基于差分进化算法-最小二乘支持向量机的软测量建模

软测量技术是解决工业过程中存在的一类难以在线测量参数估计问题的有效方法,该技术的核心是建立优良的数学模型。支持向量机是基于统计学理论的一种机器学习方法,最小二乘支持向量机是一种扩展的支持向量机,相对于支持向量机具有较快求解速度。最小二乘支持向量机存在着参数选择的问题,针对这个问题,采用差分进化算法进行参数选择。提出基于差分进化算法的最小二乘支持向量机应用于软测量建模,并将其应用于对苯二甲酸中对羧基苯甲醛含量测试的软测量建模中,获得了满意的结果。     

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。     

基于改进粒子群优化LSSVM的水泥熟料fCaO软测量

针对水泥熟料fCaO含量难以在线实时测量,提出了一种基于最小二乘支持向量机的软测量建模方法。针对最小二乘支持向量机模型的2个难点进行了改进:首先利用样本间的马氏距离来衡量样本的相似程度,删除样本中部分相似样本,提高最小二乘支持向量机模型的稀疏性,从而减小了模型的运算量。然后利用改进的粒子群优化算法对最小二乘支持向量机模型的2个重要参数进行迭代寻优,克服了常规交叉验证法或网格搜索法等参数选择方法的盲目性。最后将基于粒子群最小二乘支持向量机软测量模型用于熟料fCaO含量的实例仿真。结果表明,该方法具有收敛性好、预测精度高、泛化能力强等优点。     

一种基于多模型融合软测量建模方法

针对锌湿法冶炼净化过程中钴离子浓度LS-SVM软测量建模方法精度低的问题,将最小二乘支持向量机（LS-SVM）和自回归滑动平均模型（ARMA）融合建立钴离子浓度融合软测量模型,首先通过离子浓度序列的小波变换获得序列的低频和高频子序列,对各子序列分别进行相空间重构,并在相空间中分别建立最小二乘支持向量机模型,然后将各模型的输出利用小波重构整合得到钴离子基于LS-SVM软测量结果,利用自回归滑动平均模型对基于LS-SVM模型输出误差信息进行建模,通过对两个模型的融合,获得融合模型的软测量估计值。将该方法应用于锌液净化除钴段入口钴离子浓度的软测量,结果表明该方法比单一的LS-SVM方法具有更好的泛化性能和测量精度,显示出良好的应用潜力。     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

基于模糊核聚类的乙烯裂解深度DE-LSSVM多模型建模

乙烯裂解深度的建模与控制对于裂解炉的实时优化具有重要意义。针对石脑油原料组分复杂、油品特性波动大等状况,采用模糊核聚类对石脑油数据库进行最优划分,建立最小二乘支持向量机的多模型,对于最小二乘支持向量机中模型的参数选取,利用差分进化算法进行参数寻优,提高了模型的精度和泛化能力。通过对现场数据的建模实验,结果表明：基于模糊核聚类的乙烯裂解深度最小二乘支持向量机多模型跟踪性能良好,预测精度较高。     

基于变异CPSO算法的LSSVM蒸发过程软测量

在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某氧化铝厂蒸发过程为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化铝蒸发过程软测量模型,并与PSO-LSSVM、LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于5%的样本达到92.5%,最大相对误差仅为8.1%,均方差MSE为0.05153,模型具有较高的精度,其现场实施结果表明基本可以实现出口浓度的实时在线预估。     

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...     

基于分阶段的LSSVM发酵过程建模

发酵过程建模是研究微生物发酵的重要课题,基于模型可实现被测参量的软测量、系统的优化控制。鉴于引入混合核函数的最小二乘支持向量机在过程建模中具有优良表现,采用基于混合核函数的最小二乘支持向量机建模。但由于发酵过程周期较长,最小二乘支持向量机的全局模型预测精度难以保证,算法复杂度很高,因此提出一种分阶段建模方法。首先,选择表征阶段特性的辅助变量,利用模糊C均值聚类算法对样本数据聚类,将发酵过程分成不同的阶段,然后为各个阶段分别建立最优混合核最小二乘支持向量机局部模型,最后将局部模型合成构成过程的完整模型。将此方法应用于青霉素发酵过程和重组大肠杆菌发酵过程中,验证了该方法的有效性。     

基于PSO优化LS-SVM的气液两相流干度软测量

对标准孔板进行改进,设计了一种流出特性较好的锥形孔板。将锥形孔板压差脉动特性的经验公式与经过粒子群算法优化的混核最小二乘向量机模型结合,建立了气液两相流干度的软测量模型。该模型的优点是采取径向基核函数和多项式核函数的混合核函数兼顾了局部和全局的拟合能力,且通过对传统最小二乘向量机模型的参数优化,可减少对初始点和样本数量的依赖。实验结果表明,该预测方法可行,且比未经过优化的最小二乘支持向量机模型和经过优化的单核最小二乘向量机模型的泛化能力强,具有实际工程意义。     

Vortex motion‐based particle swarm optimisation for energy consumption of alumina evaporation

The aim of the alumina evaporation process is to improve the concentration of sodium aluminate solution by evaporating the excess water contained in the solution. The evaporation is achieved using heat from steam. Since steam consumption is the major operating costs, in this paper, we investigate an operation optimisation problem for the evaporation process to minimise steam consumption subject to a constraint on the particular quality of the final sodium aluminate solution. This paper proposes a new particle swarm optimisation (PSO) algorithm based on vortex motion to solve this optimisation problem. We demonstrate the effectiveness of the PSO algorithm on benchmark functions. We then apply it to a real industrial evaporation process, where the optimal results show that the steam consumption is considerably reduced. © 2012 Canadian Society for Chemical Engineering     

基于差分进化粒子群混合优化算法的软测量建模

针对乙烯生产过程中,用传统方法难以直接完成对乙烯收率的在线测量的问题,提出了一种新型差分进化粒子群混合优化算法,建立了乙烯收率软测量建模。改进算法将优化过程分成两阶段,两分群分别采用粒子群算法和差分进化算法同时进行。迭代过程中引入进化速度因子进行算法局部收敛性判断,通过两个群体间的信息交流阻止算法陷入局部最优。对高维复杂函数寻优测试表明,算法的整体优化性能均强于基本粒子群算法和差分进化算法。应用结果表明,基于改进算法的软测量模型具有测量精度较高、泛化性能较好等优点。     

基于(火用)的管式降膜蒸发器液位优化设定

在降膜蒸发器中,物料液位直接影响蒸发器分离室压力和出料温度从而影响加热蒸汽消耗,对蒸发器的优化操作十分重要。但实际生产中液位的设定值通常是一个较大的范围,难以优化运用。针对此问题提出了一种基于(火用)分析的管式降膜蒸发器液位优化设定方法。深入分析了液位高度对蒸发过程各参数的影响,基于实际生产数据,拟合得到了液位与其他参数间的关系模型。结合蒸发器物料平衡关系以及(火用)分析方法,建立了最大化(火用)效率的能耗优化模型。对优化模型求解得到了蒸发器(火用)效率随液位高度变化的关系曲线,最后计算了不同工况条件下的最优液位,为优化实际生产操作提供了参考。     

氧化铝蒸发过程的混合智能优化设定控制

氧化铝蒸发过程的关键工艺指标碱液浓度不能在线检测且与控制回路输出之间的动态特性难以用精确的数学模型描述,采用已有的优化控制方法不能实现上述运行层的优化。针对上述问题提出了由基于案例推理的预设定模型,基于专家规则的前馈、反馈补偿模型以及基于块式偏最小二乘的软测量模型组成的混合智能优化设定控制方法。采用某氧化铝厂蒸发过程的实际数据进行仿真实验,实验研究表明该方法可以有效地将碱液浓度控制在工艺要求的区间内。     

铝酸钠溶液中有机物排除试验研究

在拜耳法氧化铝生产中,有机物常会伴随铝土矿进入到铝酸钠溶液中。随着生产的进行,有机物含量会逐渐增加,严重的影响着氧化铝的正常生产。本文研究了浓缩结晶法对铝酸钠溶液中有机物排除率的影响规律,结果显示,有机物的排除率与苛性碱浓度密切相关,当苛性碱浓度约为360 g/L时,有机物的排除率最高,可达80%以上。     

一种低晶种比率生产超细氢氧化铝的工艺方法研究

在较高N_k（铝酸钠溶液中氧化钠质量浓度,g/L）的偏铝酸钠溶液中种分得到用于晶种制备的氢氧化铝,过滤、洗涤后,在水中湿磨滤饼得到D₅₀粒度为1.0 μm左右的氢氧化铝浆液,将此浆液按最终晶种比率（晶种中氧化铝含量与溶液中氧化铝含量的比值）小于0.3%的比率,在35~42 ℃的铝酸钠溶液中分散50~70 min后,加至较低N_k、58~70 ℃的过饱和铝酸钠溶液中种分35 h左右,过滤,将滤饼洗涤、干燥、分散后得到D₅₀粒度为2.0 μm左右的氢氧化铝粉体,使用XRD、SEM对粉体进行了表征,表明粉体为三水铝石（Gibbsite）,主要晶型为伪六角块状或四角块状。还对影响产品粒度的重要条件进行了讨论。该工艺有效地解决了超细氢氧化铝生产流程中循环母液杂质累积的问题,同时具有更低的生产成本。     

ANFIS-Based Prediction of the Decomposition of Sodium Aluminate Solutions in the Bayer Process

This article presents the results of nonlinear statistical modeling of the decomposition process of sodium aluminate solution, as part of the Bayer technology for the production of alumina. Based on the data collected in 2011 and 2012 from industrial production in the Bira? Alumina Factory, Zvornik (Bosnia and Herzegovina), nonlinear statistical modeling of the industrial processes was derived. The model was developed as an attempt to define the dependence of the degree of decomposition of sodium aluminate solution as a function of the input parameters of the leaching process: caustic ratio (α_k) of the solution; ratio of the crystallization; content of Na₂O_(caustic) in the solution; the initial temperature of the solution; the final temperature of the solution; average diameter of the crystallized seeds; and duration of the crystallization process. As a tool for statistical modeling, Adaptive Network Based Fuzzy Inference System (ANFIS) was applied. The defined model using ANFIS methodology expressed a high level of fitting, and could be used to effectively predict the degree of decomposition of the sodium aluminate solution as a function of the input process under industrial conditions.     

基于高斯过程和贝叶斯决策的组合模型软测量

为了提高化工生产过程中软测量建模的估计精度,提出了一种基于高斯过程和贝叶斯决策的组合模型建模方法。该方法在对原始数据进行分类的基础上,利用高斯过程对每个子类建立软测量子模型,通过贝叶斯决策方法实现模型的联合估计输出。将该建模方法应用于某双酚A装置的软测量建模中,仿真结果表明,相比于传统的开关切换或加权组合多模型,该组合模型能在实际生产中充分利用样本信息,使得具有更高的估计精度和更强的泛化性能。     

熔盐法活化处理含铬红土镍矿浸出液的铬铝分离及碱液循环

基于Na2CO3, Na2CrO4, NaAlO2在NaOH溶液中的溶解度及NaAlO2的性质,采用蒸发结晶、碳化沉铝、苛化等方法对浸出液中铬、铝进行了分离,并实现了碱液循环. 结果表明,采用分步结晶,一次蒸发排盐终点控制碱液浓度在40%(w),结晶相中为大量NaAlO2和少量Na2CrO4;二次蒸发碱液浓度控制在50%(w),结晶相中为大量Na2CrO4和少量Na2CO3. 一次排盐结晶相溶解后通过碳化方式将铝分离,深度碳酸化后NaAlO2分解率达90.8%;二次排盐结晶相溶解后在90℃、苛化1 h、加钙量为理论量的1.2倍时,苛化率达79.2%,苛化液蒸发后过滤得到较纯的Na2CrO4晶体.