烟叶复烤区温度与排潮率的解耦控制仿真研究

烟叶复烤是香烟生产中的一个重要的环节,复烤过程中温度、水分直接影响了复烤后的烟叶指标和后续烟叶的制丝、打包等工序,复烤干燥区是一个复杂多变量强耦合系统。为了获得较好的控制效果,针对云南某复烤厂仅控制温度而未考虑与湿度的耦合性,并且其控制效果不佳的问题,通过采集大量现场数据,在获得干燥区排潮率软测量模型和温湿度动态模型的基础上,采用前馈解耦控制方法进行了干燥区温度与排潮率的控制仿真研究。仿真研究结果表明,干燥区温度与排潮率的前馈解耦控制与未解耦PID控制相比,具有较好的控制效果。     

LabVIEW多元线性拟合技术在烟叶复烤排风口空气绝对湿度软测量中的应用研究

在烟叶复烤过程中,各干燥区排风口处空气绝对湿度的准确测量与判断其烟叶中的水分是否合格有密切关系。实际中,虽然在排风口处安装有湿度仪,但由于其周围环境温湿等影响,会使测量结果存在误差。为了提高其测量准确性,本文利用虚拟仪器LabVIEW平台,通过调用读取电子表格子VI,将现场采集到的数据存取到数组中,然后利用广义最小二乘线性拟合子V I,对采集到的数据进行多元线性拟合,并找出软测量预测模型的最佳参数,以实现对排风口绝对湿度的预测或校正。     

一种用于软测量建模的增量学习集成算法

针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, 并能够较好地实现在线更新.

     

基于软测量的醋酸精馏过程串级预测控制策略

针对醋酸精馏控制中,产品成分无法在线检测并且对产品质量采用温度间接控制存在控制精度低的问题,提出一种基于在线更新小波核函数极限学习机软测量的DMc预测控制策略,其中,在线更新的小波核函数极限学习机软测量实现了塔底醋酸浓度的实时检测,仿真结果表明,在线更新模型的预测精度比离线模型提高52%。将上述在线更新的软测量应用于塔底醋酸浓度闭环预测控制系统中,实现对塔底醋酸浓度的直接质量控制,该系统采用DMc作为醋酸浓度控制器,其输出量作为再沸器蒸汽流量控制器的设定值,与再沸器流量控制构成串级调节系统。控制系统仿真结果表明,该软仪表具有良好的在线预测性能,预测控制系统控制精度高、可以实现产品质量的卡边控制。     

机制砂空隙率软测量模型构建及试验研究

机制砂的空隙率是衡量混凝土性能的重要指标。空隙率的在线检测能够提升混凝土性能。现有的测量方法无法对机制砂空隙率进行在线检测。因此,提出一种通过动态图像法建立软测量模型,进而实现空隙率在线检测的方法。首先,采用基于动态图像法原理构建的机制砂形态测量平台来采集机制砂图像。然后,计算机制砂的关键形态参数,选择合适的软测量模型算法。最后,构建并比较不同软测量模型的预测性能。对比结果显示,随机森林模型的准确率最高,预测值和试验值最大误差为0.6%。相较于传统方法,该方法可在机制砂生产线中在线检测空隙率,有效提升混凝土性能。     

叶片复烤机回潮控制的改进

为解决华环国际烟草有限公司SCF型叶片复烤机下机烟叶水分的波动问题,提出在三间潮房的蒸汽管道上加装压力传感器检测进入各个潮房的蒸汽压力,对第一间潮房和第二间潮房实行蒸汽压力自动控制,将潮房的温度控制和下机烟叶水分控制有机地结合起来.     

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,小波神经网络比RBF神经网络,具有较好的泛化能力,建立了多输入单输出和多输入多输出锂萃取率软测量模型.     

基于振动频谱的磨机负荷在线软测量建模

针对磨机负荷(ML)软测量模型难以适应磨矿过程的时变特性,模型需要依据工况实时在线更新的问题,基于磨机简体振动频谱,通过递归主元分析(RPCA)和在线最小二乘支持向量回归机(LSSVR)的集成,提出了ML参数(料球比、矿浆浓度、充填率)在线软测量方法.首先,针对训练样本,采用主元分析(PCA)分别提取振动频谱在低、中、高频段的谱主元;然后以串行组合后的谱主元为输入,采用LSSVR方法构造ML参数离线软测量模型;最后,采用旧模型完成预测后,应用RPCA及在线LSSVR算法分别递归更新模型的输入和模型的回归参数,从而实现了ML软测量模型的在线更新.实验结果表明,该软测量方法与其它常规方法相比具有较高的精度和更好的预测性能.     

基于WinCC的SO2转化率在线软预测及校正研究

针对冶炼烟气制酸中SO2转化率很难直接在线测量,采用多元线性回归(MLR)方法建立SO2转化率的软测量模型,并对MLR模型进行了校正研究,以提高SO2转化率的预测精度.为了便于工程应用,以目前国内外主流的西门子WinCC(Windows Control Center)为监控平台,采用VBS(Microsoft Visual Basic Script Editon)脚本将SO2转化率MLR软测量模型及其校正算法嵌入WinCC中,实现了及时在线预测SO2转化率的目的,为指导生产提供了依据.     

污水处理出水水质软测量建模研究

污水水质参数监测技术是限制实时在线控制的一个重要因素。本论文进行了基于神经网络软测量技术的污水处理出水水质软测量建模的研究,目标是解决污水处理厂重要出水水质指标因人工化验检测而产生的严重滞后问题,以实现污水处理出水水质的预测及控制。     

基于HC900的润叶机控制系统设计

本文主要讨论Honeywell公司HC900控制器在润叶机控制系统中的应用。结合润叶机的工艺需求和特点以及烟叶的性质，详细分析了烟叶的水份和温度控制方案，设计了润叶机控制系统。本系统已应用在云南某复烤厂，取得了较好的控制效果，降低了劳动强度，提高了经济效益。     

面向精细化打叶复烤的管控系统的分析研究

介绍了精细化打叶复烤下控制系统新的需求变化和特点,针对目前传统打叶复烤控制系统存在的问题,研究、分析了自动化控制系统的发展和适应性,以及打叶复烤线控制系统的架构和主要内容,为原烟的分类加工、精细化加工、数字化管理提供了控制系统方面的研究基础.     

烟片复烤机流量恒定控制的设计应用

为了解决目前烤片机入口流量未知,对烤片机性能指标控制不理想的问题。对以往烤片线工艺路径及控制方式进行了改进：在仓式喂料机与烤片机之间增加了一台控制型电子皮带秤。通过控制电子皮带秤皮带转速与仓式喂料机陡角带转速,实现了烤片机入口流量恒定控制的目的,经过设备长时间的稳定运行表明;该控制方式是成功的,烤片机可以按照设定流量稳定的运行,为复烤厂的工作进度及计划安排提供了一个可靠的依据,提升了烤片机的控制性能。     

OMRON位移检测传感器在烟片复烤机中的应用

介绍了OMRON位移检测传感器与PLC的控制相连接而组成的自动控制系统,它对烟片复烤机的运动部件重要部位进行连续检测,实现机械系统故障的报警和控制,完善烟片复烤机的自动控制功能,提前预测机械设备的状态,避免损失。     

基于PB的复烤烟箱打包信息系统的实现

结合云南某复烤厂烟箱打包工段装箱烟叶信息管理系统开发过程,介绍一种利用PowerBuild-er数据库应用程序开发平台和Dream Weaver网页制作平台联合开发C/S和B/S相结合的信息管理系统。整个系统的主要数据都由电脑自动采集完成,所有装箱烟叶的工艺参数都在数据库中存档备案,并且进行条码管理,为烟叶出厂后的质量追踪提供可靠的依据,使液压打包工段的自动化程度得到大幅度的提升。     

基于KPCA-LS-SVM的工业锅炉烟气含氧量预测

排烟含氧量是评价燃烧过程好坏和锅炉优化运行的重要指标,也是调节最佳风煤比的主要依据。针对工业锅炉氧量计使用受限的问题,提出一种混合的软测量方法:。为了提高烟气含氧量的软测量预测精度,本文分析与烟气含氧量有关的锅炉运行变量,从中确定8个,并采用核主成分析法进行参数处理,整合冗余,降低维数。经处理后得到的6个主成分,其累计贡献率达95.522%,以此作为最小二乘支持向量机软测量模型的输入。在此基础上,通过划分网格来改进交叉实验法,进而优化最小二乘支持向量机的2个参数。经优化得到的误差参数γ和径向基核函数参数σ~2分别为90.3和239.6,模型具有较高的训练精度。最后对某循环流化床锅炉进行建模仿真,利用采集的数据,分别建立最小二乘支持向量机、核主成分分析的最小二乘支持向量机和BP神经网络3种模型。应用3种模型对烟气含氧量进行预测,并采用3个模型性能指标进行对比分析。结果:表明,基于核主成分分析的最小二乘支持向量机的工业锅炉烟气含氧量模型,在小样本条件下学习更加有效,建模采样过程更快,预测精度更高。该模型有助于实现工业锅炉烟气含氧量在线软测量。     

Artificial neural networks for water quality soft-sensing in wastewater treatment: a review

This paper aims to present a comprehensive survey on water quality soft-sensing of a wastewater treatment process (WWTP) based on artificial neural networks (ANNs). We mainly present problem formulation of water quality soft-sensing, common soft-sensing models, practical soft-sensing examples and discussion on the performance of soft-sensing models. In details, problem formulation includes characteristic analysis and modeling principle of water quality soft-sensing. The common soft-sensing models mainly include a back-propagation neural network, radial basis function neural network, fuzzy neural network (FNN), echo state network (ESN), growing deep belief network and deep belief network with event-triggered learning (DBN-EL). They are compared in terms of accuracy, efficiency and computational complexity with partial-least-square-regression DBN (PLSR-DBN), growing ESN, sparse deep belief FNN, self-organizing DBN, wavelet-ANN and self-organizing cascade neural network (SCNN). In addition, this paper generally discusses and explains what factors affect the accuracy of the ANNs-based soft-sensing models. Finally, this paper points out several challenges in soft-sensing models of WWTP, which may be helpful for researchers and practitioner to explore the future solutions for their particular applications.

     

基于神经网络的软测量技术及应用

软测量是一门新兴的工业技术，它借助现代估计理论构造模型推断出工程上难以检测的变量。本文提出了基于径向基函数神经网络（RBFNN）的软测量技术，并且结合工艺机理分析和过程数据关联，对其在轻柴油凝固点软测量的应用进行了研究。结果表明，RBFNN的良好的非线性动态建模能力使其在软测量中具有很大的应用潜力。