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。     

基于QGA-LSSVM的醋酸乙烯聚合率软测量建模

针对最小二乘支持向量机(LS-SVM)在建立醋酸乙烯(VAC)聚合率软测量模型过程中最优模型参数的选择问题,提出了利用一种量子遗传算法来自动选取LS-SVM模型正则化参数和核函数参数的方法;把LS-SVM模型参数的选择问题转化为优化问题,利用全局搜索能力强的量子遗传算法优化LS-SVM建模过程的重要参数,建立了基于QGA-LSSVM方法的VAC聚合率软测量模型;仿真结果表明:与已有的神经网络和支持向量机软测量方法相比,该模型泛化能力强,精度高,更有利于醋酸乙烯聚合率测量工程实际运用。     

丁二酸发酵过程的软测量建模研究

生物转化法生产丁二酸的间歇厌氧发酵过程存在明显的不确定性和高度非线性,其中某些参数(如丁二酸浓度)难以在线检测,给过程优化策略的有效实施带来了障碍.最小二乘支持向量机(LS-SVM)是标准支持向量机(SVM)的一种扩展,遵循结构风险最小化原则.将该算法用于丁二酸发酵过程建模.用具有RBF核函数的LS-SVM建立丁二酸浓度的模型,并通过MATLAB 7.0开发工具和径向基(RBF)人工神经网络的建模方法进行比较.结果表明LS-SVM方法比基于RBF神经网络的软测量建模方法降低了83.7%的外推误差,具有更好的泛化能力,使针对丁二酸浓度的在线预估与优化控制成为可能.     

基于LS-CSO优化MWLS-SVM的SO2排放浓度软测量建模

针对石灰石-石膏湿法烟气脱硫过程最小二乘支持向量机（LS-SVM）建模中存在的噪声和辅助变量差异性对模型的影响,提出一种混合加权最小二乘支持向量机（MWLS-SVM）的建模方法。该建模方法对辅助变量进行加权,以降低各辅助变量对模型的差异性影响,并采用样本局部异常因子,对模型经验风险项进行加权处理,以提高模型的逼近和泛化能力,同时提出一种局部搜索竞争粒子群（LS-CSO）算法优化MWLS-SVM模型参数和特征权重。分别采用直接加权最小二乘支持向量机（DWLS-SVM）、LS-SVM和MWLS-SVM三种方法对湿法烟气脱硫SO₂排放浓度建立软测量模型,采用LS-CSO优化模型参数,实验结果表明MWLS-SVM模型在预测精度和泛化能力表现上明显优于LS-SVM和DWLS-SVM。     

基于贝叶斯回归LS-SVM的非线性系统观测

基于回归最小均方支持向量机(LS-SVM),针对一类单输入单输出不确定非线性控制系统,提出了一种新的观测器的设计方法.在这个算法中,主要假设LS-SVM的最优逼近参数向量和标称参数向量之差的范数和逼近误差的界限是未知的.LS-SVM的最终解可以化为一个具有线性约束的二次规划问题,不存在局部极小;考虑到LS-SVM本身参数对LS-SVM性能的影响,文中利用贝叶斯证据框架对LS-SVM的参数进行优化和软测量建模,从而提高LS-SVM的逼近能力.理论研究和仿真例子证实了所提方法的可行性和有效性.     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

基于LS-SVM逆模型的青霉素发酵软测量方法

针对青霉素发酵过程中的某些关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线测量的问题,提出一种基于最小二乘支持向量机(LS-SVM)逆模型的软测量方法。该方法用具有高斯核函数的LS-SVM,离线建立被测对象的静态非线性逆模型。由静态非线性逆模型外加若干表征非线性动态特征微分器,构成了非线性系统的逆系统,将此逆系统串联在原发酵系统之后,得到"线性化"的伪线性系统。仿真结果表明,该方法能够对青霉素发酵过程中不可在线测量的关键变量进行预测,且达到了较高的测量精度。     

基于改进LS-SVM的制粉出力软测量建模

针对火电厂双进双出钢球磨煤机制粉出力较难直接测量的问题,拟建立其最小二乘支持向量机(LS-SVM)模型实现软测量.由于LS-SVM算法缺乏“稀疏性”,采用经Remez算法优化后的FIR数字滤波器与LS-SVM相结合,形成一种新的软测量建模方法——FIR-LSS-VM.仿真结果表明,经Remez优化后的FIR滤波效果更好.将该软测量方法应用于火电厂双进双出钢球磨煤机直吹式制粉系统,通过现场实验对比可知,改进的软测量模型学习速度较快且误差较小,更加适用于在线学习.     

基于LS-SVM的水泥熟料煅烧过程f-CaO软测量研究

针对水泥厂熟料质量指标f-CaO含量难以在线测量的问题,提出一种基于最小二乘支持向量机(LS-SVM)的软测量建模方法。仿真实验研究表明,最小二乘支持向量机建模具有良好的学习能力和泛化性能,且对数据样本的依赖程度低,是一种有效的软测量建模方法。给出的以DCS系统和SQL数据库为基础,通过Visual C 6.0编程的软测量实现方案,符合国内水泥厂实际情况,易于实现。建立的软测量模型和给出的软仪表实现方案对于保证水泥熟料质量和实现回转窑烧成系统的优化控制具有重要意义。     

基于双自适应AIS-PSO的瓦斯浓度软测量模型

为解决煤矿单传感器瓦斯浓度预测精度不足的问题,将自适应人工免疫系统(AIS)与自适应粒子群(PSO)相结合,建立多参数并行双自适应AIS-PSO算法的瓦斯浓度软测量模型。通过分析煤矿井下环境参数对瓦斯浓度监测的影响,将矿井下温度及风速等环境参数作为软测量模型输入,上隅角瓦斯浓度作为模型输出。利用并行双自适应AIS-PSO算法对最小二乘支持向量机(LS-SVM)的核参数σ和正则化参数γ进行寻优,并与PSO-LSSVM、LS-SVM结果进行对比。结果表明:PSO-LSSVM平均相对误差为5.5083%,LS-SVM平均相对误差为8.6883%,并行双自适应AIS-PSO软测量模型的平均相对误差为2.0165%,最小相对误差为1.194%,与另两种方法相比具有较高的预测精度和泛化能力。     

基于改进型Elman神经网络的智能吹灰程控系统

基于改进型Elman神经网络,建立了电站锅炉受热面污染在线监测软测量模型,为锅炉吹灰优化策略提供了理论依据。将软测量模型与传统吹灰程控系统融合所形成的智能吹灰程控系统采用模块化方法构建,集灰污在线监测、数据分析、信息管理和优化指导、控制功能一体化。该系统有助于加强吹灰管理,指导运行人员及时、合理吹灰、优化吹灰,达到提高机组安全性和经济性的目的。     

丁苯橡胶单体转化率在线检测系统研究及应用

针对丁苯橡胶生产过程中,单体转化率化验结果滞后这一突出问题,研究了一套丁苯橡胶单体转化率在线检测系统。该检测系统以胶浆密度和单体转化率的对应关系为检测原理,将现场分析器技术和软测量模型技术结合应用。通过在现场安装密度、温度检测仪表,配合软测量模型,实现了单体转化率的在线测量。工业应用表明：检测系统测量精度高、结构简单、日常维护量低,使用寿命长,设备投资低,短期即可收回投资成本,具有很强的推广应用价值。     

Online quality prediction for cobalt oxalate synthesis process using least squares support vector regression approach with dual updating

Online measurement of the average particle size is typically unavailable in industrial cobalt oxalate synthesis process, soft sensor prediction of the important quality variable is therefore required. Cobalt oxalate synthesis process is a complex multivariable and highly nonlinear process. In this paper, an effective soft sensor based on least squares support vector regression (LSSVR) with dual updating is developed for prediction the average particle size. In this soft sensor model, the methods of moving window LSSVR (MWLSSVR) updating and the model output offset updating is activated based on model performance assessment. Feasibility and efficiency of the proposed soft sensor are demonstrated through the application to an industrial cobalt oxalate synthesis process.     

基于LabVIEW实现的非正弦电力系统参数检测

针对目前电力系统电压、电流波形畸变,导致大多数以工频标准正弦波为测试对象而设计的有功功率和功率因数测量仪表测量精度下降的实际情况,开发一种基于虚拟仪器技术的新型电力参数检测系统;采用LabVIEW软件作为系统的开发平台,并采用了频率软跟踪技术,简化了硬件电路,可实现快速、在线、准确测量各项电力参数,实时分析电能质量,显示、打印、保存测试结果,并可实现远程监测;实际表明:该系统电路结构简单、集成度高、测量准确、性能稳定.     

Velocity measurement of pneumatically conveyed particles through digital imaging

A digital imaging based method for measuring the velocity of pneumatically conveyed particles is described in this paper. The measurement system consists of a laser sheet for illumination, a CCD camera for particle image acquisition, and bespoke image processing software. By controlling the exposure time of the camera, blurred images of moving particles are captured, which contain velocity information of the particles. The relationship between the motion blur length and the particle velocity is established using a lens model of the camera. To improve the robustness of the system to noise in the acquired particle images, a traveling wave equation (TWE) method is used to estimate the motion blur length and then deduce the particle velocity. In addition to computer simulations experimental work on a free fall particle flow rig and pneumatically conveying test rig is carried out. The results indicate that the proposed method is feasible for the velocity measurement of pneumatically conveyed particles.     

虚拟样机技术在FPSO系泊力监测系统设计中的应用

针对难以直接测量FPSO软刚臂系泊系统受力的问题,在对软刚臂系泊系统运动特性进行分析的基础上,提出基于姿态响应的系泊力间接测量方案,通过测量系统角度变化计算系泊力.用Adams建立系泊系统虚拟样机模型,将通过角度变化计算得到的系泊力与仿真得到的系泊力进行对比,两者吻合较好,验证设计方案的正确性.通过在FPSO现场的实施证明测量方案的可行性.     

探针式传感器测试系统设计及数据处理算法研究

为了提高线源模型的工程应用效率,文中研究和探讨了基于线源模型的探针式传感器测试系统和数据处理的算法,首先简要的介绍了探针式传感器制作原理,其次基于无线传感器Sun SPOT,研究探针测试系统的设计,并在测量电路上提出了一种新的线性电桥测试电阻的方案;在数据处理上,采用反问题分析方法,提出了一种新的求解算法一区间粒子算法...     

Neural networks for the identification and control of blast furnace hot metal quality

The operation and control of blast furnaces poses a great challenge because of the difficult measurement and control problems associated with the unit. The measurement of hot metal composition with respect to silica and sulfur are critical to the economic operation of blast furnaces. The measurement of the compositions require spectrographic techniques which can be performed only off line. An alternate technique for measuring these variables is a Soft Sensor based on neural networks. In the present work a neural network based model has been developed and trained relating the output variables with a set of thirty three process variables. The output variables include the quantity of the hot metal and slag as well as their composition with respect to all the important constituents. These process variables can be measured on-line and hence the soft sensor can be used on-line to predict the output parameters. The soft sensor has been able to predict the variables with an error less than 3%. A supervisory control system based on the neural network estimator and an expert system has been found to substantially improve the hot metal quality with respect to silicon and sulfur.     

基于FPGA的光栅地震检波器信号处理研究

光栅地震检波器是基于光栅检测技术设计的一种新型数字传感器,基于单片机的光栅地震检波器信号处理速度较慢,现场可编程门阵列FPGA时钟频率高,内部延时小,硬件资源丰富,在控制数据采集、转换等方面有着单片机和DSP所无法比拟的优势。为了提高光栅地震检波器的测量精度和分辨力,该文进行了基于FPGA的光栅地震检波器信号处理研究,并将软件细分原则应用于信号处理系统中。该系统基于硬件描述语言Verilog和PicoBlaze软核进行设计,在有效地减小电路板面积的同时,可实现数据的快速采集和高精度测量。     

FPGA的空间容错技术研究

基于SRAM的FPGA对于空间粒子辐射非常敏感,很容易产生软故障,所以对基于FPGA的电子系统采取容错措施以防止此类故障的出现非常重要.通过对敏感电路使用三模冗余(TMR)方法并利用FPGA的动态可重构特性,可以有效的增强FPGA的抗单粒子性能,解决FPGA对因空间粒子辐射而形成的软故障.