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.     

聚丙烯熔融指数软测量

采用机理和统计两种建模方法，建立聚丙烯生产过程熔融指数软测量模型。根据聚合反应机理和反应动力学，建立丙烯聚合过程的机理模型。统计模型则采用神经网络／部分最小二乘（NNPLS）方法。现场投运结果表明，模型计算速度和精度能满足工业现场在线实时运行的要求。     

基于SNNs-RR的聚丙烯熔融指数软测量

提出了一种组合神经网络-岭回归（SNNs-RR）建模方法,并将该方法应用于聚丙烯熔融指数软测量研究中.通过多个单一神经网络的合理组合可显著改善神经网络模型的泛化能力,而选择合适的组合权重对组合神经网络模型是否具有良好预测性能是至关重要的,因此提出了采用岭回归方法来选择合适的组合权重.通过与单一神经网络模型的预测结果进行比较,表明基于SNNs-RR的聚丙烯熔融指数软测量模型具有更佳的预测精度和鲁棒性.     

基于自适应偏最小二乘回归的初顶石脑油干点软测量

提出了一种具有强非线性表达能力的自适应偏最小二乘回归（APLSR）方法,并应用于初顶石脑油干点软测量模型建立.APLSR对于指定的预测对象,将根据样本在自变量空间中的分布,分析它们对预测对象的预报能力,自适应地为各个样本分配权值,然后从加权样本数据中提取和选定PLS成分,实施自适应加权PLSR,从而获得预报性能良好的模型.同时提出将前一时刻初顶石脑油干点人工分析值引入作为模型的自变量,从而进一步提高了软测量模型的预测精度.     

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。     

基于径向基神经网络的聚丙烯熔融指数预报

引　言在化工生产中大部分生产流程具有非线性、大时滞、结构复杂等特性 ,而且生产变量之间存在着不同程度的耦合与关联 .前馈神经网络由于具有强大的拟合非线性函数的能力 ,已成为生产指标预测的有力工具[1] .其中径向基 (radialbasisfunction ,RBF)神经网络相对于神经网络BP     

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。     

基于核PLS方法的非线性过程在线监控

针对过程监控数据的非线性特点,提出了一种基于核偏最小二乘（KPLS）的监控方法。KPLS方法是将原始输入数据通过核函数映射到高维特征空间,然后在高维特征空间再进行偏最小二乘（PLS）运算。与线性PLS相比,KPLS方法能充分利用样本空间信息,建立起输入输出变量之间的非线性关系。与其他非线性PLS方法不同,KPLS方法只需要进行线性运算,从而避免非线性优化问题。在对过程进行监控时,首先采用KPLS方法建立模型,得到得分向量,然后计算出T²和SPE统计量及其相应的控制限。Tennessee Eastman(TE)模型上的仿真研究结果表明,所提方法比线性PLS相似文献   

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...     

Local Partial Least Squares Based Online Soft Sensing Method for Multi-output Processes with Adaptive Process States Division

Local learning based soft sensing methods succeed in coping with time-varying characteristics of processes as well as nonlinearities in industrial plants. In this paper, a local partial least squares based soft sensing method for multi-output processes is proposed to accomplish process states division and local model adaptation, which are two key steps in development of local learning based soft sensors. An adaptive way of partitioning process states without redundancy is proposed based on F-test, where unique local time regions are extracted. Subsequently, a novel anti-over-fitting criterion is proposed for online local model adaptation which simultaneously considers the relationship between process variables and the information in labeled and unlabeled samples. Case study is carried out on two chemical processes and simulation results illustrate the superiorities of the proposed method from several aspects.     

聚丙烯熔体流动指数测试与分析

在不同负荷和不同温度下,利用熔体流动速率仪测试聚丙烯的熔体流动指数,通过熔体流动指数这种非常简单的方法计算得到剪切应力、剪切速率、非牛顿指数、零切粘黏度和流动活化能等流变参数。     

间歇式生产中聚丙烯熔融指数的优化控制

间歇式聚丙烯生产中,熔融指数受加氢计量、设备泄漏,反应时间、牌号切换等各种因素的影响,难以控制,批与批之间相差很大,对这些因素进行实验,采用优化控制方法,使批与批之间的熔融指数相近。     

一种基于可预测偏最小二乘法的故障检测方法

将可预测元分析(Fore CA)与偏最小二乘法(PLS)结合用于故障检测,在选取合适的可预测元的基础上,运用偏最小二乘回归,进一步提高模型对系统的预测能力,克服了偏最小二乘回归方法无法反映系统动态时序特性的缺陷,并构造CUSUM统计量和SPE统计量以检测故障是否发生。最后通过TE模型上的仿真实验结果表明:Fore PLS方法能有效检测慢漂移等故障。     

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.     

基于最小二乘支持向量机的非线性补偿器

针对工业过程中普遍存在的非线性被控对象,通过最小二乘支持向量机对系统的模型偏差建模,并在此基础上构造非线性补偿器.首先,采用具有RBF核函数的LS-SVM离线建立系统偏差模型,并在系统运行时不断对偏差模型进行在线修正;然后基于此模型在DMC预测控制的基础之上构建补偿器;最后成功应用于智能工厂实验室的多变量液位控制实验装置.     

官能团化聚丙烯改性Mg(OH)2/PP的流动性

制备了官能团化聚丙烯(FPP)和丙烯酸(AA)改性Mg(OH)2/PP材料,用熔融指数仪研究了改性Mg(OH)2/PP流动性的影响。结果表明随Mg(OH)2加入及其含量增加,PP的熔体流动指数(MFI)明显降低。外加FPP可提高Mg(OH)2/PP的MFI值,而且在高Mg(OH)2含量时尤其明显。在Mg(OH)2/PP材料中加入AA更能提高材料的MI值,其作用比外加FPP的更大,归结于PP和AA存在增塑与润滑作用。而同时加入AA和DCP,由于DCP对PP的降解作用,使原位形成FPP改性材料的MFI值提高更加明显。     

Classification of the Degradation of Soft Sensor Models and Discussion on Adaptive Models

Soft sensors are used widely to estimate a process variable which is difficult to measure online. One of the crucial difficulties of soft sensors is that predictive accuracy drops due to changes of state of chemical plants. It is called as the degradation of soft sensor models. In this study, we attempted to classify this degradation of models in terms of changes in an explanatory variable and an objective variable, and the rapidity of the changes. Moreover, we discussed characteristics of adaptive soft sensor models, based on the classification results. By analyzing simulated data sets and a real industrial data set, we could obtain knowledge and information on appropriate adaptive models for each type of the degradation. © 2013 American Institute of Chemical Engineers AIChE J, 59: 2339–2347, 2013     

基于Origin软件的聚丙烯流变性曲线拟合与数据处理

以Obtwald-deWaele法,Arrhenius法处理聚丙烯熔体流变性为例,讨论基于Origin软件进行流变曲线、非牛顿指数测定曲线等的拟合问题、数据处理方法以及论文插图的编辑。