MAGA-WNN模型在明胶浓度软测量中的应用

胶液浓度的测量在明胶的生产过程中是一项很重要的任务,为解决明胶浓度胶液手工检测中存在的滞后时间长、测量误差大等实际问题,将软测量技术应用到明胶的浓度测量中。通过对明胶生产工艺的分析,采用小波神经网络建立软测量模型,利用混合变异自适应遗传算法对模型参数进行优化。用现场采集并归一化后的120组数据做仿真实验,其中80组作为训练,40组作为预测。仿真结果表明,该算法迭代67次后误差平方和低于0.01并趋于稳定。证明混合变异自适应遗传算法可增强小波神经网络模型的鲁棒性和提高收敛速度。所以该算法用于明胶浓度的软测量中是可行的。     

RBF神经网络在菌体细胞浓度软测量中的应用

针对微生物发酵过程中菌体细胞浓度难以实时在线检测的问题,提出了一种基于径向基函数（RBF）神经网络的软测量模型,采用了可调基函数宽度的计算方法,提高了RBF网络的自适应性及泛化能力,为复杂系统中生物量参数的检测提供了一条有效途径。仿真结果表明了该方法的可行性和有效性。     

FVS-KELM方法在化工过程软测量建模中的应用

针对强非线性、复杂的化工过程软测量建模问题,提出一种基于特征向量选取(FVS)与核极限学习机(KELM)结合的方法.通过核方法将输入数据映射在高维空间,选出一组最大无关的数据向量作为特征空间,并将原始数据投影在该特征空间上,形成新的输入数据,基于KELM建立软测量模型,KELM无须设定网络隐含层节点的数目,以核函数表示...     

协同进化算法及在软测量建模中的应用

综合基本微粒群优化算法（Particle Swarm Optimization,PSO）和模拟退火（Simulated Annealing,SA）算法,提出了一种新型的协同进化方法（SAPSO）。通过PSO和SA两种算法的协同搜索,可以有效地克服微粒群算法的早熟收敛。用SAPSO训练神经网络,并将其用于延迟焦化装置粗汽油干点和高压聚乙烯熔融指数的软测量建模。与几种常见建模方法比较,结果表明该软测量模型具有更高的测量精度和更好的泛化性能,能够满足现场测量要求。     

稀土萃取过程组分含量的RBF软测量建模

稀土萃取分离过程的自动控制一直是稀土工业急待解决的关键难题,要实现稀土萃取分离过程的自动控制,首先必须解决串级萃取槽中各稀土组分含量的在线检测,而传统的检测又有很大的问题,软测量技术在稀土萃取过程控制中的应用研究开始活跃起来。该文是基于RBF网络的稀土萃取过程组分含量进行软测量建模的研究。     

支持向量机在中药浓缩浓度软测量中的应用

针对中药浓缩过程中浓缩液浓度估计问题,提出了支持向量机的软测量建模方法。分析了中药浓缩过程及工艺,选择6个过程变量作为辅助变量,用支持向量回归的方法建立软测量模型,并利用过程数据进行参数寻优和校验。利用优化后的模型对中药浓缩过程浓度进行了预测,通过数据验证了模型的学习性能和泛化性能。结果表明建立的软测量模型实现了对中药浓度较为精确的预测,使用支持向量机方法建模用于小样本学习,计算速度快,具有较强的泛化性。     

小波变换的数据预处理在软测量建模中的应用

数据驱动的软测量建模的基础是大量可靠而准确的工业现场数据,因此数据预处理是软测量建模的重要任务。提出将小波系数软硬阈值折中方法应用于去除噪声干扰所产生的随机误差,即通过增加一个权值的应用,以综合软阈值和硬阈值两种方法的优点。仿真实验和工业实例应用证明了该方法的可行性和有效性。     

核函数方法及其在软测量建模中的应用研究

软测量技术对实施工业过程先进控制与优化具有重要的作用。介绍了几种新的基于核函数方法的软测量建模技术,并提出了针对复杂工业过程的混合核函数软测量建模方法。工业萘初馏塔酚油含萘量软测量应用表明,这类方法具有非线性处理能力强、精度高及模型推广能力好的特点。     

基于LS-SVM的乙醇浓度软测量在酵母生产中的应用

在酵母生产过程中,乙醇浓度是一个很重要的控制参数,但目前的检测手段多为离线人工测量,不能实现乙醇浓度的测控自动化,是束缚生产效率的重要原因。本文采用最小二乘支持向量机(LS-SVM)方法进行回归估计,完成了对乙醇浓度的软测量。试验结果表明基于LS-SVM的软测量方法可以很好地实现乙醇浓度在线自动测量。     

动态偏最小二乘在软测量建模方法中的应用

在工业生产过程中,一些重要的过程变量由于技术或经济等方面的原因无法在线测量得到。软测量技术将自动控制理论与生产过程知识有机结合,通过构建数学模型,基于一些容易测量的变量间接获得无法直接测量的变量。软测量技术不仅为关键过程变量的预测提供了一种实时测量的方法,而且有助于优化控制。动态偏最小二乘法(DPLS)以其优良的性能,被广泛应用于软测量建模。对基于动态偏最小二乘的软测量技术进行详细研究。针对将传统动态偏最小二乘软测量方法应用于传输延迟大的系统模型中存在的局限性,采用降维的方法加以解决。在合成橡胶生产过程中,转化率是表征聚合反应进程的一项重要的质量指标参数。通过对丁苯橡胶聚合转化率的仿真表明,该动态偏最小二乘方法可以为存在复杂时变的系统提供更优的关键过程变量预估。     

基因表达式编程在CO2转化率软测量建模中的应用

选择合成塔温度(中部)、NH3/CO2、H2O/CO2、出口液CO2、Ur组分百分含量共5个变量作为模型辅助变量,将基因表达式编程(GEP)算法用于某氮肥厂中压联尿装置CO2转化率的软测量建模,GEP挖掘获得的最佳公式经F检验表明其高度显著(F=23800>>Fα=3.08,α=0.01)。用该公式对98组验证集预测,均方误差MSE=0.0038,绝对误差的最大值MAXAE为0.3753;对110组预测集预测,MSE=0.0025,MAxAE仅为0.1549,表明用GEP建立的软测量模型具有良好的预测准确性。     

无迹卡尔曼滤波器在催化剂失活软测量建模中的应用

双酚A缩合反应过程中,离子交换树脂催化剂活性会随着使用时间增加及反应热的作用不断降低。为实现对催化剂活性的在线估计,本文针对某工业双酚A生产装置的反应过程,研究了催化剂的失活规律,并提出根据反应器的轴向温度分布来建立催化剂活性的状态方程及观测方程,再运用无迹卡尔曼滤波算法进行在线估计。仿真结果表明,这种基于反应机理及无迹卡尔曼滤波算法建立的催化剂活性模型估计精度较高,在双酚A生产应用中是有效的。     

混合核函数PLS建模方法及在软测量中的应用

针对核函数方法中单个核函数的局限性,以及PLS非线性处理能力差的特点,提出混合核函数PLS建模方法,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局部和全局核函数,兼具局部和全局特性,并可以通过参数调节局部和全局核函数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,进而适合具有不同数据特征的工业过程。工业丙烯腈收率软测量建模的应用表明,混合核函数PLS软测量模型具有较好的数据适应性和非线性特性,满足了工业应用要求。     

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。     

基于ISVM 的软测量建模及其在PX 生产中的应用研究

针对软测量模型存在的失效问题．提出一种基于增量支持向量机的建模方法．随着时问的推移．每次在模型中增加一个样本进行增量学习的同时,采用启发式策略去掉工作集中一个老的样本,从而可以在软测量模型中不断增加能够代表新工况信息样本的同时控制工作样本集的规模．将所提出的软测量建模方法用于二甲苯（PX）吸附分离过程纯度的预测．结果表明所提出的建模方法以及样本替换策略可以有效地增强软测量模型适应工况变化的能力,提高其预测的精度．     

软测量在电石生产中的应用

针对电石生产中比电阻难于测量的问题,从工艺上对这一关键参数加以分析,提出了采用线性回归分析的方法来建立其软测量模型的方法与步骤,并且在实际中以其为控制目标加以应用,现场的反馈数据表明这种软测量方法在电石生产中是行之有效的。     

状态观测器在软测量中的应用

状态观测器在现代控制理论的应用中,主要是用来对系统中不可测量状态进行估计或重构.由于有着非常完善的理论研究体系,在考虑将状态观测器用于解决软测量中的应用问题时,可以利用丰富的理论研究成果,构造一种良好的系统结构,以充分保证软测量过程具有较好的稳定性和良好的收敛速度.     

基于小波去噪的神经网络软测量在血糖浓度估计中的应用

由于皮下间隙液葡萄糖的易测性和测量过程中传感器感染血液的低风险性, 皮下间隙液一直是血糖监测的首选位置. 但皮下间隙液葡萄糖浓度的变化总是滞后于血糖浓度的变化, 而且测量过程中会引入噪声, 不能准确地估测血糖值, 针对这一问题提出了一种基于小波去噪的神经网络软测量方法. 该方法先对与血糖相关的一些辅助变量进行去噪处理, 然后用来训练神经网络, 建立血糖软测量模型. 通过对1号、2号成年人采集的仿真数据进行实验, 结果表明, 运用该方法得到的测量结果比皮下间隙液葡萄糖值具有更小的均方根误差、更好的信噪比、以及更小的测量延时.     

基于潜在特征选择性集成建模的二噁英排放浓度软测量

二噁英(Dioxin,DXN)是导致城市固废焚烧(Municipal solid waste incineration, MSWI)建厂存在“邻避现象”的主要原因之一. 工业现场多采用离线化验手段检测DXN浓度, 难以满足污染物减排控制的需求. 针对上述问题, 本文提出了基于潜在特征选择性集成(Selective ensemble, SEN)建模的DXN排放浓度软测量方法. 首先, 采用主元分析(Principal component analysis, PCA)分别提取依据工艺阶段子系统及全流程系统过程变量的潜在特征, 并依据预设贡献率阈值进行特征初选; 接着, 采用互信息(Mutual information, MI)度量初选特征与DXN间的相关性, 并自适应确定再选的上下限及阈值; 最后, 采用具有超参数自适应选择机制的最小二乘−支持向量机(Least squares — support vector machine, LS-SVM)算法建立多源特征的候选子模型, 基于分支定界(Branch and bound, BB)优化和预测误差信息熵加权算法进行集成子模型的优化选择和加权组合, 进而得到软测量模型. 基于某MSWI焚烧厂DXN检测数据仿真验证了所提方法的有效性.     

一种改进细菌觅食优化算法及其在软测量建模中的应用

针对软测量建模中模型参数的优化需求,在分析细菌觅食优化算法(BFOA)和粒子群优化(PSO)算法的基础上,将二者有机结合,提出了一种新型细菌觅食粒子群混合优化算法(BSOA)。该算法将PSO粒子移动的思想引入BFOA,有效解决了BFOA趋向性操作中细菌位置更新的盲目性。将其分别用于典型函数的寻优与成品油研究法辛烷值最小二乘支持向量机(LSSVM)模型参数的优化,仿真结果表明:该方法有效增强了算法的全局寻优能力与收敛速度,并在一定程度上改善了模型的预测精度与泛化能力。