神经元网络软测量技术的研究进展

讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术，计算机通信、虚拟仪器及WWW结合的应用实例，目前，在构造软仪表方面，成功地应用于实际生产过程中的神经网络主要有向BP网络和RBF网络，此外还有融合模糊技术的神经网络算法，数据处理仍是一个十分重要的问题，此外，现有的在线校正方法十分有限，应发展更多更新的方法以适应复杂工业系统控制的要求，同时，将软测量技术与系统调优结合起来，变开环指导为闭环控制，使其有更广泛的应用推广。     

软测量技术在打浆过程中的应用

在制浆生产过程中,打浆度是一个很重要的控制参数;针对打浆过程中打浆度难于实时在线测量的问题,建立了一种基于改进BP算法神经网络的软测量模型;首先对实际生产中的原始数据,经过误差剔除及滤波处理后得到一套训练数据和校验数据样本,然后采用改进BP算法神经网络进行训练,加快了网络收敛速度。得到了打浆度的非参数模型;实践表明,该打浆度的神经网络模型能对打浆度进行较精确的预测,并为后续进行过程控制和优化控制、提高打浆质量提供了良好的基础。     

软测量技术在SMB色谱分离过程中的应用

针对SMB色谱分离过程中组分纯度难于实时在线测量的问题,建立了一种基于BP神经网络的软测量模型。首先对实际生产中的原始数据,经过过失误差剔除及滤波处理后得到一套训练数据和校验数据组成训练样本,然后采用BP神经网络进行训练,得到组分纯度的非参数模型。为加快网络收敛速度,采用改进BP算法对其进行训练。在MATLAB工作平台上进行了大量的仿真研究,对该模型进行验证,仿真结果表明,该方法的有效性。     

基于神经元网络模型的城市用水量预测

根据城市用水量的影响因素及特点，基于BP神经网络，建立了一种综合多元分析特点和时间序列分析的动态水量预测模型．经沈阳市实例验证，该模型预测误差小，可满足供水系统调度的实际需要．     

神经元网络软测量技术的进展

软测量技术已经在过程控制理论研究和实践中产生了广泛的影响，但是目前尚未形成系统的理论。近年来神经元网络软测量技术有了一定发展，在训练算法和建立模型方面都取得了可喜的进展。讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术、计算机通信、虚拟仪器及WWW结合的应用实例。     

基于模糊免疫算法的溶剂脱水塔软测量

在实数编码免疫算法的基础上引进了模糊控制技术,对免疫算法中的两个关键参数实现了模糊自适应调整,很好地解决了基本免疫算法中收敛精度低和寻优速度慢的缺点。模糊免疫算法被用于优化BP神经网络的结构和参数。结果表明,不但网络的结构得到控制,而且泛化性能有了较大的提高;同时,算法在优化神经网络上的有效性也在溶剂脱水塔醋酸浓度软测量建模中得到很好地证实。     

基于改进CS-BPNN的松茸发酵过程软测量建模

针对松茸发酵过程中关键参量难以实时在线检测的难题,提出了一种基于改进布谷鸟算法（CS）与改进BP神经网络（BPNN）相结合的松茸菌丝生物量软测量建模方法。首先采用两阶段动态发现概率法对传统CS进行改进,平衡CS的全局搜索与局部搜索能力;然后引入附加动量和动态调整学习率对BPNN进行改进,提高BPNN参量的修正精度;最后,通过CS算法获取BPNN的初始权值和阈值,并由权值修正公式（附加动量与动态学习率相结合）对权值进行动态修正。仿真结果表明,改进的CS-BPNN软测量模型在预测精度提高了6%以上,能够实现松茸发酵过程实时在线测量的需求。     

基于神经元网络的间歇反应釜智能控制器的设计

本文运用人工神经元网络，对间歇反应釜的温度控制系统设计一种新型的智能控制器，即基于神经元网络的直接自适应控制器。仿真结果表明，运用这类控制器可以得到满意的控制效果     

基于神经网络的通用软测量技术

基于神经网络的通用软测量技术１）王旭东邵惠鹤（上海交通大学自动化研究所上海２０００３０）关键词软测量,ＲＢＦ神经网络,竞争学习,精馏塔．１）国家自然科学基金资助项目．收稿日期１９９６－１２－０３１引言目前建立软测量模型有多种方法,但是还缺乏通用性,通...     

基于多神经网络模型的石脑油干点软测量

应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值。同时为了克服因炼制原油性质无法及时获得而造成对初顶石脑油干点预测偏差的影响,在于模型建立时将前一时刘初顶石脑油干点分析值作为网络模型的自变量。实际应用表明,所建模型具有良好的预测精度,泛化能力强,效果令人满意。     

基于SVR的燃煤机组NOX含量的软测量模型

作为火电厂燃煤脱硝工作的基础,选择性催化还原(SCR)脱硝反应器入口氮氧化物(NO_X)含量的测量至关重要。针对难以准确现场实时测量NO_X含量的问题,提出了基于回归型支持向量机(SVR)的软测量模型。首先对SCR反应器生成NO_X的过程进行机理分析,并结合相关性分析、主成分分析等数据处理方法选取辅助变量,然后基于回归型支持向量机算法建立模型,最后运用BP神经网络对模型进行检验,解决了SCR反应器入口NO_X的含量的难以准确预测问题。为SCR反应器入口NO_X含量的实时、准确测量打下基础。     

分布式RBF神经网络及其在软测量方面的应用*

本文首先改进了竞争学习算法，并且在此基础上提出了递阶聚类的思想，然后利用这种思想得到了一种分布式ＲＢＦ（Ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ）神经网络。文章最后将这种网络应用于建立精馏塔成分估计的软测量模型。利用精馏塔的现场操作数据进行仿真，效果很好。     

选矿过程神经网络粒度软测量方法的研究

结合选矿厂磨矿分级作业的实际工矿, 提出了基于RBF网络的粒度软测量的设计方法. 仿真和实际试验结果表明, 该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题.     

选矿过程神经网络粒度软测量方法的研究

结合选矿厂磨矿分级作业的实际工矿,提出了基于RBF网络的粒度软测量的设计方法.仿真和实际试验结果表明,该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题.     

基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

针对海洋溶菌酶（Marine Lysozyme,ML）发酵过程菌体浓度在线检测难以实现,离线测量不能反映发酵过程当前变化等问题,提出了一种基于改进磷虾群—自适应模糊神经网络软测量（HLKH-ANFIS）建模方法。首先利用自适应莱维飞行策略对传统KH进行改进,从而提升算法的全局搜索能力;同时利用跳变技术（HOT）对KH算法位置更新公式进行改进,提高算法的局部寻优能力,然后利用改进的KH算法对自适应模糊神经网络反馈进行优化,改善其过度修正和计算量大的问题;最后建立基于HLKH-ANFIS的海洋溶菌酶发酵过程菌体浓度软测量预测模型,仿真分析表明：相较于KH-ANFIS预测模型,HLKH-ANFIS模型的误差较小,具有更好的预测能力,能够满足ML发酵关键参量的在线预测需要。     

基于灰关联分析方法

针对一致关联度算法不具有普遍性和动态改变惯性权的自适应粒子群算法(DCW)不易跳出局部收敛能力的缺陷,本文提出了完全关联度算法和自适应变异的动态粒子群优化算法。完全关联度算法主要用来选择软测量的辅助变量。在改进的粒子群优化算法中,除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子。为了构造一种性能较好的神经网络,采用改进的粒子群优化算法来优化神经网络所有的权值参数,并将提出的软测量建模方法预测延迟焦化的汽油干点,实验结果表明,与DCW算法优化神经网络(DCWNN)的建模方法相比,该算法不仅具有较好的泛化性能,而且具有较高的精度和良好的应用前景。     

基于神经网络的污水处理软测量模型研究应用

以某大型集成式小区污水处理为背景,为保证回用出水达标,需对排放污水进行检测.以出水总氮为主要检测指标,提出了基于遗传算法联合径向基函数神经网络的软测量模型,利用已知的进水数据来预测出水总氮.通过模型仿真结果表明,预测值和实测值能较好地吻合.     

一种改进BP网络及其在智能传感器非线性校正中的应用

主要分析了神经网络存在的一些缺陷,研究了一种改进BP神经网络学习算法的相关技术,设计并实现了一种改进型BP神经网络算法,并将其应用于智能传感器的非线性自校正系统。通过在某无人机机载高度传感器上试验研究,证明了这种算法的可靠性、先进性、稳定性。