稀土萃取分离过程的优化设定控制

针对稀土萃取分离生产过程的特点,将机理分析与神经网络技术相结合,给出了实现稀土萃取分离生产过程组份含量在线预测的软测量模型及其校正算法．提出了基于案例推理和软测量技术相结合的稀土萃取分离生产过程智能优化设定控制技术．将该技术应用于某公司HAB双溶剂萃取提钇分离生产过程,实现了萃取分离生产过程的优化控制和优化运行,取得了明显的应用成效．     

稀土串级萃取分离过程元素组分含量的多模型软测量

针对稀土串级萃取分离过程中元素组分含量在线测量难的问题,提出了一种多模型软测量方法,用于在线预测元素的组分含量.首先,以物料平衡方程为基础,在多个工作点附近建立了描述萃取过程的局部线性模型.引入减法聚类算法对样本数据进行分类,用得到的分类数据对局部模型参数进行离线辨识.每一时刻根据积分性能指标选择最优模型,同时在线修正局部模型参数.利用某La,Ce,Pr,Nd 4组分串级萃取分离Ce/Pr生产线的实测数据进行了仿真研究,结果表明所提出的多模型方法有效、预测精度较高.     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.     

稀土串级萃取分离过程的双线性模型及其参数辨识

稀土串级萃取分离过程元素组分含量的在线检测对于提高金属直收率至关重要,由于难以实现连续在线测量,因此研究动态模型成为采用软测量技术的关键．本文以稀土串级萃取分离过程的物料平衡方程为基础,提出了一种具有状态滞后的双线性动态模型,并对模型进行了分段集结降阶简化．通过工业现场采集的数据,采用最小二乘法对模型参数进行辨识,并根据误差指标选择最佳系统时滞,得到了表征稀土串级萃取分离过程的动态数学模型．稀土串级萃取分离过程实际数据的仿真结果表明了该建模方法的有效性和模型的准确性．     

基于神经网络的锂萃取率软测量模型研究

在锂萃取实验实现自动化控制基础上,针对锂萃取率目前不能在线测量的问题,分别采用RBF神经网络和小波神经网络对锂萃取率软测量模型展开研究.先从锂萃取实验获取基础实验数据,再把实验数据分为训练和预测数据,分别采用RBF神经网络和小波神经网络,对锂萃取率软测量模型进行了多输入单输出和多输入多输出模型试验.试验表明,小波神经网...     

基于神经网络的过程软测量

提出基于神经网络的软测量技术的一般框架,并针对一个实际的催化裂化装置,采用多层前向网络和推广随机逼近算法对粗汽油干点的软测量进行了研究.理论分析和模拟表明,该模型可以很好地描述实际对象特性.     

基于RBF神经网络的污水处理软测量算法研究

分析了软测量技术在污水处理问题上的可行性，建立了径向基（RBF）神经网络软测量模型，对污水处理过程中的各种污染物质进行监控和预测。结果表明：应用软测量技术能较好的克服污水处理过程中由随机干扰、强非线性、大时变、严重滞后等因素带来的一系列问题，具有广阔的应用前景。     

基于RBF神经网络的冷冻水流量软测量研究

冷冻水流量是空调系统的冷水机组模型以及变流量控制的前提。在一般空调系统中,由于成本和维护的原因,流量传感器出现故障造成测量误差偏大。提出应用RBF神经网络建立冷冻水流量软测量模型,以动态监测流量传感器的运行是否正常。将流量传感器的实际测量值与软测量得到的结果进行比较,当两者的偏差达到或者超过一定的程度时(如10%),这时就可以认为流量传感器发生了故障,并且产生报警信号;同时,冷冻水流量的监测由流量传感器切换到软测量模块,即在流量传感器发生故障的情况下,实际工程系统中基于冷冻水流量的控制和算法仍然能比较好的继续实施。     

基于改进CS-BPNN的松茸发酵过程软测量建模

针对松茸发酵过程中关键参量难以实时在线检测的难题,提出了一种基于改进布谷鸟算法（CS）与改进BP神经网络（BPNN）相结合的松茸菌丝生物量软测量建模方法。首先采用两阶段动态发现概率法对传统CS进行改进,平衡CS的全局搜索与局部搜索能力;然后引入附加动量和动态调整学习率对BPNN进行改进,提高BPNN参量的修正精度;最后,通过CS算法获取BPNN的初始权值和阈值,并由权值修正公式（附加动量与动态学习率相结合）对权值进行动态修正。仿真结果表明,改进的CS-BPNN软测量模型在预测精度提高了6%以上,能够实现松茸发酵过程实时在线测量的需求。     

基于RBF网络的混炼胶质量软测量技术实现

针对混炼胶生产过程中影响产品质量各个因素之间存在的复杂未知映射关系,精确数学模型难以建立的问题,提出了基于RBF神经网络的混炼胶质量在线预测模型,并和多元线性回归法测量结果进行了比较.实验结果表明,基于RBF神经网络的混炼胶质量的软测量模型具有很高的测量精度,可以在实际生产中发挥有效作用.     

分布式RBF神经网络及其在软测量方面的应用*

本文首先改进了竞争学习算法，并且在此基础上提出了递阶聚类的思想，然后利用这种思想得到了一种分布式ＲＢＦ（Ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ）神经网络。文章最后将这种网络应用于建立精馏塔成分估计的软测量模型。利用精馏塔的现场操作数据进行仿真，效果很好。     

选矿过程神经网络粒度软测量方法的研究

结合选矿厂磨矿分级作业的实际工矿, 提出了基于RBF网络的粒度软测量的设计方法. 仿真和实际试验结果表明, 该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题.     

选矿过程神经网络粒度软测量方法的研究

结合选矿厂磨矿分级作业的实际工矿,提出了基于RBF网络的粒度软测量的设计方法.仿真和实际试验结果表明,该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题.     

基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

针对海洋溶菌酶（Marine Lysozyme,ML）发酵过程菌体浓度在线检测难以实现,离线测量不能反映发酵过程当前变化等问题,提出了一种基于改进磷虾群—自适应模糊神经网络软测量（HLKH-ANFIS）建模方法。首先利用自适应莱维飞行策略对传统KH进行改进,从而提升算法的全局搜索能力;同时利用跳变技术（HOT）对KH算法位置更新公式进行改进,提高算法的局部寻优能力,然后利用改进的KH算法对自适应模糊神经网络反馈进行优化,改善其过度修正和计算量大的问题;最后建立基于HLKH-ANFIS的海洋溶菌酶发酵过程菌体浓度软测量预测模型,仿真分析表明：相较于KH-ANFIS预测模型,HLKH-ANFIS模型的误差较小,具有更好的预测能力,能够满足ML发酵关键参量的在线预测需要。     

基于RBF神经网络的高分子湿度传感器的研究

针对传感器在自动化系统中的重要性,指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点,阐述了基于RBF神经网络的传感器故障诊断的基本理论和优点,提出了一种基于RBF神经网络用于高分子湿度传感器进行故障诊断的方法。     

基于RBF神经网络的电化学CO气体传感器的温度补偿

针对电化学CO气体传感器的输出精度易受环境温度影响的缺点,提出了一种基于RBF神经网络的温度补偿方法,并借助所设计的气体采集系统进行了实验研究.实验结果表明,未进行温度补偿时传感器输出最大误差为20.0%,基于BP神经网络温度补偿方法的误差为1.44%,而采用RBF神经网络进行温度补偿后最大误差可达到0.12%,故该方法可有效的用于电化学CO气体传感器的温度补偿,令传感器具有更高的测量精度和温度稳定性.     

基于神经网络的通用软测量技术

基于神经网络的通用软测量技术１）王旭东邵惠鹤（上海交通大学自动化研究所上海２０００３０）关键词软测量,ＲＢＦ神经网络,竞争学习,精馏塔．１）国家自然科学基金资助项目．收稿日期１９９６－１２－０３１引言目前建立软测量模型有多种方法,但是还缺乏通用性,通...     

基于神经元网络的燃油锅炉烟气氧含量的软

针对目前各种氧含量检测仪表在运行过程中的可靠性差、使用寿命短及价格昂贵等诸多不足，通过探寻锅炉运行中的其他参数与烟气氧含量的映射关系，建立ＢＰ神经元网络，提出了燃油锅炉烟气氧含量的软测量方法。结果表明，其精度完全达到了设计要求。     

基于RBF神经网络的热电偶建模方法

针对热电偶的测量精度问题,建立了热电偶传感器的数学模型。此数学模型采用RBF神经网络,利用带遗忘因子的梯度下降算法进行网络参数的调整,并给出了建模步骤。实际结果表明,该模型具有较高的精度。     

基于多神经网络模型的石脑油干点软测量

应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值。同时为了克服因炼制原油性质无法及时获得而造成对初顶石脑油干点预测偏差的影响,在于模型建立时将前一时刘初顶石脑油干点分析值作为网络模型的自变量。实际应用表明,所建模型具有良好的预测精度,泛化能力强,效果令人满意。