带误差校正的常压塔汽油干点软测量模型

根据误差反馈原理,设计出带误差校正的神经网络模型,并将其用于常压塔汽油于点软测量,建立带误差校正的软测量模型。它将开环软测量模型的预测误差反传,作为校正输入量送给带误差校正的软测量模型进行误差校正。最后结合常压塔工业实例,对汽油干点进行预测,±1℃的预测误差表明该模型比不带误差校正的软测量模型具有更高的精度。     

一种利用多神经网络结构建立非线性软测量模型的方法

采用多种神经网络结构建立软测量模型。建模所用的样本数据经过Ｋｍｅａｎｓ聚类方法分成多组训练数据,每组数据建立一个单个神经网络模型,再通过ＰＣＲ方法连接起来得到整个模型的输出,从而显著地提高了模型的精确度和鲁棒性。仿真研究表明,采用该建模方法能够达到较好的建模效果。     

基于模糊聚类分析的多模型软测量技术及其应用

提出基于多模型的思路，在软测量技术中采用模糊聚类的方法将数据样本进行分类，用分类建模的方法对不同数据组分别进行基于神经网络的建模。给出了工业仿真实例，取得了满意的效果。     

基于多神经网络结构的丙烯浓度软测量建模

大型气体分馏装置的分馏塔丙烯浓度的软测量一般采用统计建模法进行,根据丙烯精馏塔的工艺流程和控制系统结构的分析,确定了塔顶的温差、双温差、回流量变化以及塔顶压力变化△p作为软测量模型所需的二次变量,利用气相色谱仪进行线下化验分析获得的丙烯浓度和对应采样时刻的塔顶、塔底温度、回流量、塔顶压力等数据,通过随机抽取的方法生成含训练样本集和测试样本集。采用训练样本全集和经过K-means聚类后的数据,建立了由10,15,20个隐层节点构成的单隐层多层前向网络模型;利用Levenberg-Marquardt训练算法,通过LS连接得到软测量模型,利用离线色谱分析仪的化验分析结果作为校正信号。仿真结果表明软测量模型具有较好的精确度和鲁棒性。     

分馏塔产品质量估计MIMO软测量

针对加氢裂化分馏塔多个产品的质量指标需同时预报的一类ＭＩＭＯ软测量建模问题,研究了适用于ＭＩＭＯ软测量建模的一种改进的的ＰＬＳ算法。通过采用实摹旨出该算法具有所需训练数据少、允许数据相关、算法收敛快等优点,是处理多变量系统软测量建模的一种有效方法。     

最小二乘支持向量机用于常压塔汽油干点的软测量

最小二乘支持向量机(least squares support vector machine,LSSVM)为一种遵循结构风险最小化原则的核函数学习机器,其训练仅需求解一个线性方程组,且超参数较标准支持向量机更少.由于其实现简单且预测效果良好,近年来在化学、化工领域的应用日益广泛.本文研究了基于LSSVM的软测量建模过程中的数据预处理和优选超参数等问题,并将其应用于常压塔塔顶汽油干点的软测量建模.计算结果表明,其预测精度能够满足生产实际要求,是一种简单有效的非线性软测量建模工具.     

延迟焦化粗汽油干点软测量

在分析工艺机理的基础上,用ＰＬＳ－ＲＢＦＮ并联方法建立延迟焦化粗汽油干点软测量模型。交叉验证表明,该方法是有效的,所建模型具有较高的精度和良好的泛化能力。     

基于Bootstrap多神经网络的软测量方法

针对原油蒸馏过程常规软测量模型难以适应原油进料性质变化的问题,提出Bootstrap多神经网络的非线性软测量处理策略.通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多神经网络模型,避免了单个神经网络易于陷入局部最优及过度训练的弱点,具有较高的准确率和泛化能力.本处理策略用于建立常压塔一线干点的软测量模型,仿真结果表明模型预测准确率和鲁棒性较好,对原油性质变化具有较好的适应性.该方法将会改进实际蒸馏过程在进料性质变化情况下的产品质量指标的软测量精度.     

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.     

1种基于遗失数据重构的软测量方法

提出1种遗失数据重构思想下的软测量方法:先采用主元分析(PCA)离线建立所有变量(包括难测变量)的主元模型,实际应用时,将实时的难测变量看作遗失数据,通过遗失数据重构方法估计出难测变量,增加了软测量方法的灵活性.更进一步,在重构遗失数据时,使用马氏距离取代欧几里德距离作为指标,更准确地反映了过程变量之间的相关关系,由此...     

基于神经网络的波美度软测量

采用前向神经网络建模的软测量方法 ,对造纸过程制浆工段的黑液波美度进行测量。经仿真和实际运行表明 ,该软测量模型对受诸多因素影响且呈非线性关系的波美度测量 ,具有稳定性好、测量精度较高和实时性好等特点。     

基于改进型PSO-BP神经网络的SVI软测量

针对曝气池污泥体积指数(SVI)难于在线测量的情况,提出了一种基于改进型的BP神经网络对SVI软测量的模型,该模型利用改进粒子群优化算法对BP神经网络进行权值调整。为了提高BP神经网络的学习性能,使粒子群的惯性权值按照对数规律变化,同时引入自适应变异算子对局部最优的粒子进行变异,然后利用粗糙集理论消除冗余信息,得到输入变量。该模型对实际污水厂的SVI值进行软测量预测,并与其它软测量模型进行比较,结果表明了该软测量模型具有较好的精度。     

基于神经网络的污水处理软测量模型研究应用

以某大型集成式小区污水处理为背景,为保证回用出水达标,需对排放污水进行检测.以出水总氮为主要检测指标,提出了基于遗传算法联合径向基函数神经网络的软测量模型,利用已知的进水数据来预测出水总氮.通过模型仿真结果表明,预测值和实测值能较好地吻合.     

基于BP神经网络的彩色温度软测量

基于高温物体的温度不同,与之相对应通过数码相机摄取的高温物体的颜色也不同,提出一种神经网络的图像颜色测温方法.选取RGB模型的R、G和B作为模式特征向量,用BP网络拟合高温物体的颜色和温度之间的非线性关系.实验结果表明,该方法精度高,运行速度快,切实可行.     

基于改进BP神经网络的航空液压油软测量

BP 神经网络越来越多地被应用于软测量建模中,与传统方法相比,BP神经网络进行信息处理可以减少数据的分析和建模工作,但也存在易于陷入局部最小值和初始权值随机选取的缺陷问题;为了解决传统BP神经网络存在的缺陷,文中在数据预处理过程中引入主成分分析法(PCA),在BP网络输入权值时引入遗传算法(GA),最终达到弥补BP神经网络缺陷的目的;详细介绍了改进算法的流程与步骤,将改进的BP神经网络应用于航空液压油的软测量,先是对航空液压油软测量参数进行分析,包括辅助变量的选择和数据预处理,然后进行基于改进型BP神经网络的建模与仿真实验;实验结果表明,基于改进BP神经网络的航空液压油软测量效果优于传统神经网络,具有更强的泛化能力,因此可进行更广泛的应用。     

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。     

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,在子模型建立时将前一时刻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.     

基于神经网络的生化池污水毒性软测量

文中叙述了污水中有毒物质对活性污泥的有毒效应(即生化池污水毒性)及其对整个污水生化处理系统的影响.通过分析有毒污水对生化池相关参数的影响,提出了基于径向基函数(RBF)神经网络的软测量方法.并从工程应用角度将人工神经网络软测量方法应用于生化池污水毒性指标的实时检测.在永和污水厂的试用中证明了这种方法的有效性.     

基于RBF神经网络的湿蒸汽干度软测量模型

针对汽驱采油中湿蒸汽干度测量精度过低的问题，采用砒lF神经网络来建立湿蒸汽干度软测量模型，采用最小正交二乘法确定网络隐层节点数以及训练网络输出数值，并在实际运行中采用在线校正环节。所建立模型具有良好的逼近精度，在辽河油田的试用中证明了这种方法的有效性。     

基于GA-BP神经网络的产品质量安全风险预警研究

为了解决大数据环境下产品质量风险预警的人工智能化,论文设计了一种基于遗传算法改进BP神经网络算法的产品质量安全风险预警方法.根据产品质量检测项目的风险权重不同,论文建立了基于GA-BP神经网络的质量安全风险预警模型.以智能门锁产品的检测数据进行风险预警实验,实验结果表明该预警方法提高了风险预警的精度和学习效率.