软测量模型自动生成系统的研究与开发

设计并开发出一套基于Matlab和VB的软测量建模生成系统.该系统的特点在于能提供多种选择变量和数据处理的方法;集成了多种多元回归和神经网络等软测量建模方法及其相互结合的应用,这种结构使得用户能够在各种方法之间比较选择,从而最终得到一个合适的软测量模型.改变了目前国内外一些软测量软件包只侧重于某种特定建模方法的状况.同时系统采用了"提前停止"方法,克服了一些软测量软件包所建模型的拟合精度高而推广能力不佳的缺点.实际建模应用表明,该系统算法简单、操作灵活,具有良好的人机交互和较高的执行效率.     

基于混合SVR-PLS方法的丙烯腈收率软测量建模

为了更有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度,提出了混合支持向量回归机-偏最小二乘法(SVR—PLS)方法．该方法兼具SVR和PLS的优点．用PLS进行特征提取．用SVR建立PLS的内部模型．对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明．采用该方法建立的软测量模型．在模型精度、推广能力等方面明显优于一些传统软测量建模方法．满足工业应用要求．     

轻烃分离装置液化气C5+含量软测量应用

针对轻烃分离装置中液化气C5+含量缺乏在线分析仪、不能实时获得化验值的情况,设计了一套液化气C5+含量的软测量系统。在该软测量应用中,从数据分析和工艺等多个角度,分析了软测量辅助变量选择的方法,并且采用偏最小二乘法(PLS)多变量回归的方法进行软测量建模。软测量结果表明,该技术不仅可以指示过程工况,还可直接作为被控变量用于多变量模型预测控制。     

多变量系统的软测量建模研究

研究加氢裂化分馏塔多个产品的质量指标同时预报的一类ＭＩＭＯ软测量建模问题,采用ＲＢＦ网络和Ｆｕｚｚｙ ＡＲＴＭＡＰ网络对该ＭＩＭＯ系统进行建模,并用ＲＢＦ网络建立了每个输出的独立的ＭＩＳＯ软测量模型。应用实例表明,所研究的软测量建模为多变量系统软件测量的工业应用提供了一种有效实用的方法。     

基于状态约束的滑动时间窗软测量模型

工业过程的模型通常具有非线性强、系统时变明显、工况变化大等特点。传统的滑动时间窗选择方法容易包含大量关联度低的数据,影响了数据模型的建模精度和建模效率。本文提出了一种带状态约束的滑动时间窗口选择算法,应用于工业连续过程软测量模型的训练数据选取。将该时间窗口选择算法与最小二乘支持向量回归算法结合,利用电站锅炉的历史运行数据,建立了燃煤电站锅炉尾部烟气含氧量的软测量模型。研究结果表明,相比于传统的滑动时间窗选择算法,利用该算法进行训练样本选取后,提高了所建立的最小二乘支持向量机模型的模型精度和运行效率。利用该方法建立的烟气含氧量软测量模型具有较高的精度,可以在氧化锆传感器发生故障时代替其工作,保证了氧量信号的稳定性和可靠性。     

基于状态约束的滑动时间窗软测量模型北大核心CSCD

工业过程的模型通常具有非线性强、系统时变明显、工况变化大等特点。传统的滑动时间窗选择方法容易包含大量关联度低的数据,影响了数据模型的建模精度和建模效率。本文提出了一种带状态约束的滑动时间窗口选择算法,应用于工业连续过程软测量模型的训练数据选取。将该时间窗口选择算法与最小二乘支持向量回归算法结合,利用电站锅炉的历史运行数据,建立了燃煤电站锅炉尾部烟气含氧量的软测量模型。研究结果表明,相比于传统的滑动时间窗选择算法,利用该算法进行训练样本选取后,提高了所建立的最小二乘支持向量机模型的模型精度和运行效率。利用该方法建立的烟气含氧量软测量模型具有较高的精度,可以在氧化锆传感器发生故障时代替其工作,保证了氧量信号的稳定性和可靠性。     

高斯过程集成算法的发酵过程软测量建模

针对谷氨酸发酵过程一些关键参数不能在线测量而导致的建模精度不高的问题,Bagging和高斯过程回归算法相结合,提出一种基于Bagging算法集成高斯过程的软测量建模方法。该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成许多高斯过程模型,并通过平均组合方式进行集成,得到最终的模型输出。将该集成算法应用到谷氨酸发酵过程的软测量建模中,实现了对谷氨酸浓度的准确预测,相对于单一高斯过程模型,具有更高的预测精度和鲁棒性。     

贝叶斯分类器的关联向量机多模型软测量建模

为了改善软测量模型的估计精度,提出了一种基于贝叶斯分类算法和关联向量机的多模型软测量建模方法。采用贝叶斯分类器对样本数据集进行分类,并对不同类别的输入数据分别建立关联向量回归机子模型,用“切换开关”方式组合作为最终的软测量模型输出。将该方法应用于双酚A生产过程的质量指标软测量建模,仿真结果表明：与单模型支持向量机相比,该方法估计精度较高,具有一定的应用价值。     

常压蒸馏产品质量软测量改进方法及应用

针对石油化工生产过程基于统计模型的产品质量软测量中普遍存在的软测量模型适用工作范围小、难以反映进料原料性质变化的问题,探讨和应用了机理分析和统计建模相结合的软测量方法。针对一个实际常减压蒸馏产品质量软测量和控制问题．通过机理分析、实际操作数据分析并结合操作人员经验,选择能够反映进料原料性质变化的过程变量作为统计模型的输入以克服进料原料性质变化的影响,将有些直接测量的输入变量按照机理关系进行计算得到的新的变量作为统计建模的输入变量,使其和产品质量之间具有更宽范围的近似线性关系,提高软测量模型的泛化能力：某厂常减压蒸馏装置的实际应用结果表明了该方法的有效性。     

基于增量学习思想的改进AdaBoost 建模方法

针对软测量建模的特点以及建模过程中存在的主要问题,提出了基于 AdaBoost RT 集成学习方法的软测量建模方法,并根据 AdaBoost RT 算法固有的不足和软测量模型在线更新所面临的困难,提出了自适应修改阈值 和增添增量学习性能的改进方法.使用该建模方法对宝钢300 t LF 精炼炉建立钢水温度软测量模型,并使用实际生产数据对模型进行了检验.检验结果表明,该模型具有较好的预测精度,能够很好地实现在线更新.     

基于统计回归的质量推断方法

统计回归是软测量建模的一个重要手段.本文在回顾了典型统计回归方法的基础上,采用部分最小二乘(PLS)建立高定量造纸过程的水分软测量模型.鉴于软测量模型的扰动拟合本质,提出了基于扰动估计的软测量建模策略.水分软测量模型的建立,验证了该建模策略的有效性.     

基于加权支持向量机的移动建模方法及其在软测量中的应用

工业过程软测量技术的核心问题是建立软测量模型,然而,利用传统全局建模方法与多 模型建模方法进行复杂工业过程软测量建模时,在不同程度上存在一些问题.本文利用支持向量 机(SVMs)泛化能力强的特点,结合局部加权学习(LWL)算法思想,提出一种适于局部学习的加 权支持向量机(W_SVMs)学习算法和基于这种算法的移动建模方法.利用这种建模方法对Box- Jenkins煤气炉和重油催化裂化(FCCU)装置进行分析建模,并与其它不同建模方法进行比较,显 示了该方法的优点和有效性.     

基于T-S模糊系统的软测量混合建模研究

在分析几种模糊系统建模方法的基础上，提出一种简单有效的软测量建模方法．该算法基于变结构构造法模糊建模思想，均匀设计模型的初始结构，以绝对误差为建模指标，通过增加模糊规则来提高T S模糊系统的精度．为降低规则参数辨识的计算量，提高建模速度，将规则参数分为线性和非线性两部分，分别采用Levenberg Marquardt法与最小二乘法进行辨识．实例证明，本文所提出的建模方法规则分布合理，收敛速度快，泛化性能好，适合建立多输入的软测量模型，具有较好的实际应用价值．     

Modeling for soft sensor systems and parameters updating online

Soft sensor technology is an important means to estimate important process variables in real-time. Modeling for soft sensor system is the core of this technology. Most nonlinear dynamic modeling methods integrate the processes of building the dynamic and static relationships between secondary and primary variables, which limits the estimation accuracy for primary variables. To avoid the problem, a kind of soft sensor model consisting of a dynamic model in cascade with a static one is proposed. The model identification and update online are conducted in substep way. In order to improve the model update efficiency, two improved Gauss–Newton recursive algorithms, which avoid nonsingular covariance matrix, are proposed for time-invariant and time-variant soft sensor systems. The uniform convergence for dynamic model parameter and the existence of estimation deviations for static model parameters are proved for time-invariant soft sensor system. The parameters of time-variant soft sensor system would be boundedly convergent. Case study confirms that, on the basis of the proposed model and recursive algorithms, the dynamic and static characteristics of soft sensor system can be described efficiently, and the primary variables are ensured to be estimated accurately.     

A novel calibration approach of soft sensor based on multirate data fusion technology

In multirate chemical processes, soft sensor is commonly used for fast-rate quality estimations. As the kernel of soft sensor, modeling technique has drawn much attention from researchers. But most of the modeling methods have disadvantages of uncertain estimation errors and limited modeling capability. To these issues, soft sensor calibration is considered as an efficient alternative, which however is often ignored by researchers and the current application level is relatively low. A novel soft sensor calibration method is proposed in this paper. Under multirate sampling conditions, data fusion technology based on Kalman filter is introduced into soft sensor maintenance to integrate the soft sensor model estimations with process measurements. The performance of the algorithm is evaluated through simulations and a laboratory scale experiment. The factors that may influence the performance are also discussed in detail. The results demonstrate that the multirate Kalman filter approach is able to improve the accuracy and reliability of soft estimations, when the essential dynamics is included in the Kalman filtering model and the filter parameters are properly tuned.     

基于支持向量机的软测量建模方法

提出了一种基于支持向量机的软测量方法，并建立了青霉素发酵过程中菌丝浓度的软测量模型，通过实验分析了参数调整和核函数选择对支持向量机建模的影响．利用现场数据建立各种软测量模型可以发现，与其他软测量方法相比，支持向量机方法在理论上优于人工神经网络等其他建模方法．     

生物软组织力反馈触觉建模测试系统研制

设计了一种结构新颖的用于生物软组织力反馈触觉建模的测试系统。阐述了系统结构与工作原理,介绍了系统的机械设计、硬件电路和系统软件。系统采用计算机测量并控制带有力和位置传感器的单自由度机械手,通过插针实验与动物软组织交互得到软组织的力反馈触觉模型。以猪肝为标本进行实验,实验结果和现有的理论模型较为符合,该系统可以用于软组织触觉建模实验研究。     

Data supplement for a soft sensor using a new generative model based on a variational autoencoder and Wasserstein GAN

In industrial process control, measuring some variables is difficult for environmental or cost reasons. This necessitates employing a soft sensor to predict these variables by using the collected data from easily measured variables. The prediction accuracy and computational speed in the modeling procedure of soft sensors could be improved with adequate training samples. However, the rough environment of some industrial fields makes it difficult to acquire enough samples for soft sensor modeling. Generative adversarial networks (GANs) and the variational autoencoder (VAE) are two prominent methods that have been employed for learning generative models. In the current work, the VA-WGAN combining VAE with Wasserstein generative adversarial networks (WGAN) as a generative model is established to produce new samples for soft sensors by using the decoder of VAE as the generator in WGAN. An actual industrial soft sensor with insufficient data is used to verify the data generation capability of the proposed model. According to the experimental results, the samples obtained with the proposed model more closely resemble the true samples compared with the other four common generative models. Moreover, the insufficiency of the training data and the prediction precision of soft sensors could be improved via these constructed samples.     

基于混合变分自编码器回归模型的软测量建模方法EI北大核心CSCD

近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布,限制了其对复杂工业过程数据,尤其是多模态数据的建模能力.为了解决这一问题,本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression,MVAER),并将其应用于复杂多模态工业过程的软测量建模.具体来说,该方法采用高斯混合模型来描述VAE的潜在变量分布,通过非线性映射将复杂多模态数据映射到潜在空间,学习各模态下的潜在变量,获取原始数据的有效特征表示.同时,建立潜在特征表示与关键质量变量之间的回归模型,实现软测量应用.通过一个数值例子和一个实际工业案例,对所提模型的性能进行了评估,验证了该模型的有效性和优越性.