基于RBF神经网络的球磨机负荷软测量

分析了球磨机负荷测量的现状,提出了基于并行RBF神经网络测量制粉系统球磨机磨筒内负荷的软测量方法,给出了相应的系统结构和算法.现场实测数据计算实例显示了该方法良好的测量性能.     

基于互信息和IGSA优化ELM的重整芳烃收率软测量

芳烃收率是催化重整生产过程中一个重要的产品质量指标。针对芳烃收率难以在线测量的问题,提出一种基于互信息(MI)和改进引力搜索算法(IGSA)优化极限学习机(ELM)的芳烃收率软测量建模方法。首先利用MI技术对输入变量进行特征提取及降维处理,确定软测量模型的辅助变量;其次通过引入序列二次规划法(SQP)和混沌变异策略,构建一种具有良好全局寻优性能的改进引力搜索算法,并利用该算法优化极限学习机的隐层阈值及输入权值参数,优化目标同时兼顾模型输出均方根误差和输出矩阵条件数的最小化,建立起基于IGSA优化ELM的芳烃收率软测量模型;最后应用该模型对某炼化企业催化重整装置的芳烃收率进行预报研究,结果表明,该软测量模型具有较高的预测精度和可靠性能。     

基于DSP的磨机负荷检测仪的研制

介绍了基于DSP的磨机负荷检测仪的研制。首先对磨机负荷检测方法进行研究，对系统的硬件和软件组成进行了分析。该检测仪通过采集磨机转动时的噪声信号来判断磨机筒内负荷，是水泥厂、发电厂等场合检测磨机负荷的灵敏、准确、标准化仪器。     

基于频域分解的房间冷负荷建模及软测量技术

准确的实时冷负荷是空调运行过程节能的基础,传统的冷负荷计算方法复杂费时,无法满足实时调控的要求。软测量是一种先进的方法,但由于房间冷负荷无法直接测量,因此基于样本数据无法实现软测量模型的参数辨识。针对冷负荷软测量技术的这一瓶颈问题,通过冷负荷的机理分析与建筑能耗仿真软件模拟数据的分析,发现冷负荷在频域中集中分布在以一天为周期的频率点及其二次三次谐波上,利用冷负荷这一频域特性本文提出了一种基于房间温度响应的冷负荷实时软测量技术。该方法通过频域分解,选择不含冷负荷的频域段进行蓄热过程的参数辨识,从而避开了辨识过程对无法实测的实时冷负荷真实值的依赖。基于可测的空调供冷量、房间温度和辨识得到的蓄热系数,就可以利用房间热平衡方程进行冷负荷建模并实现其软测量。通过在建筑能耗仿真平台上的仿真及实际房间的实测实验表明,该方法可以快速有效地实现房间实时冷负荷的软测量,相对于基于机理分析或软件计算的方法更具实用性,同时本方法也为其他难测变量的软测量技术提供了借鉴思路。     

低定量纸张水分的软测量方法

低定量纸张水分的软测量方法张明君皮道映孙优贤汪晓峻（浙江大学工业控制技术国家重点实验室杭州３１００２７）０引言纸张的定量和水分是纸张质量的两个重要指标，但至今国内仍没有生产出可靠的低定量纸张水分在线测量仪，这已成为设计实施低定量纸质量控制系统的严重...     

基于PSO-SVM的关键生物参数软测量方法研究

微生物发酵过程中一些关键生物参数难以实时在线测量,严重影响发酵的优化控制。为解决关键生物参数的测量难题,采用了一种基于PSO-SVM的软测量方法。该方法利用粒子群优化(PSO)算法优化选择支持向量机(SVM)的最佳参数,并建立了基于PSO-SVM的软测量模型。利用赖氨酸发酵的数据对模型进行仿真验证,结果表明该模型具有很好的学习精度和泛化能力。另外在建模耗时上,PSO-SVM算法所用时间远少于标准SVM算法所用时间。     

基于神经网络软测量的动态流量测量方法研究

文章以圆管中的粘性流体为研究对象,分析了管道中压差、温度、速度的变化对动态流量的影响,设计出了用于软测量建模的RBF神经网络结构;与此同时,还设计了动态流量测量管,并在伺服阀动态性能试验台上采集了相关数据,其间采用超声波类时差法测量了流速信息;利用采集的数据基于NeuroSolution软件对RBF网络进行了学习训练、检验和测试,最后建立了动态流量的软测量模型;通过将流量预测曲线与实测曲线相对比,结果发现该软测量模型具有很高的逼近精度,它可为动态流量的测量提供一条新的途径.     

基于径向基神经网络的明渠流量软测量方法

为克服现有明渠流量测量方法在监测自动化、测量准确度、测量成本和适用范围等方面存在的不足,在新兴的大尺度粒子图像测速(large-scale particle image velocimetry,LSPIV)技术的框架下,设计了一种基于径向基神经网络(radial basis function neural networ...     

基于自适应FLSVM的赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型随着时间的推移而出现的模型老化现象,提出一种基于增量学习的自适应模糊支持向量机软测量建模方法.它首先将输入空间中的样本映射到高维特征空间,然后根据样本偏离超平面的程度赋予不同的模糊隶属度,建立模糊支持向量机软测量模型,并在模型投入现场运行后,通过一种改进的增量学习算法在线更新模型参数以自适应获得更加准确的软测量模型.以L-赖氨酸流加发酵过程为例,验证了所提算法能够从过程的第2批次开始对关键生物量参数(菌丝浓度和基质浓度)进行较准确的在线预测,与普通的模糊支持向量机建模方法相比具有较高的预测精度和自适应性.     

中速磨存煤量软仪表监测

利用混沌运动初值敏感性,能在一定范围内按其自身规律不重复的遍历所有状态获取全局最优值的特点,在电厂现有的DPU中编程实现基于混沌优化BP网络的中速磨存煤量软仪表。离线训练与计算机仿真结果表明,本软仪表具有可行性和有效性,对实际生产具有指导意义。     

球磨机动态载荷谱的研究与测试

球磨机动态载荷谱是对球磨机进行动态设计、故障诊断的主要依据之一。文中对球磨机所受连续分布载荷进行分析简化，推导出载荷与传递函数、响应之间的关系表达式。由锤击法测取Φ４００×４００球磨机对应点的传递函数，经转换得球磨机的载荷谱，得到了球磨机动载荷在频域中的能量分布情况。文中对连续分布载荷作用下的载荷谱的识别作了有益的探讨，对球磨机动载荷的研究与测试得出了一些有工程价值的结论     

钢球磨煤机出口温度软测量方法

针对火电厂制粉系统的钢球磨煤机出口温度难于测量的问题,提出了运用软测量方法测量其温度值的方法,并利用所建模型对系统进行了仿真,仿真结果较好。     

基于PCA和多变量极限学习机的轴承剩余寿命预测

提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。     

基于耦合算法的类人机器人模仿学习控制方法

为提高类人机器人模仿学习的准确性及效率,建立了一种改进的粒子群算法优化超限学习机的模仿学习模型。采用非线性动态系统对示教时的相关数据进行建模;以动态自适应策略改进粒子群算法的惯性权重,并利用改进后的粒子群算法对超限学习机的网络参数进行寻优;利用该耦合学习模型对模仿学习动态系统的参数进行学习,并重现了模仿学习动作。实验结果表明,该耦合算法应用在类人机器人模仿学习方面具有很好的拟合精度、自适应性及泛化能力,重现模仿学习动作时的平均误差为0.0172。     

陶瓷球磨机研磨体对筒体作用载荷分析与计算

基于球磨机研磨体运动的散体理论,对陶瓷球磨机研磨体的运动形态进行了分析,并着重计算了工作状态时研磨体对筒体作用的载荷,确定了载荷作用区间,得出了载荷沿筒体截面的区间分布函数。分布函数可以用于对球磨机进行应力应变分析的有限元方法之中施加边界条件。     

采用鱼群算法进化极限学习机的假肢步态识别

为提高下肢假肢步态识别的准确性,提出一种基于鱼群(fish swarm,简称FA)算法优化极限学习机(extreme learning machine,简称ELM)的模式识别方法。首先,提取张量投影特征,分析了特征值选取的合理性;其次,采用主成分分析法降维;最后,利用鱼群算法进化极限学习机分类识别平地行走、上楼、下楼、上坡及下坡5种步态,识别准确率达到97.45%。通过实验比较了该算法与极限学习机等分类器在假肢步态分类上的识别准确率与识别时间,结果表明,FA-ELM方法识别准确率优于其他方法。     

基于粒子群算法的冷连轧机轧制负荷分配优化

利用粒子群算法设计了一种冷连轧轧制负荷分配的优化方法。根据某1450五机架冷连轧机生产工况,以压下量分配为自变量,以轧制力成比例分配为目标函数,将压下量分配的约束条件作为惩罚项,建立惩罚函数。通过粒子群多代运算,求出罚函数值最小点,得到压下负荷最佳分配点。实验证明,粒子群算法在轧制负荷分配计算中,具有算法实现简便、运算速度快、收敛性好等优点,可以作为一种冷连轧轧制负荷分配的新方法加以推广。     

基于二元多尺度熵的滚动轴承退化趋势预测

针对轴承振动信号随机噪声干扰大、多尺度熵表征轴承退化趋势偏差大的问题,提出了一种基于二元多尺度熵的滚动轴承退化趋势预测方法。首先对滚动轴承振动信号进行局部特征尺度分解,采用多元多尺度熵理论对二阶信号进行计算,提取了二元多尺度熵特征。然后采用互信息法和假近邻法对算法中的嵌入维数和延迟向量等参数进行了优化。最后采用极限学习机预测模型对二元多尺度熵退化趋势曲线进行预测,并对比了不同激活函数的预测性能。结果表明,相对于传统多尺度熵,二元多尺度熵偏差较小;激活函数为sigmoid时极限学习机模型预测精确度较高。