软测量过程中的若干建模方法研究

针对软测量方法中的核心问题建立软测量估计模型进行系统研究,分别采用线性回归、主元回归、部分最小二乘方法进行建模,通过MATLAB仿真,实验结果表明软测量方法的可行性,并进一步验证部分最小二乘方法建模的准确性.     

人工神经网络的软测量技术在发酵过程中的应用

针对在生物发酵过程中一些关键参数难以在线测量的问题，介绍了工业过程先进控制系统中的软测量技术。讨论了利用人工神经网络的两种典型结构实现发酵过程中关键参数(如细胞浓度、基质浓度、产物浓度)在线测量的软测量方法。     

基于自适应自然梯度法的高斯过程磨矿粒度软测量建模

针对现有的磨矿粒度测量仪表检测周期长,难以满足实时检测的问题,结合典型两段式磨矿回路的特点,提出了基于高斯过程(Gaussian process,GP)的磨矿粒度软测量建模方法,将自适应自然梯度(adaptive natural gradient,ANG)法应用到对高斯过程超参数优化过程中,构建基于ANG-GP磨矿粒度软测量模型,并分别与BP神经网络和支持向量机软测量模型进行仿真试验的比较研究。结果表明：基于ANG-GP的磨矿粒度软测量方法优于其他2种方法,且具有较高预测精度,能有效地对磨矿粒度进行在线检测,表明了该方法的有效性。     

动态流量软测量建模方法研究

为了解决工业中动态流量测量困难的问题,引入软测量方法对动态流量进行测量.考虑BP算法建立软测量模型时收敛速度慢,易陷局部极小等不足,提出一种经遗传算法优化的BP网络进行软测量建模,用遗传算法先确定BP网络的网络结构和参数,将训练一定次数后得到的连接权值作为遗传计算的初始值,再用遗传算法确定BP网络的最优连接权值,最后把用BP算法训练得到的网络用于建模.文中对在燕山大学液压实验室采集的数据进行仿真,实验结果表明这种改进的建模方法在模型的训练速度和精度上有了较大的改善.     

高炉炼铁过程数据驱动软测量技术研究综述（英文）

在高能耗、高污染、极为复杂的冶炼过程中,高炉是极为重要的反应器。软测量技术是在线实时预测反映高炉能耗和运行稳定性质量指标的关键技术,在节能减排、提高产品质量和带来经济效益方面发挥着重要作用。随着物联网、大数据和人工智能的发展,高炉炼铁过程中的数据驱动软测量技术受到越来越多关注,但目前尚无关于高炉炼铁过程数据驱动软测量技术的系统性总结与评价。本文详细总结了高炉炼铁过程数据驱动软测量技术的最新研究成果与发展现状。具体而言,首先对高炉炼铁中使用的各种数据驱动软测量建模方法（如多尺度方法、自适应方法、深度学习等）进行了全面分类总结与分析。其次,对高炉炼铁中数据驱动软测量技术的应用现状（如硅含量、熔铁温度、气体利用率等）作对比分析。最后,展望了数据驱动软测量技术在高炉数字孪生、多源信息融合、碳达峰与碳中和等方面的潜在挑战和未来发展趋势。     

微生物生长过程中菌体浓度的软测量

菌体浓度是微生物生长过程中关键的质量指标,作者利用ＲＢＦ神经网络建立了微生物生长过程中菌体浓度的软测量模型,探讨了软测量模型的动态校正方法,通过仿真验证了该方法的有效性。     

基于混合多神经网络的软测量建模研究

对多神经网络的建模方法进行探讨,并将线性模型结合在多神经网络中,对多神经网络进行改进,仿真结果表明其泛化能力得到了提高.     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

基于水分软测量的抄纸过程DCS控制

采用软测量方法实现了纸张水分的在线估计,设计了一套由浓度控制、气垫式流浆箱控制、定量水分控制三个子系统组成的经济实用的抄纸过程ＤＣＳ控制系统。该系统已投入运行,经济效益明显。     

A novel multimode process monitoring method integrating LDRSKM with Bayesian inference

A local discriminant regularized soft k-means (LDRSKM) method with Bayesian inference is proposed for multimode process monitoring. LDRSKM extends the regularized soft k-means algorithm by exploiting t...     

基于LS-SVM棉针织物前处理工艺指标软测量

该文针对棉针织物前处理过程工艺指标吸水性和白度难以实现在线连续检测,且与前处理过程温度、时间、液碱浓度、双氧水浓度等影响因素具有较强非线性,难以建立精确数学模型。在分析了棉针织物前处理过程质量指标相关影响因素的基础上,采用最小二乘支持向量机建立了前处理过程工艺技术指标软测量模型,并通过实验验证了软测量模型的有效性。     

基于径向基函数神经网络的硫酸质量分数检测

针对烟气制酸中的酸浓在线难以准确检测的问题,提出了一种基于软测量技术的在线检测酸浓方法。通过对现场生产数据的采集和预处理,建立了基于径向基函数神经网络的软测量模型;再利用实验平台对该模型进行了验证。实验结果表明:该模型可以得到较精准的硫酸质量分数,能有效地指导生产,具有良好的应用前景。     

热力参数软仪表在电厂热工过程中的应用

针对火电厂热力参数失效、优化运行的问题,提出了基于支持向量机的软仪表.仿真表明,支持向量机方法与较为典型的RBF神经网络相比有着明显的优势,这样的热力参数软仪表的建立对于电厂的经济运行有着重大的意义.     

Soft sensor design for hydrodesulfurization process using support vector regression based on WT and PCA

A novel method for developing a reliable data driven soft sensor to improve the prediction accuracy of sulfur content in hydrodesulfurization(HDS) process was proposed. Therefore, an integrated approach using support vector regression(SVR) based on wavelet transform(WT) and principal component analysis(PCA) was used. Experimental data from the HDS setup were employed to validate the proposed model. The results reveal that the integrated WT-PCA with SVR model was able to increase the prediction accuracy of SVR model. Implementation of the proposed model delivers the best satisfactory predicting performance(EAARE=0.058 and R2=0.97) in comparison with SVR. The obtained results indicate that the proposed model is more reliable and more precise than the multiple linear regression(MLR), SVR and PCA-SVR.     

OSC—PLS方法用于渣油裂解装置的软测量建模

渣油裂解反应中，影响沥青产率的因素多，反应机理十分复杂，难以建立准确的机理模型。采用基于正交投影的正交信号校正（OSC）算法对输入变量测量数据进行预处理，剔除数据中所含的与待测变量如浓度、收率等无关的噪声信息；再实施OSC与偏最小二乘（PLS）回归相结合的OSC-PLS方法，建立渣油裂解装置沥青产率的软测量校正模型。结果显示：模型精度和稳定性较非线性方法均有显著提高，而且模型所需PLS成分数减少，模型更简洁。     

基于某工程实践的软基处理监测检测研究

以芜湖市某冲压地沟软基处理过程的监测及检测结果为研究对象,分析了该区地基处理后的地表沉降、孔隙水压力、深层土体水平位移、现场十字板剪切、室内土工试验等监测与检测数据。     

加氢裂化数学模型的研究

以某炼油厂年产80×10