神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值。由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸引力的研究领域,它将辅助变量作为神经网络的输入,将主导变量作为其输出,通过训练网络来实现主导变量在线估计。对基于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发展作了简要的展望。     

基于模糊推理的软测量对储粮状态的预测

针对粮情测控系统中的粮食状态难以在线直接测量的问题,研究了工业测量和控制过程中的软测量技术.通过分析水分传感器、温度传感器及湿度传感器所测量的二次变量的结果,利用神经网络和模糊推理技术来实现智能化粮情测控过程中粮食的状态及其变化趋势的估计.     

基于模糊推理的软测量对储粮状态的预测

针对粮情测控系统中的粮食状态难以在线直接测量的问题，研究了工业测量和控制过程中的软测量技术、通过分析水分传感器、温度传感器及湿度传感器所测量的二次变量的结果，利用神经网络和模糊推理技术来实现智能化粮情测控过程中粮食的状态及其变化趋势的估计．     

软测量模型的建立

软测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；也就是说软测量是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计。本文介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，同时还给出了建立一个完整的软测量模型的步骤。     

基于神经网络的非线性随机系统的状态估计

针对惯性导航系统的特点，建立一个三层ＢＰ网络，用测量到的带有噪声的输出变量序列和状态变量作为样本，训练神经网络，经过训练的神经网络对噪声具有抑制能力，可用带有噪声有输出变量序列来估计状态变量的真值。     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

灰色软测量在介质填充率检测中的应用研究

通过对磨矿过程原理的分析，提出了基于径向基（RBF）网络的软测量方法，对以往无法在线检测的球磨机关键参数——介质填充率进行实时估计．针对现有软测量辅助变量选择方法存在的问题，结合灰关联分析理论，提出了一致关联度算法，并应用该算法实现了介质填充率软测量建模中辅助变量的选择．仿真结果表明，该软测量方法估计的平均相对误差保持在0．7％以下，可满足实际需要．同时，一致关联度算法可以准确的提取变量间的相关性，是一种有效的辅助变量选择方法．     

基于径向基神经网络的沙浆浓度软测量方法

采用基于神经网络的软测量方法来测量充填系统中的沙浆浓度,充分体现了软测量的优点及神经网络的强分类能力,是测量沙浆浓度较为优良的方案,能保证整个充填系统的可靠运行,并可消除传统的在线仪表测量方法中存在的投资大、检测范围有限、精度差等弊端。     

基于BP人工神经元网络的软测量方法

在实际化工生产过程中，存在许多参数难以或无法用仪表直接检测，同时它们又需要加以严格控制，因此实际需要促进了软测量技术的产生和发展，而用神经网络为建立测量的模型，比其他方法有着不可比拟的优点，近年来，随着科技的进步，又出现了神经网络结合其他方法的软测量方法，如神经网络与最小二乘法相结合，神经网络与模糊数学相结合，在实际应用中都得到了很好的效果，本文采用PCA改进的BP算建立了盐酸浓度的软测量模型，仿真结果表明，这个模型提高了测量精度加快了训练速度。     

污水处理出水BOD区间预测建模

生化需氧量(BOD)是评价水质的重要指标,也是污水处理过程中直接控制的参数.为了提高污水处理质量,需要寻找BOD的有效测量方法.本文给出一种新的BOD软测量方法,可以实现其保证估计.采用主元分析方法选取BOD预测的主要辅助变量.利用径向基函数神经网络的逼近能力,将其用于污水处理出水BOD软测量建模.径向基函数神经网络的中心被确定之后,考虑到建模误差有界,使用参数线性集员辨识算法得到网络输出权值的集合描述.在污水处理系统运行过程中,所建立好的软测量模型可以预测出水BOD的上下界.此外,建立多个软测量模型,并将多模型测量结果进行融合以降低单一模型所给结果的保守性.实验结果表明本文方法的有效性.     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

污水处理出水水质指标的非线性动态软测量模型

由于缺乏稳定可靠的水质在线分析仪表,污水处理厂很难实现实时水质闭环控制和操作优化.通过选择污水过程中容易获得的进水流量和水质、溶解氧浓度、曝气氧量等辅助变量,提出一种基于PLS的多变量非线性动态多模型软测量建模方法.该方法基于有源自回归（Auto-Re-gressive with extra inputs,ARX）模型与模糊C-均值（Fuzzy C-Means,FCM）聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS（Neural Net Partial Least Square）,建立多个非线性子模型拟和系统全局非线性.所提方法应用于某污水处理厂出水水质组分浓度软测量,仿真试验结果表明：该方法建立的多变量出水水质指标模型精度优于传统线性PLS模型.     

基于软测量技术的化工过程优化控制策略

针对参数不确定型系统,提出基于软测量技术的新优化控制思路.通过求解连续静态过程的优化模型,实时跟踪一阶最优性必要条件实现不确定系统的在线优化.借助软测量技术找到可测变量与不可测最优性必要条件之间的估计模型,以该模型的输出为被控变量直接实现过程的优化控制.与传统的实时优化(RTO)方法相比,新策略更加迅速有效,可用简单的控制器（如PID）实现.对一个蒸发过程的研究结果表明了该方法的有效性.     

基于神经网络的汽油干点软测量

针对常压蒸馏塔产品质量(汽油干点)测量困难的特点,建立质量指标(汽油干点)与其影响因素的多层前馈神经网络,应用神经网络的输入输出非线性函数逼近原理,将易于测量的温度压力等参数作为网络的输入,使经过BP算法学习的神经网络输出与实际化验的质量指标(汽油干点)值逼近。以此方法来实现常压蒸馏塔产品质量的在线软测量,以获得控制与优化所需的实时质量测量信号。这种软测量为实现常压塔的质量优化控制奠定了基础。     

神经网络预测热塑弹性体的质量指标

目的由聚合反应过程参数预测热塑弹性体的质量指标.方法利用神经网络技术建立产品的质量指标和聚合反应过程状态变量之间的映射关系,反应过程为万吨级工业生产装置间歇反应釜中的聚合反应.结果以可接受的精度由易测量的反应过程参数推导得出了热塑弹性体的质量指标.结论利用神经网络技术可以构成检测热塑弹性体质量指标的在线软仪表.     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数（RBF）神经网络相结合的非线性建模方法。采用快速傅里叶变换（FFT）将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析（PcA）进行谱特征提取,采用径向基函数（RBF）变换实现谱特征的非线性映射。实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1%,方法有效。     

气液两相流流型的ECT软测量技术

提出一种基于ECT技术的气液两相流流型判别软测量模型．以ECT传感器输出中提取的特征参数作为软测量模型中的辅助变量，气液两相流的流型作为模型中的主导变量，利用人工神经网络建立了主导变量和辅助变量之间的数学关系，进而实现对气液两相流流型的在线判别，仿真结果表明，此方法判别精度高、判别速度快，为两相流流型的在线辨识提供了一种有效的手段。     

软测量技术及其在铝电解槽温度测量中的应用

软测量技术可以为一些无法直接测量的参数寻找一种测量方法．从辅助变量选择、数据处理、软测量模型建立和模型修正等方面系统地介绍了软测量技术；并针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题，选择电解槽的输入电功率和下料速度作为辅助变量，利用现代时间序列分析法建立了带受控项目的自回归数学模型，从而计算出电解槽的温度估计值．在160kA点式下料预焙阳极铝电解槽进行实验，结果证明了该方法的有效性．     

基于DPCA-BP的故障诊断方法

针对动态主元分析(DPCA)在故障识别方面的缺点,引入了BP神经网络,将DP-CA与BP神经网络相结合,增强了对故障的辨识能力。该方法通过对各测量变量的自相关性分析,来降低动态主元分析中增广矩阵的维数,从而降低了分析过程的计算量。最后,将DPCA-BP应用于田纳西-伊斯曼过程的故障诊断中,验证了所提出方法的有效性。