神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值,由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸收力的研究领域,它将辅助变量作为神经网络的输入,将一导变量作为输出,通过训练网络来实现主导变量在线估计,对基本于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发     

软测量模型的建立

软测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；也就是说软测量是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计。本文介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，同时还给出了建立一个完整的软测量模型的步骤。     

基于模糊推理的软测量对储粮状态的预测

针对粮情测控系统中的粮食状态难以在线直接测量的问题,研究了工业测量和控制过程中的软测量技术.通过分析水分传感器、温度传感器及湿度传感器所测量的二次变量的结果,利用神经网络和模糊推理技术来实现智能化粮情测控过程中粮食的状态及其变化趋势的估计.     

基于模糊推理的软测量对储粮状态的预测

针对粮情测控系统中的粮食状态难以在线直接测量的问题，研究了工业测量和控制过程中的软测量技术、通过分析水分传感器、温度传感器及湿度传感器所测量的二次变量的结果，利用神经网络和模糊推理技术来实现智能化粮情测控过程中粮食的状态及其变化趋势的估计．     

气液两相流流型的ECT软测量技术

提出一种基于ECT技术的气液两相流流型判别软测量模型．以ECT传感器输出中提取的特征参数作为软测量模型中的辅助变量，气液两相流的流型作为模型中的主导变量，利用人工神经网络建立了主导变量和辅助变量之间的数学关系，进而实现对气液两相流流型的在线判别，仿真结果表明，此方法判别精度高、判别速度快，为两相流流型的在线辨识提供了一种有效的手段。     

基于径向基神经网络的沙浆浓度软测量方法

采用基于神经网络的软测量方法来测量充填系统中的沙浆浓度,充分体现了软测量的优点及神经网络的强分类能力,是测量沙浆浓度较为优良的方案,能保证整个充填系统的可靠运行,并可消除传统的在线仪表测量方法中存在的投资大、检测范围有限、精度差等弊端。     

灰色软测量在介质填充率检测中的应用研究

通过对磨矿过程原理的分析，提出了基于径向基（RBF）网络的软测量方法，对以往无法在线检测的球磨机关键参数——介质填充率进行实时估计．针对现有软测量辅助变量选择方法存在的问题，结合灰关联分析理论，提出了一致关联度算法，并应用该算法实现了介质填充率软测量建模中辅助变量的选择．仿真结果表明，该软测量方法估计的平均相对误差保持在0．7％以下，可满足实际需要．同时，一致关联度算法可以准确的提取变量间的相关性，是一种有效的辅助变量选择方法．     

污水处理出水水质指标的非线性动态软测量模型

由于缺乏稳定可靠的水质在线分析仪表,污水处理厂很难实现实时水质闭环控制和操作优化.通过选择污水过程中容易获得的进水流量和水质、溶解氧浓度、曝气氧量等辅助变量,提出一种基于PLS的多变量非线性动态多模型软测量建模方法.该方法基于有源自回归（Auto-Re-gressive with extra inputs,ARX）模型与模糊C-均值（Fuzzy C-Means,FCM）聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS（Neural Net Partial Least Square）,建立多个非线性子模型拟和系统全局非线性.所提方法应用于某污水处理厂出水水质组分浓度软测量,仿真试验结果表明：该方法建立的多变量出水水质指标模型精度优于传统线性PLS模型.     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

基于自组织随机权神经网络的BOD软测量

针对污水处理复杂系统中关键水质参数生化需氧量( biochemical oxygen demand,BOD)难以准确实时预测的问题,在分析污水处理过程相关影响因素的基础上,提出一种基于敏感度分析法的自组织随机权神经网络( self-organizing neural network with random weights,SONNRW)软测量方法。该方法首先通过机理分析选取原始辅助变量,经过数据预处理,之后采用主元分析法对辅助变量进行精选,作为SONNRW的输入变量进行污水处理关键水质参数BOD的预测。 SONNRW算法利用隐含层节点输出及其权值向量计算该隐含层节点对于残差的敏感度,根据敏感度大小对网络隐含层节点进行排序,删除敏感度较低的隐含层节点即冗余点。仿真结果表明：该软测量方法对水质参数BOD的预测精度高、实时性好、模型结构稳定,能够用于污水水质的在线预测。     

基于BP人工神经元网络的软测量方法

在实际化工生产过程中，存在许多参数难以或无法用仪表直接检测，同时它们又需要加以严格控制，因此实际需要促进了软测量技术的产生和发展，而用神经网络为建立测量的模型，比其他方法有着不可比拟的优点，近年来，随着科技的进步，又出现了神经网络结合其他方法的软测量方法，如神经网络与最小二乘法相结合，神经网络与模糊数学相结合，在实际应用中都得到了很好的效果，本文采用PCA改进的BP算建立了盐酸浓度的软测量模型，仿真结果表明，这个模型提高了测量精度加快了训练速度。     

Variable cluster analysis method for building neural network model

To address the problems that input variables should be reduced as much as possible and explain output variables fully in building neural network model of complicated system, a variable selection method based on cluster analysis was investigated. Similarity coefficient which describes the mutual relation of variables was defined. The methods of the highest contribution rate, part replacing whole and variable replacement are put forwarded and de-duced by information theory. The software of tbe neural network based on cluster analysis, whicb can provide many kinds of metbods for defining variable similarity coefficient, clustering system variable and evaluating variable clus-ter, was developed and applied to build neural network forecast model of cement clinker quality. Tile results show that all the network scale, training time and prediction accuracy are perfect. The practical application demonstrates that the method of selecting variables for neural network is feasible and effective.     

基于BP网络微位移传感器误差修正研究

对微位移传感器非线性误差的修正存在诸多问题,该误差是提高微位移传感器测量精度的＂瓶颈＂。本文介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP神经网络传感器非线性误差校正对测量数据进行修正。修正结果表明该方法是准确有效的,而且网络结构简单,准确度高。     

BP人工神经网络在加氢汽油干点软测量中的应用研究

汽油干点是石油加工过程中汽油质量的一个重要指标,但实际生产中还没有合适的可用于实时测量这一参数的仪器,本文运用软测量技术,通过BP人工神经网络建立了软测量模型,并嵌入到DCS控制系统中对汽油干点进行实时预测和推断,在实际应用中取得了良好的预测效果.     

基于Lagrange乘子法神经网络求解弹塑性力学有限元问题

根据人工神经网络的基本优化机理,研究了基于Lagrange乘子法神经网络求解弹塑性力学有限元问题.该神经网络对弹塑性力学有限元问题模型的不等式约束直接进行处理,无需添加松弛变量,降低了网络模拟和硬件实现的复杂程度.还分析了该神经网络的收敛性和稳定性.最后对一个简单弹塑性问题进行了数值仿真,计算结果表明了该神经网络求解弹塑性力学有限元问题的可行性.     

基于Lagrange乘子法神经网络求解弹塑性力学有限元问题

根据人工神经网络的基本优化机理，研究了基于Lagrange乘子法神经网络求解弹塑性力学有限元问题．该神经网络对弹塑性力学有限元问题模型的不等式约束直接进行处理，无需添加松弛变量，降低了网络模拟和硬件实现的复杂程度．还分析了该神经网络的收敛性和稳定性．最后对一个简单弹塑性问题进行了数值仿真，计算结果表明了该神经网络求解弹塑性力学有限元问题的可行性．     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

利用数据融合方法实现通风机流量软测量

针对现场缺乏大管径风量准确测量有效手段的问题,利用软测量和数据融合的方法,建立了多个基于统计分析的风量软测量模型,并将多传感器数据融合技术应用到软测量的数据处理上,有效提高了软测量预测值的可靠性和准确性。最后通过在一个实际的风机上的应用,仿真验证了基于数据融合的风量软测量模型的有效性。