基于混合核函数PCR方法的工业过程软测量建模

针对核函数PCR方法中单个核函数的局限性，提出了混合核函数PCR方法并将其用于工业过程软测量建模，以提高模型的推广能力和非线性处理能力。混合核函数集中了多个核函数的特点，兼具局部和全局特性，并可以通过参数调节他们对混合核函数的作用，将过程的先验知识融入到核函数的确定，进而适合不同的应用。工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明，基于混合核函数PCR的软测量模型要优于核函数PCR方法，满足了工业应用要求。     

嵌入岭回归的BP算法及其在软测量中的应用

针对三层神经网络(ANN)最佳隐节点个数难以确定和随着隐节点个数增加ANN模型易出现过拟合等缺点,提出了嵌入岭回归(RR)的误差反传算法(BP).BP-RR根据样本规模自适应确定隐节点个数,并通过BP算法充分提取样本数据信息.然后,针对隐含层输出可能存在的复共线性,采用RR以预测性能为指标,通过进化算法确定最佳岭参数,进而重新确定隐含层与输出层之间最佳的权值和阈值,克服ANN过拟合,建立具有良好预测性能的模型.将BP-RR应用于建立石脑油干点软测量,结果显示,BP-RR模型具有良好的预测性能.与ANN相比,BP-RR模型鲁棒性强,预测精度高.     

基于改进PSO-RBFNN的海洋蛋白酶发酵过程软测量

针对海洋蛋白酶（marine protease,MP）发酵过程中某些关键参量难以在线检测,离线测量存在大滞后、易染菌的问题,提出了一种基于改进的粒子群-径向基神经网络（PSO-RBFNN）的MP发酵过程软测量建模方法。首先采用指数下降惯性权重（exponential decreasing inertia weight,EDIW）策略对粒子群算法进行改进,克服了固定惯性权重和自适应惯性权重的粒子群算法易于陷入局部极小,进化后期收敛速度慢以及全局搜索能力弱的缺点;然后,采用改进后的粒子群算法对径向基神经网络连接权值进行在线优化,确定RBFNN拓扑结构;最后,根据MP发酵过程的输入/输出向量构建RBFNN软测量模型。实验仿真结果表明,EDIW策略改进的PSO-RBFNN软测量模型训练时间缩短了40%左右,模型预测精度提高了3%以上。     

基于Gath-Geva算法和核极限学习机的多阶段间歇过程软测量

间歇过程具有较强的非线性,多阶段、慢时变及批次间存在变化,采用单一预测模型不能反映间歇过程的多阶段特性及阶段间过渡特性。提出一种基于Gath-Geva聚类和核极限学习机（kernel extreme learning machine,KELM）的多模型软测量方法。首先采用主成分分析（principal component analysis,PCA）对输入做特征提取,然后利用Gath-Geva算法对间歇过程进行多阶段工况划分,根据生产工况特性划分为不同的操作阶段后,分别建立局部KELM模型。对任一待预测样本,分别计算其对应各局部模型的预测值,最后采用贝叶斯集成,将其隶属于各局部模型的模糊隶属度作为权重和预测值融合得到最终预测值。以青霉素发酵数据进行实验测试,结果表明所提多模型算法相较于单一模型,具有更高的预测精度。     

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。     

支持向量回归在乙烯裂解产物收率软测量中的应用

乙烯裂解产物收率的实时预报对于裂解炉的生产具有重要意义。针对有效的样本数据较少的问题,采用支持向量回归方法建立裂解产物收率的软测量模型。对于支持向量机中模型参数的选取,采用了微粒群优化算法进行参数寻优,提高了建模效率和模型精度。基于现场数据的建模实验结果表明,基于支持向量回归方法的乙烯裂解产物收率软测量模型预报精度较高,趋势跟踪性能良好。     

基于局部线性嵌入的测地线流式核多工况软测量建模方法

针对复杂工业过程在多工况条件下缺乏标记样本无法进行软测量建模,而原有模型失准问题,研究了一种局部线性嵌入(locally linear embedding, LLE)和测地线流式核(geodesic flow kernel, GFK)相结合的无监督软测量建模方法。该方法首先通过局部线性嵌入提取各个工况间的公共模式信息,然后将已知工况数据和未知工况数据的公共模式信息投影到流形空间,利用测地线流式核框架在流形空间上实现域迁移,以减小不同工况间数据的分布差异。最后用偏最小二乘回归法建立软测量模型,得到主导变量的软测量值。通过对TE过程中不同工况下的成分变量软测量和不同工况下的球磨机负荷参数软测量结果,验证了所提算法的实用性和有效性。     

基于GA优化的非线性岭回归方法及其在软测量中的应用

提出一种基于遗传算法的非线性岭回归建模方法(GA-NLRR).该方法的核心是先通过RBF的转换实现输入样本的非线性映射,然后用岭回归方法进行线性建模,并采用遗传算法优化岭参数k.该建模方法能很好弥补常规岭回归方法的不足,即无法处理复杂非线性问题和岭参数难确定的问题.将该方法应用于溶剂脱水塔的软测量建模中,仿真研究表明:使用GA-NLRR建立的模型具有很好的预测精度.     

基于分布式贝叶斯隐马尔可夫回归的动态软测量建模方法

利用软测量技术实时预测化工过程中的关键参数对生产过程的在线监测、自动控制、实时优化具有十分重要的意义。为此,提出了一种基于隐马尔可夫模型的动态软测量建模方法。首先,针对数据规模大导致模型计算效率低和数据缺失导致数据无法充分利用的问题,提出了一种基于分布式贝叶斯隐马尔可夫回归的预测模型;其次,针对该模型进一步提出了一种能够获得精确后验分布的分布式训练方法。最后,利用蜡油加氢过程对所提方法的有效性进行了验证。     

基于人工蜂群算法优化LSSVM的蒸汽干度软测量

为了提高蒸汽干度测量的精确性,提出了基人工蜂群优化最小二乘支持向量机的干度软测量模型。首先利用人工蜂群算法对最小二乘支持向量机的核参数进行参数优化,然后利用优化后的最小二乘支持向量机干度测量模型对干度进行软测量,软测量结果表明基于人工蜂群优化的最小二乘支持向量机的测量效果满足了精度要求。最后运用最小二乘支持向量机和BP神经网络模型对干度进行了软测量,结果表明:基于人工蜂群优化的最小二乘支持向量机软测量模型具有测量精度高,测量稳定性好的优点。     

基于Pareto遗传算法的聚合物黏度模型参数拟合

针对传统聚合物黏度模型参数拟合方法中存在的初值选取问题及权重分配问题,采用基于Pareto多目标遗传算法的拟合方法.根据实验测得PP和PMMA材料流变数据对常用的Cross-WLF 7参量黏度模型进行了拟合,拟合结果的复相关系数分别达到了0.999929和0.999036.研究结果为聚合物注射成型仿真提供了必需的材料流变数据,为塑料制品的模具设计、工艺参数优化和质量预测提供了理论依据.     

基于蚁群算法的水电经济调度

蚁群算法是一种模拟自然界蚁群行为的生物进化算法,该算法具有分布计算的特点,鲁棒性强,搜索效果好。对水电经济调度问题进行了研究,利用蚁群算法,提出了解决水电经济调度问题的具体方法,并获得了较满意的仿真结果。     

基于智能算法的啤酒发酵温度过程控制

针对啤酒发酵温度控制过程的大惯性、大时滞及非线性等特点,将传统模糊PID控制算法进行优化并改进,提出了模糊PID智能控制算法,当偏差较大时采用响应速率快的模糊控制,偏差较小时采用多层神经网络PID控制算法。MATLAB仿真结果证实该控制算法提高了啤酒发酵温度控制过程的静态误差和动态响应速度,并且具有适应环境变化的学习能力。     

用BP神经网络和遗传算法优化电沉积Cu-W的工艺参数

用神经网络和遗传算法(BP-GA)优化电沉积Cu-W的工艺参数。结果显示:BP-GA预测结果与试验结果较接近,相对误差为9.05%,说明BP-GA优化电沉积工艺参数有较高的预测能力和准确度。     

基于一种改进的自适应遗传算法估算环已烷自催化氧化反应动力学参数

A modified genetic algorithm of multiple selection strategies, crossover strategies and adaptive operator is constructed, and it is used to estimate the kinetic parameters in autocatalytic oxidation of cyclohexane. The influences of selection strategy, crossover strategy and mutation strategy on algorithm performance are discussed. This algorithm with a specially designed adaptive operator avoids the problem of local optimum usually associated with using standard genetic algorithm and simplex method. The kinetic parameters obtained from the modified genetic algorithm are credible and the calculation results using these parameters agree well with experimental data. Furthermore, a new kinetic model of cyclohexane autocatalytic oxidation is established and the kinetic parameters are estimated by using the modified genetic algorithm.     

基于联合典型变量矩阵的多阶段发酵过程质量相关故障监测

为考虑发酵过程的质量变量和动态特征对于阶段划分的影响,提出了一种基于联合典型变量矩阵的多阶段发酵过程质量相关故障监测方法。首先,将历史三维数据沿批次方向展开,对每个时间片矩阵进行典型相关分析（canonical correlation analysis, CCA）,得到融合过程变量和质量变量信息的联合典型变量矩阵,对其进行K均值聚类,实现基于静态特征的第1步划分;然后采用慢特征分析（slow feature analysis, SFA）算法提取表征过程动态性的慢特征,对其进行聚类实现第2步划分。最后综合分析两步划分结果,将生产过程划分为不同的稳定阶段和过渡阶段,并在划分的子阶段中分别建立CCA监测模型进行质量相关故障监测。该方法通过静态和动态特征的变化实现两步划分,准确区分强动态变化与阶段切换,有效提高质量相关的故障监测模型精度。青霉素仿真平台与大肠杆菌实际生产数据验证了所提方法的可行性和有效性。     

基于遗传算法的造纸排产优化系统设计与实现

介绍造纸流程企业人工排产特点和遗传算法,建立面向敏捷供需链的系统需求模型和生产计划调度模型,以及在纸张切割过程中建立基于遗传算法的优化数学模型,设计并实现造纸企业的排产信息系统。     

基于响应面法与Pareto遗传算法的注塑模冷却水道参数优化

以塑料链板注塑模冷却水道的水道中心距、水道中心至模壁距离及水道直径为实验因素,利用响应面法分别构建出3个实验因素与模壁温差、冷却时间之间的二阶响应面模型。运用Pareto遗传算法对2个响应面模型进行迭代优化,优化出模壁温差和冷却时间都较小时的设计参数最优解解集,模拟验证后得出冷水道最优设计参数组合为：水道中心距30 mm、水道中心至模壁距离15 mm、水道直径10 mm,对应的模壁温差为7.61 ℃、冷却时间为62.74 s,比任一组响应面实验结果都小,证明了分析方法的可行性。