基于改进回声状态网络的游离氧化钙预测控制

在非线性时延水泥烧成系统中,针对传统预测控制方法调节时间长、控制精度不高的问题,提出一种改进的在线型回声状态网络预测控制模型。首先将带有L1范数约束项的递归最小二乘法与回声状态网络相结合构建在线型预测模型,解决传统预测控制模型辨识精度较低、无法进行实时预测的问题;然后基于改进的回声状态网络预测模型,构建预测控制模型结构,并采用具有全局优化能力的粒子群算法进行滚动优化,保证实际输出量快速、准确、平稳地跟随被控量的设定值;最后利用改进的预测控制模型对水泥烧成系统中的游离氧化钙含量进行预测控制仿真实验,结果表明改进的预测控制模型具有良好的性能和应用前景。     

基于工况分类的熟料f-CaO含量预测方法研究*

为实现游离氧化钙（f-CaO）含量的持续稳定预测，采用集成学习算法研究软测量实现方法。针对烧成系统中的复杂工况，首先展开工况分类，然后对每一类工况构建集成学习预测模型，同时引入在线建模的方式提高模型的泛化能力和时间有效性，解决了模型短期有效和重复性建模的问题。集成学习算法基于bagging的思想进行对多种弱学习器构建模型，通过检验发现模型效果显著优于单一模型效果。该算法融合了工艺生产特点和多种回归算法，具有较好的稳定性和提前性，实现了水泥质量的实时控制，助力水泥厂高质量稳定生产。     

RBF网络模型在预测函数控制中的应用

对三容液位系统的非线性复杂特点,利用RBF网络对系统建立预测模型,着重分析了RBF网络结构的选取、模型参数辨识以及网络优化的问题.通过预测函数控制验证了RBF网络模型在非线性系统建模中的优越性.     

基于SSA-MIC-SMBO-ESN的水质预测模型

水污染事件威胁人类生产和生活安全，提前预测水质变化对水污染的快速反应具有重要意义。基于水质数据的时序性，引入泄漏积分型回声状态网络(ESN)，以莆田市东圳水库水质监测站的10种水质指标数据作为样本，分别构建DO、COD_Mn、TP的水质预测模型。首先，在用邻近点线性趋势法对缺失值进行填充，用Z-score法和邻近点线性趋势法对异常值进行检测修正的基础上，用奇异谱分析(SSA)算法对水质数据进行平滑降噪处理；然后，采用最大互信息系数(MIC)衡量水质指标之间的相关度，选取相关系数较大的水质指标作为待预测水质指标的输入特征；最后，利用ESN构建基于多特征的水质预测模型，其中采用序列模型优化(SMBO)算法对模型的超参数进行优化。试验结果表明，构建的DO、COD_Mn和TP的SSA-MIC-SMBO-ESN水质预测模型都具有较高的预测精度，适合实际应用。     

基于Nadam优化器的全连接神经网络在水泥熟料f-CaO预测中的应用实践

本文基于TensorFlow+Keras深度学习框架建立了熟料f-CaO全连接神经网络数据驱动模型，采用基于Nadam优化器对模型进行训练，与SGD随机梯度下降相比，鲁棒性更好。此外，本文介绍了将模型用于水泥熟料f-CaO含量实时预测的实现方法，数据预测误差小于5.11%，可有效指导烧成优化控制系统，为烧成控制智能化提供数据支撑。     

基于灰色BP神经网络的水泥强度预测模型研究

水泥强度的预测具有多变量、非线性和大时滞特性,因此传统线性回归方法的结果不准确。除此之外,传统的神经网络预测可能对少量样本不够精确。本文建立灰色BP模型,以此来预测水泥的强度。建立一个多因素灰色模型GM(1,N)用于水泥化学成分的样本数据进行预处理,得到新的数据来作为建立预测模型的样本数据,通过BP神经网络建立预测模型。最终通过建立的灰色BP神经网络预测模型来预测28天水泥强度。仿真结果表明:灰色BP预测模型的效果比BP预测的要准确。     

基于动态RBF网络的预测控制在中速磨煤机优化控制的应用

针对大型火电厂直吹式制粉系统的时滞和非线性特点,将基于动态RBF网络模型的预测控制应用于MPS中速磨煤机的优化控制中。通过对M-RAN算法的改进,加快了对非线性系统的辨识速度。建模仿真证明了改进M-RAN算法的有效性和实时性,并结合预测控制解决了系统的时滞问题;应用结果也表明该方法具有良好的动态响应和较强的鲁棒性。     

智能预测控制在水泥生产脱硝系统中的应用

传统水泥生产线SNCR脱硝系统中存在氨水耗费量大、氮氧化物排放难以控制、扰动大及控制滞后等问题。本文提出了智能模型预测控制算法,该算法有两层优化控制,第一层利用逻辑斯蒂回归对历史数据进行回归分析,动态调整氮氧化物浓度的目标值;第二层通过模型预测控制算法动态调整氨水流量,降低氮氧化物浓度标准偏差,抑制氮氧化物浓度超调量。多次实施结果表明,该算法可以在保证氮氧化物浓度排放标准值的前提下,明显降低氨水消耗量,减少氨的逃逸率;另外可以显著减少氮氧化物浓度超出上限排放的次数。对于水泥生产脱硝系统,通过实施智能模型预测控制算法进行智能控制,可降低熟料生产成本,减轻环保压力,具有显著的社会意义。     

基于中子活化分析仪的水泥烧成系统游离氧化钙卡边控制方法研究

熟料游离氧化钙(f-CaO)含量是水泥质量控制重要指标,由于该指标目前无法实现在线实时检测,难以建立有效的水泥烧成系统闭环控制。在常规控制方案基础上,提出了一种基于中子活化分析仪对水泥生料入窑成分实时检测,进而利用神经网络算法构建游离氧化钙软测量模型,利用TaiJi-MPC软件实现对水泥烧成系统的风、煤、料的卡边控制方法。该方法可以降低f-CaO标准差波动约10%,提高f-CaO指标含量>0.3%,经济效益和社会效益显著。     

基于改进支持向量机的化学镀Ni-P/ZrO2复合镀层显微硬度预测模型的建立

选取对化学镀Ni-P/ZrO_2复合镀层的显微硬度具有代表性的影响因素作为输入变量,以正交试验获得的有限试验数据为样本,先建立基于传统支持向量机的预测模型,再采用遗传算法对传统支持向量机中的惩罚因子与核函数参数进行优化,最终建立基于改进支持向量机的预测模型。通过遗传算法进化迭代,提高改进支持向量机模型的预测精度。选取神经网络模型和传统支持向量机模型作为对比模型。结果表明:改进支持向量机模型的预测精度较高,可以利用该模型对化学镀Ni-P/ZrO_2复合镀层的显微硬度进行预测。     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题,提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network,AFNN)的模型预测控制(model predictive control, MPC)方法。首先,在离线建模阶段,AFNN采用规则自分裂技术产生初始模糊规则,采用改进的自适应LM学习算法优化网络参数;然后,在实时控制过程,AFNN根据系统输出和预测输出之间的误差调整网络参数,从而为MPC提供一个精确的预测模型;进一步,AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题,在线获取非线性控制量,并将其作用到动态系统实施控制。此外,给出了AFNN-MPC的收敛性和稳定性证明,以保证其在实际工程中的成功应用。最后,利用数值仿真和双CSTR过程进行实验验证。结果表明,AFNN-MPC能够取得优越的控制性能。     

稀土萃取分离过程组分含量区间控制方法

针对稀土萃取过程出口产品的组分含量可以在一定区间范围浮动的要求,提出了一种基于广义预测控制的稀土萃取过程组分含量区间控制方法。首先基于萃取分离过程数据辨识建立组分含量回声状态神经网络（echo state network,ESN）模型;然后针对稀土萃取过程中不同运行工况,采用改进的广义预测控制算法设计组分含量预测控制器,将系统的输出约束纳入求解控制律的优化问题中,使预测控制针对组分含量输出在不同的区域范围采用不同的控制强度,从而实现区间控制同时保证两端出口产品的纯度,最后基于CePr/Nd（铈镨/钕）萃取过程数据的仿真试验验证了该方法的有效性。     

Predictive control of SCR denitrification system in thermal power plants based on GA-BP and PSO

Aiming at the characteristics of strong non-linearity and large inertia in the reaction process of a selective catalytic reduction (SCR) denitrification system, a predictive control algorithm based on a back propagation neural network optimized by genetic algorithm (GA-BP) and particle swarm optimization (PSO) is proposed. First, the prediction model of a SCR denitrification system is established by GA-BP. Second, output feedback and bias correction are used to reduce the prediction error. Third, the optimal inlet ammonia concentration is obtained by PSO. At the same time, in order to solve the problems of high dimension, large noise, and strong coupling in the original data of the SCR system in the process of establishing the prediction model, the least absolute shrinkage selection operator (LASSO) algorithm and the local outlier factor (LOF) detection algorithm are used to screen important variables and samples in the original data set of the SCR system to remove redundant variables and outliers. Finally, the simulation results show that the prediction model has good prediction accuracy and that the proposed predictive control method can achieve accurate control of ammonia injection concentration. This method improves the denitrification efficiency and reduces the NO_x emission concentration, which can provide good guidance for on-site production.     

偏高岭土高性能混凝土抗压强度预测研究

以水胶比、用水量、砂率、水泥强度、水泥用量以及偏高岭土、矿粉和粉煤灰用量为输入向量,采用SPSS回归方程分析和基于Levenberg-Marquart算法的BP神经元网络预测模型对偏高岭土高性能混凝土的抗压强度进行了预测研究,并与试验值进行了对比.结果表明:与SPSS回归方程分析预测结果相比,BP神经元网络预测值与实测值线性拟合度高,拟合值为0.997,两者之比的平均值和标准差分别为0.999和0.010,网络预测最大相对误差不超过2.1%,模型预测精度高,结果可靠,为偏高岭土高性能混凝土的抗压强度预测提供了指导依据.     

基于改进WOA-LSTM的焦炭质量预测

“双碳”背景下，提升焦炭质量是保证钢铁行业高质量发展的研究重点之一，而炼焦行业存在着在线实时监测难、焦炭质量预测模型泛化能力差等问题。为此，提出一种通过自适应全局搜索算法，即改进鲸鱼优化算法（WOA）与长短期记忆（LSTM）循环神经网络综合建模的方法来解决这一问题。首先选取出配合煤中可反映焦炭质量的可测参数，再运用主成分分析（PCA）去除变异性小的冗余因子后，得到预测因子，将其作为LSTM网络的外部输入；通过加入自适应惯性权重以及最佳扰动更新改进WOA，从而训练LSTM网络的超参数，采用均方根误差（RMSE）和R-squared 进行算法检验；最后将改进后的AGWOA-LSTM模型与典型的LSTM、WOA-LSTM模型进行对比，以验证本方法的优越性。结果表明AGWOA-LSTM模型预测焦炭质量具有精度高、运行速度快等特点。研究对焦炭生产具有一定的理论指导意义。     

Predictive control of particlesize distribution of crystallization process using deep learning based image analysis

The challenges to regulate the particle-size distribution (PSD) stem from on-line measurement of the full distribution and the distributed nature of crystallization process. In this article, a novel nonlinear model predictive control method of PSD for crystallization process is proposed. Radial basis function neural network is adopted to approximate the PSD such that the population balance model with distributed nature can be transformed into the ordinary differential equation (ODE) models. Data driven nonlinear prediction model of the crystallization process is then constructed from the input and output data and further be used in the proposed nonlinear model predictive control algorithm. A deep learning based image analysis technology is developed for online measurement of the PSD. The proposed PSD control method is experimentally implemented on a jacketed batch crystallizer. The results of crystallization experiments demonstrate the effectiveness of the proposed control method.     

基于模糊满意度的烧结过程多目标优化控制

为实现铁矿石烧结过程中烧结终点和混合料槽料位两个关键参数的综合优化,提出了一种基于模糊满意度的多目标优化控制方法。首先,通过综合运用模糊控制、预测控制的切换控制技术,建立烧结终点的智能优化控制模型;其次,为稳定混合料槽料位,基于专家知识,建立了混合料槽料位专家控制模型;最后通过构造求解多目标优化问题的系统满意度函数,将多目标优化问题转化为单目标优化问题,求取系统的满意解,实现烧结过程多目标优化控制。仿真结果和实际运行结果表明提出的方法是可行而有效的。     

基于模型预测控制及智能寻优的水泥粉磨优化控制

本文提出一种基于运行状态软测量和成本软约束的多变量模型预测控制(MPC)。MPC控制与传统的专家经验控制和模糊控制相比,通过模型对系统工艺参数的预测,不断地学习更新模型,更符合水泥粉磨大时延、多工况的特性。应用中通过对水泥粉磨装置的阶跃响应实验,建立多变量预测控制模型,解决水泥粉磨系统生产过程的不确定性。在此基础上,通过增量学习和机器学习找到最优运行参数,使水泥粉磨的MPC控制一直保持在最优工况。     

高纯度精馏过程的集成控制与在线优化策略

For high-purity distillation processes, it is difficult to achieve a good direct product quality control using traditional pro-portional-integral-differential (PID) control or multivariable predictive control technique due to some difficulties, such as long re-sponse time, many un-measurable disturbances, and the reliability and precision issues of product quality soft-sensors. In this paper, based on the first principle analysis and dynamic simulation of a distillation process, a new predictive control scheme is proposed by using the split ratio of distillate flow rate to that of bottoms as an essential controlled variable. Correspondingly, a new strategy with integrated control and on-line optimization is developed, which consists of model predictive control of the split ratio, surrogate model based on radial basis function neural network for optimization, and modified differential evolution optimization algorithm. With the strategy, the process achieves its steady state quickly, so more profit can be obtained. The proposed strategy has been successfully applied to a gas separation plant for more than three years, which shows that the strategy is feasible and effective.