,在线修正样本的均值和方差,实时更新模型参数,兼顾了建模样本的饱和性、样本信息的完整性.然后将软测量模型应用于工业异构化装置,在线估计对二甲苯(PX)的含量.针对大量工业数据,进行仿真计算,得到模型的最大相对误差、相对均方误差和跟踪性能指标分别为2.68%、0.17%和0.9569,说明该软测量模型具有良好的预测能力和跟踪性能.接着讨论了建模样本长度对模型性能的影响,指出其最佳的样本长度为20～50.     

基于混合建模技术的复合肥养分含量MIMO软测量模型

In compound fertilizer production, several quality variables need to be monitored and controlled simultaneously. It is very difficult to measure these variables on-line by existing instruments and sensors. So, soft-sensor technique becomes an indispensable method to implement real-time quality control. In this article, a new model of multi-inputs multi-outputs (MIMO) soft-sensor, which is constructed based on hybrid modeling technique, is proposed for these interactional variables. Data-driven modeling method and simplified first principle modeling method are combined in this model. Data-driven modeling method based on limited memory partial least squares (LM-PLS) algorithm is used to build soft-senor models for some secondary variables; then, the simplified first principle model is used to compute three primary variables on line. The proposed model has been used in practical process; the results indicate that the proposed model is precise and efficient, and it is possible to realize on line quality control for compound fertilizer process.     

基于机理建模的聚醋酸乙烯浓度软测量技术

化工过程的先进控制必须依靠完善的信息系统,而产品质量的在线估计是构建完善信息系统的难题之一。利用软测量技术,通过机理建模,采用常规仪表成功实现了某厂聚醋酸乙烯浓度的在线连续检测。系统具有硬件设备简单、操作维护方便、使用寿命长、价格较低等优点,并易于与工厂原有装置进行系统衔接,检测精度达到0.5%。     

Soft-sensor for copper extraction process in cobalt hydrometallurgy based on adaptive hybrid model

In the process of copper extraction in cobalt hydrometallurgy, the copper concentration of raffinate solution needs to be monitored and controlled simultaneously. It is difficult to measure such concentration online by existing instruments and sensors. Soft sensor technique has been became an online supplement measurement for process monitoring and control. In this paper, an adaptive hybrid modeling method for copper extraction process is proposed. The proposed model is composed of simplified first principle model and block-wise recursive PLS model. The former based on material balancing calculation with some assumptions is used to describe the extraction process in general; and the latter is constructed to compensate the unmodeled characteristic and deal with the time-variant feature. A model rectification strategy is also employed to correct the final output and increase the prediction accuracy. The proposed model has been used in a cobalt hydrometallurgy pilot plant, and the prediction results indicate that the adaptive hybrid model is more precise and efficient than the other conventional models.     

基于加权模糊聚类方法的多模型建模

针对化工过程软测量模型的多样性,提出基于一种加权模糊聚类方法的多模型建模方法。将输入向量与输出的相关性作为加权系数,构建加权模糊聚类算法,对样本空间的输入数据进行聚类,然后用与输入变量对应的子模型进行输出估计,子模型输出作为系统模型的最终输出。该方法能够实现对输入数据更加合理的划分,提高软测量模型的精度。将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明了该方法的可行性和有效性。     

基于高阶偏最小二乘的间歇过程建模

间歇过程的产品与现代人的生活息息相关,而建立可靠的模型是保障间歇过程安全运行的基础。针对间歇过程的数据特点,引入一种新的广义线性回归模型--高阶偏最小二乘（higher order partial least squares,HOPLS）。它与传统的间歇过程建模方法具有本质的不同,三维数据（批次×变量×时间）不需要展开成二维矩阵,而是直接被分解成一组正交的Tucker矩阵之和。通过高阶奇异值分解（high order singular value decomposition,HOSVD）,张量变换和高阶正交迭代（higher order orthogonal iteration,HOOI）找到能同时包含自变量和因变量最大信息的潜向量,与此同时得到对应的负载向量。对于新观测值,通过模型就可以实现对因变量的预测。最后利用PenSim2.0,对青霉素发酵过程进行仿真研究,验证了该间歇过程建模方法的有效性。     

基于EGA的RBF-PLS方法为脉冲萃取过程建模

针对径向基网络(RBFN)结构与参数难以确定的问题,在分析径向基函数-偏最小二乘(RBF-PLS)方法的基础上,提出以模型拟合和预报性能为目标,同时优选RBF的宽度参数和PLS成分数,并设计了基于优进策略的遗传算法(EGA)实施优化。EGA增加了模式搜索寻优算子,对交叉算子作了改进,自适应地调整交叉率和变异率,由此形成EGA-RBF-PLS方法,并将它应用于回收ε-己内酰胺的脉冲萃取过程。它工作量小,效果良好,所建模型的拟合和预报性能明显优于近似机理模型和其它RBFN模型,稳健性也更好。     

基于受控混杂Petri网的事件逻辑驱动的炼油厂动态调度建模方法

将受控混杂Petri网同事件逻辑网和数学规划相结合提出了一种适用于炼油等流程工业生产调度的动态建模方法.作为事件逻辑网和数学规划模型之间连接的桥梁,受控混杂Petri网将离散变量和连续变量统一在一个模型中.用受控混杂Petri网建立整个生产流程的仿真模型,事件逻辑网响应生产过程中的突发事件并结合经验规则做出逻辑判断,产生新的调度指令.生产过程重新调整后,上层数学规划模型进行相应更新,产生的优化结果作为设备新的运行参数.该模型既可以响应突发事件,又能及时进行优化,具有更好的动态优化特性.     

一种基于可编程计数阵列和最小二乘法的模数转换器

设计了一款软硬件结合的八位模数转换器。分析了脉宽调制波形的特性,研究了可编程计数阵列的工作原理,建立了系统实现的理论模型。经过理论分析和实际测试,设计了系统硬件电路。对硬件系统进行了抽样测试,并将抽样数据与理论值进行对比研究。采用最小二乘法对抽样数据进行拟合,对拟合结果进行对比分析研究,建立了优化的模数转换数学模型。在Keilv4平台上,设计了模数转换的软件系统。在某钢化玻璃加热炉上得到应用,系统工作稳定可靠。