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.     

基于LS-SVM的水泥熟料煅烧过程f-CaO软测量研究

针对水泥厂熟料质量指标f-CaO含量难以在线测量的问题,提出一种基于最小二乘支持向量机(LS-SVM)的软测量建模方法。仿真实验研究表明,最小二乘支持向量机建模具有良好的学习能力和泛化性能,且对数据样本的依赖程度低,是一种有效的软测量建模方法。给出的以DCS系统和SQL数据库为基础,通过Visual C 6.0编程的软测量实现方案,符合国内水泥厂实际情况,易于实现。建立的软测量模型和给出的软仪表实现方案对于保证水泥熟料质量和实现回转窑烧成系统的优化控制具有重要意义。     

基于IBA-LSSVM的光合细菌发酵软测量

针对光合细菌(PSB)发酵过程活菌浓度难以在线检测,离线测量又存在很大延时及易染菌的问题,提出一种基于改进蝙蝠-最小二乘支持向量机(IBA-LSSVM)的软测量建模方法。本文先对BA的速度更新公式进行改进,且将差分进化算法(DE)的变异机制引入BA,增加了种群多样性,进而提升了BA算法的全局及局部搜索能力,然后构建了活菌浓度的IBA-LSSVM软测量模型,并与BA-LSSVM软测量模型进行对比。仿真结果表明,改进的模型相较于BA-LSSVM模型有着更好的学习能力和预测性能,测量误差为0.1358,可为光合细菌发酵过程的优化控制提供准确有效的指导,有一定的实际应用价值。     

基于Bayesian的海洋脂肪酶发酵过程软测量建模

针对海洋微生物低温碱性脂肪酶发酵过程中的关键生物参数(如菌体浓度、葡萄糖浓度等)难以在线检测,提出了一种基于贝叶斯证据框架下的加权最小二乘支持向量机(WLS-SVM)的建模方法.首先,对生物参数进行非线性建模分析,确定软测量模型的辅助变量.然后,应用训练样本集对最小二乘支持向量机进行训练,训练过程中运用贝叶斯证据框架下的三层推断确定模型的最优权向量、最优正则化参数、最优核参数.为了提高模型的鲁棒性,根据误差变量确定权重系数,建立了在发酵过程中可准确预测生物参数的WLS-SVM模型.试验仿真中与传统最小二乘支持向量机模型进行对比,结果表明,基于贝叶斯证据框架下的加权最小二乘支持向量机模型具有计算速度快、泛化能力强、预测精度高等特点.     

基于核最小二乘法的污水BOD软测量补偿方法研究

在对经典的劳仑斯—麦卡蒂BOD软测量机理模型深入研究的基础上,考虑机理模型存在的非线性误差特点,采用KPLS(Kernel Partial Least-Squares)对BOD软测量机理模型进行误差补偿。通过仿真实验并与BOD软测量机理模型的其他补偿方法进行了比较,结果证明了该方法的优越性,可以有效提高BOD软测量的精度,进而为污水处理过程出水水质BOD精确测量提供一种有效方法。     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

工业流化床乙烯气相聚合中的在线测量与模型分析(II)

工业流化床乙烯气相聚合过程是一类典型的多变量复杂非线性系统。我们首先分析了若干主要过程变量(反应器温度等)对两个质量变量(树脂熔融指数和密度)的影响趋势，给出了两组变量间的非线性函数结构形式，然后运用多元统计投影原理和非线性函数的。Taylor逼近原理建立了流化床乙烯气相聚合过程变量和质量变量之间的主元多项式非线性偏最小二乘软测量(Nonlinear PLS)模型，并对理论结果进行了推证。基于实际工业运行装置的采样数据对Nonlinear PLS模型进行了求取和验证，利用所求模型进行了树脂熔融指数和密度预测并将预测结果和误差分析结果与线性PLS及机理模型进行了比较。最后运用所建立的模型进行流化床乙烯气相聚合过程操作条件的模型预测分析。全文分为两部分，这是第二部分。     

工业流化床乙烯气相聚合中的在线测量与模型分析(I)

工业流化床乙烯气相聚合过程是一类典型的多变量复杂非线性系统。我们首先分析了若干主要过程变量(反应器温度等)对两个质量变量(树脂熔融指数和密度)的影响趋势，给出了两组变量间的非线性函数结构形式．然后运用多元统计投影原理和非线性函数的Taylor逼近原理建立了流化床乙烯气相聚合过程变量和质量变量之间的主元多项式非线性偏最小二乘软测量(Nonlinear PLS)模型，并对理论结果进行了推证。基于实际工业运行装置的采样数据对Nonlinear PLS模型进行了求取和验证，利用所求模型进行了树脂熔融指数和密度预测并将预测结果和误差分析结果与线性PLS及机理模型进行了比较。最后运用所建立的模型进行流化床乙烯气相聚合过程操作条件的模型预测分析.全文分为两部分，这是第一部分。     

基于LS-SVM的软测量模型及其工业应用

最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种扩展,其算法简练,计算速度快;利用LS-SVM进行特征提取,可以有效地降低输入样本维数,缩减模型的运算时间,同时LS-SVM又具有优越的非线性回归能力;为实现氧化铝高压溶出过程中苛性比值在线测量,建立了一种基于LS-SVM的软测量模型,并将此模型应用于实际生产;工业数据的仿真结果表明该模型具有较高的预测精度和范化能力,能满足在线检测、实时控制的要求。     

正交信号修正法及其在软测量中的应用

介绍化学计量学领域中出现的一种新的多变量数据预处理方法——正交信号修正(OSC)法．提出一种改进的OSC方法，并将该方法结合部分最小二乘(PLS)方法用于聚丙烯熔融指数软测量建模．最后得到的模型预测性能不变，但特征变量数目大大减少，而且模型的回归系数具有明显的物理意义．     

制浆蒸煮过程中基于预测误差估计器的软测量方法研究与应用

针对文献[1]提出的软测量模型在工厂的实际应用中所存在的问题,提出了基于预测误差估计器的校正方法,实际应用表明,该方法有效的,因而具有实用价值。     

基于改进PCA的软测量数据过失误差侦破

为提高软测量的模型精度,剔除建模数据中的过失误差,提出采用Bagging-PCA方法进行误差侦破。利用Bagging算法的集成思想,改善单变量大误差对经典PCA的影响,提高算法稳定性,实现数据的过失误差侦破。用该方法对丙烯浓度的软测量进行过失误差侦破,取得了良好的效果。     

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。     

基于离散过程神经元的乙烯生产装置软测量

针对传统M—P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher—Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。     

基于离散过程神经元的乙烯生产装置软测量

针对传统M-P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher-Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。     

基于终端服务的水泵机组远程在线监测诊断系统

研究了采用终端服务技术的水泵机组远程在线监测诊断系统框架，实现对水泵机组的远程在线状态监测、远程信号分析和远程故障诊断。     

蒸煮过程软测量中的异常数据发掘方法研究

面向实际生产过程的软测量技术,融合了大量的现场数据,其中的任一异常数据(野值)的出现都可能导致模型的预测效果下降,甚至完全失败。由于实际测量数据不可避免地会带有误差,因此,对测量数据进行预处理非常重要。以制浆蒸煮过程纸浆Kappa值软测量模型为例,给出了一种综合判别异常样本数据的方法。该方法基于聚类分析和工艺机理发掘矛盾数据组,并结合回归分析和统计分析,定位异常样本数据并解释这些异常样本对建模的影响大小。以某造纸厂化浆车间的100组样本数据为对象进行分析,得到的异常样本及对建模的影响与专家经验分析相一致,证明了该方法的有效性。     

基于STM32的无人机雪橇式减震器监测系统设计

为了能够对飞机雪橇式减震器的压力进行实时监测和数据保存,设计了一种基于STM32F103ZET6的雪橇式减震器检测系统;利用压力传感器和光栅尺完成减震器压力与压缩距离的采集并转换为数字信号,以C#软件平台开发的作为上位机采集,处理压力数据,借助图形用户接口控件实现压力数据和曲线的显示,借助SQL数据库实现将数据保存在数据库中,便于管理员读取;上位机与下位机的传输利用WIFI信号进行;测试结果表明:雪橇式减震器监测系统精度达到0.01%。     

基于遥感的植被覆盖度估算方法述评

随着遥感技术的发展,作为描述植被覆盖及生长状况的度量参数--“植被覆盖度”在农业、环境、生态等领域应用越来越广泛。介绍了植被覆盖度的重要作用及研究意义,叙述了其遥感监测方法的研究现状及常用遥感数据源,主要从统计、物理、FCD等模型入手讨论植被覆盖度的遥感估算方法及其优缺点,并对今后研究方向及发展趋势进行了展望。
     

软腔体柔性机械臂的T-S模糊建模方法的研究

提出一种利用T-S模糊模型的柔性机械臂建模方法;柔性机械臂是一个高度复杂、高度非线性、高度耦合的非线性时变系统,而模糊模型本质上是一种非线性模型,可以任意精度逼近任何非线性系统;利用减法聚类算法离线辨识了T-S模型的前件参数,同时利用最小二乘法求得了T-S模型的后件参数;最后将模型的仿真结果和实验结果进行了对比分析,验证了模型的准确性;由此表明,柔性机械臂T-S模糊建模方法是有效的,它具有模糊模型的特点,可以任意精度逼近任何非线性系统,为柔性机械臂的模糊建模和下一步研究提供了理论指导及重要的前提条件.