软测量思想与软测量技术

在剖析软测量基本思想以及实例的基础上,对基于软测量基本思想形成的传统意义软测量以及扩展软测量两种技术及应用进行了分析与对比,并预测了可能出现的其它形式扩展软测量。结果表明,两种技术基本思想相同,也具有许多相似的模型建立方法,但传统意义软测量反映的是对象的输出与输入、部分可测的输出之间的关系,而扩展软测量是以对象的输入、输出为软测量模型的输入、输出,且能预测还有一种以对象的待测输人为软测量模型的输出、以对象的输出及部分可测的输人为软测量模型输入的扩展软测量形式。     

基于误差修正的菌体浓度软测量

针对机理模型中参数易受环境影响,结果常常不准,而数据模型对于复杂系统外推能力差的情况,提出了以机理模型为基础,以数据模型为补充,利用数据模型对机理模型的预测结果进行误差修正的方法.将该方法用于菌体浓度的预测,误差修正模型采用RBF神经网络,包含了影响菌体浓度的主要理化因素:温度、溶解氧和pH,以实际测量值为目标对该网络进行训练.训练好的神经网络用来对机理模型的输出进行修正.试验数据表明该方法能有效提高菌体浓度的预测精度.     

基于神经网络的电机转矩软测量研究

径向基函数神经网络（RBFNN）具有最优逼近和全局逼近的特性，在函数拟合方面优于传统的BP网络，将在化工领域广泛使用的软测量技术应用于电机系统的转矩测量，该方法的可行性进行了论证，并运用RBF神经网络建立转矩的软测量模型。同时建立了基于BP神经网络的软测量模型，用改进的kvenberg—Marquardt算法对BP神经网络进行学习和训练，并对两种网络进行了对比。该方法只需要电流信息，辨识方法简单。研究表明，RBF神经网络辨识效果优于BP神经网络。     

基于极限学习机的软测量建模方法研究

针对极限学习机方法隐层神经元数目过多的缺陷,提出一种改进的极限学习机方法.在单隐层前向神经网络的隐层中增加一类分类神经元,从而形成了一种新的单隐层神经网络结构.利用分类神经元将学习样本进行分类,针对不同类样本,利用相同的隐层神经元分别计算隐层输出矩阵,进而获得输出连接权值,使得隐层神经元数目大大降低.隐层神经元数据的降低提高了神经网络的计算速度,为其在软测量建模技术中的应用提供了有效的途径.将这一方法应用于导盘轧制过程中,建立了导盘转速的软测量模型,实现了导盘转速的在线预估.     

基于人工神经网络的固相质量流量软测量研究

采用弯管法测量稀相气固两相流中固相质量流量时,固相流量与其影响因素（压差、流量系数、气固混合密度等）之间存在着复杂的非线性关系,给粉体的精确测量带来困难。利用人工神经网络优良的非线性映射能力,建立了一个基于BP网络固相质量流量软测量模型,并以实验数据为样本对网络进行训练,实现对固相质量流量的在线估计,与实验结果吻合较好,为稀相气力输送中固相质量流量在线测量提供了一种简单、可靠的新方法。     

基于CSSE-OSELM算法的软测量建模及其工业应用

针对软测量建模样本的特性,提出一种基于布谷鸟选择性集成学习的在线贯序极限学习机(CSSE-OSELML)软测量建模方法。首先,以多个OSELM组合成集成学习的框架,并给每个OSELM赋予权重并设定阈值,借助于布谷鸟算法(CS)从中选择出满足阈值条件的OSELM个体,重新组合成集成学习的子集。最终以该子集建立软测量模型,进行集成学习并做加权处理。以UCI标准数据集进行测试,同时对加氢裂化反应分馏塔航煤干点进行验证,仿真结果表明,该算法优于传统的方法,具有更高的预测精度和稳定性能。     

基于Kalman算法的软测量技术在电池容量检测中的应用

针对如何在线准确检测实际工作中发射车车载电池容量,提出了一种基于Kalman算法的软测量方法。首先,建立蓄电池数学模型,选择可测、易测的辅助变量,利用Kalman算法建立软测量模型;然后,使用试验数据,通过参数辨识求解软测量模型;最后,利用Matlab软件对该模型进行仿真以及现场试验。结果表明:采用Kalman算法的软测量技术减少了电池应用过程中的电流累积误差,提高了电池容量的检测精度。     

水煤浆的粒度测量技术

本文介绍了水煤浆中微细颗粒粒度测量的方法和工作原理 ,并对这些方法在实际测量中存在的问题进行了分析 ,探讨了粒度测量的发展方向。     

基于ISOMAP-ELM的软测量建模及化工应用

针对化工生产反应过程复杂,难以直接建立对应的机理模型,提出了一种基于ISOMAP-ELM的软测量模型。将等距离映射与极限学习机结合,通过等距离映射对输入数据进行降维,消除输入数据的共线性,在低维空间提取更具代表性的特征分量,最后对特征分量采用极限学习机训练,以此建立软测量模型。验证结果表明,所提出算法与传统的基于ELM以及基于欧式距离降维的MDS-ELM模型相比,具有更高的预测精度,模型的均方误差仅为0.28,软测量模型的命中率达到94%,对化工生产具有一定的指导意义。     

基于多项式混沌理论的不确定度评定与分析

针对基于ISO GUM提供的测量不确定度评估方法所存在的局限,提出了采用多项式混沌方法进行测量结果不确定度评估的新方法。分析了GUM测量不确定度评估方法所隐含的假设条件,给出了多项式混沌方法的测量不确定度评估原理。通过GUM与多项式混沌方法扩展不确定度包含因子估计误差的数值计算表明,当随机变量的PDF不满足高斯分布时,多项式混沌估计方法所获得的扩展不确定度更能反映实际情况。     

基于多项式模型的半球谐振陀螺温度漂移建模

在半球谐振陀螺工作过程中,环境温度的变化是不可避免的.温度的变化影响陀螺的结构和谐振频率,导致陀螺产生漂移,为了提高半球谐振陀螺的精度,根据温度漂移和温度变化的相关性,本文利用回归理论对温度漂移数据进行分析,建立了半球谐振陀螺温度偏置漂移的多项式数学模型,实验表明,多项式模型能够有效的补偿半球谐振陀螺的温度偏置漂移.     

基于神经网络的混凝土断裂参数灰色软测量

断裂能和断裂区长度作为骨料的重要参数无法通过常规方法进行检测,基于神经网络提出了一种新的软测量方法,采用灰关联分析作为软测量建模中辅助变量选择的工具,对土木工程中常用的混凝土弯曲梁的断裂能和断裂区长度进行预测,结果表明,该方法具有较高精度,可满足实际需要。     

反馈精英鲸鱼优化算法优化LSSVM的热耗率软测量建模

提出一种基于反馈精英鲸鱼优化算法(FEWOA)和最小二乘支持向量机(LSSVM)的综合建模方法。首先,针对鲸鱼优化算法(WOA)寻优精度低的问题,提出了反馈精英WOA算法,通过精英策略对当前最优解进行变异操作以避免算法陷入局部最优解;同时,在鲸鱼位置更新后期增加反馈阶段,提高算法的全局搜索能力。数值仿真实验验证了FEWOA算法的优越性。在此基础上,提出了基于FEWOA优化LSSVM的热耗率软测量模型。最后采用某汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,将FEWOA-LSSVM模型预测结果与其它模型预测结果相比较,结果表明,FEWOA-LSSVM预测模型更能准确地预测汽轮机的热耗率。     

基于模糊规则分类的分布式RBF网络软测量模型

本文提出了一种利用基于模糊规则分类的分布式RBF网络来建立软测量模型的方法。该方法不但使样本数据的分类更加合理 ,而且在确定输入数据相对于各子网的隶属度时 ,计算量大大降低 ,从而提高了网络的估计速度。     

基于动态自由能磁滞模型的GMM-FBG电流传感器磁滞建模与参数辨识

为解决GMM-FBG电流传感器中存在的磁滞非线性和涡流损失问题,提出了一种耦合涡流损失模型的动态自由能磁滞模型,采用非线性遗传算法对该模型进行参数辨识和优化,提高了模型在工频下对磁滞曲线的预测精度.搭建了 GMM-FBG电流传感器实验平台,利用所建的磁滞模型对传感系统进行建模补偿和实验验证.实验结果表明该模型能够较好地...     

阵列光电传感器的非线性校正

阵列光电传感器在接近饱和时表现出非线性,但是可以通过阵列传感器的线性区的系数外推得到修正,而且只需在一个波长位置测得曝光量与A/D转换值的响应曲线,将能够推广到任意波长位置。为此,利用最小二乘法进行多项式拟合和软件的非线性校正,在同等硬件配置的条件下,增加了线阵传感器的线性区,延拓了传感器的动态范围。在整个动态范围内,系统测量误差可以减少到±2%。此非线性校正方法也非常适用于光电阵列传感器的光谱仪生产厂的强度定标校正。     

基于阵列超声传感器的气液界面检测

利用超声波声束对两相流参数检测的优点,使用阵列超声传感器探究了气液界面下的超声波声束和液面的关系。实现了超声波声束对整个气液界面的参数检测,测量了静态气液界面高度,实现动态超声波声束对分层流气液界面的重构。并在河北大学多相流循环装置进行实验验证,实验结果表明,阵列超声波声束可以实现对气液界面高度检测,可分辨最小2mm气液界面高度;重构图像的截面含气率和高速相机拍摄得到的截面含气率误差不超过4%。     

基于ECT的占空比可调双阵列传感器设计

针对传统的ECT传感器占空比固定不可调节,不能改变测量极板与管道中心的距离,被测物体在管道内位置和大小变化不能选择合适的占空比,而不能得到效果更佳的重建图像。提出了一种占空比可调的新型传感器系统,占空比可从101调节到61,为了解决这种传感器系统无法加入径向基板引起相邻极板间耦合电容的干扰,设计了一种在测量极板与屏蔽罩之间加差分电极的系统,差分电极与测量电极同步调节。实验结果表明,管道内被测物体所在位置、大小不同时,选择的占空比也会不同,这种传感器系统可快速调节合适的占空比,得到最佳的成像效果,图像误差减小至0.25,相关系数提升至0.80。