基于近红外光谱的柴油凝点计算机软测量法

柴油是重要的石油化工产品,凝点是确定其品质的主要理化指标,但传统测定方法周期长、费用高,且易受人为的影响。本文提出一种用近红外光谱(NIRS)分析技术的柴油凝点软测量方法。先用多项式卷积为原始的柴油MR光谱数据作光谱平滑、基线校正和标准归一化;然后,利用主元分析(PCA)组合近红外光谱数据集的高维特征并向低维空间投影,降低输入维数,提高各维特征的敏感性;最后,用最小二乘支持向量机(LS-SVM)回归算法建立凝点的软测量模型。用一个含120个样本的401维柴油近红外全光谱数据集建模和检验,通过PCA后,全光谱数据集的特征降到了6维,并保留了99.6%的信息。进一步的实验表明,采用PCA提取特征做软测量建模的性能,要普遍优于直接作用在光谱波长域的方法。与BP、PCA BP及PCA SVM方法相比,所提方法建立的柴油凝点软测量模型测量精度更高,且与标准方法测量的结果更为接近,因此,又为柴油凝点的在线测定提供一种新方法。     

基于PCA-SVM的软测量建模方法与应用

主元分析(PCA)能够有效地提取数据的特征信息，消除变量问的共线性；而将基于统计学习理论的支持向量机(SVM)用于数据建模具有显的优点。本提出了将PCA与SVM相结合的软测量建模方法，并利用该方法建立了工业萘初馏塔酚油含萘量软测量模型，应用结果表明了该方法的有效性和优越性。     

基于改进的PCA—LS—SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题，提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法，建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比，失去了“稀疏性”，最小二乘支持向量机的稀疏化方法解决了这一难题；主元分析方法的引入，有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明，该改进的PCA—LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

基于改进的PCA-LS-SVM的软测量技术及应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与改进的最小二乘支持向量机相结合的软测量建模方法,建立了催化裂化主分馏塔柴油凝固点的软测量模型。最小二乘支持向量机与标准支持向量机相比,失去了"稀疏性",最小二乘支持向量机的稀疏化方法解决了这一难题;主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力。应用结果表明,该改进的PCA- LS-SVM方法具有学习速度快、跟踪性能好以及泛化能力强等优点。     

常压塔柴油凝点动态软测量模型的研究

研究了某炼油厂常压塔三线柴油凝点的软测量建模问题。分析了影响柴油凝点的多种因素,并充分利用仪表分析值提供的被测变量历史信息,建立了一种神经网络和kvinson预测器相结合的动态软测量模型,该模型消除了分析值存在纯滞后的影响。针对某炼油厂常压塔三线柴油凝点的软测量,对该模型进行了验证。仿真研究表明,该模型的预报准确性要优于静态软测量模型,取得了较好的预测效果。     

基于LS-SVM的苹果近红外光谱回归模型的研究

提出了一种应用于苹果近红外光谱分析的LS-SVM回归模型;使用基于两层网格搜索的交叉验证算法确定LS-SVM的最优参数(γ,σ2),缩短搜索时间并提高了效率;针对LS-SVM稀疏性的缺乏和鲁棒性的不足,对模型进行优化训练.在不同方差的噪声下,通过优化训练模型的抗干扰能力明显强于常规训练模型;将优化后的LS-SVM模型应用于苹果酸度的预测,利用光纤光谱仪采集苹果近红外吸收光谱作为模型输入,使用酸度计测得苹果测量酸度值作为模型输出;实验结果表明,所建模型的相关系数和均方根误差为0.9615和0.0312,与MLR、PLR、ANN和常规LS-SVM模型比较,优化后的LS-SVM具有更好的回归性能.     

基于遗传优化的PCA-SVM控制图模式识别

针对SVM和PCA-SVM进行质量控制图模式识别时泛化能力不足和识别精度不高的问题,提出一种基于遗传优化的PCA-SVM控制图模式识别方法。该方法的基本思想是首先基于特征子空间降维方法,运用PCA算法对原始特征样本进行主元分析,有效降低原始特征样本维数并突出聚类,提取各模式之间的主元特征;然后把此特征看成遗传算法中一组染色体,对支持向量机分类器核参数和惩罚因子进行二进制编码,通过对随机产生的一组染色体进行模式识别,并将此识别率作为遗传算法的适应度函数,通过选择、交叉和变异操作,对其参数进行自适应寻优;最后用优化的支持向量机分类器进行控制图模式识别。通过仿真进行验证,结果显示基于遗传优化的PCA-SVM分类器模型的控制图模式泛化能力强、识别精度高,可适用于生产现场质量控制。     

基于KPCA和最小二乘支持向量机的软测量建模

为了解决化工领域数据建模小样本、不适定性、非线性等问题,提出了一种基于核主元分析(KPCA)和最小二乘支持向量机的软测量建模方法,用核主元分析对输入变量进行数据压缩,消除变量之间的相关性,运用PSO算法对核参数进行了寻优,通过交叉验证的方法对支持向量机进行参数选择.将其用于双酚A(BPA)软测量建模的研究结果表明:方法具有学习速度快、泛化能力强等优点,为BPA软测量建模的在线实施提供了方便.     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

基于支持向量机的恒星光谱分类研究

本文提出了一种新的恒星光谱分类技术。由于恒星光谱数据通常含有较高的噪声，首先我们采用小波变换的方法对原始数据进行降噪，然后采用支持向量机技术完成对光谱数据的最终分类。实验结果显示，使用这种组合分类方法的分类效果要优于使用支持向量机结合主分量分析降噪技术的分类方法。     

燃料乙醇发酵过程中生物参量的软测量建模

针对燃料乙醇发酵过程中关键生物参量(基质浓度、菌体浓度、乙醇浓度等)在线检测困难,离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的软测量建模方法。以关键生物参量中乙醇浓度的预测为例,首先,利用KPCA提取软测量输入数据空间中的非线性主元,然后利用LSSVM算法建立了乙醇浓度的软测量模型。仿真结果表明,与PCA-LSSVM建模方法相比,KPCA-LSSVM软测量模型的测量精度高、跟踪性能好、泛化能力强,能满足发酵过程中乙醇浓度的在线测量要求,是一种有效的软测量建模方法。     

基于LabVIEW的微波频偏软测量方法研究

通信频带的使用一般是被限制的,为了充分利用带宽,又不相互形成串拢,必须对调频信号的频偏有一定的限制,因此,频偏是一项很重要的测量参数.介绍了一种在LabVIEW平台上实现微波调频信号的频偏测量和分析方法.这种方法不仅投资少、携带方便,而且测量精度比较高.特别适合于室外的现场测量和流动性大的测量.该方法经反复实验效果很好,并已经在实际中使用.     

微生物燃料电池最大功率点跟踪方法综述

微生物燃料电池作为一种新型可持续发展的清洁能源得到广泛关注。因其本身固有特性的限制,微生物燃料电池产生的电能具有电压低、功率低、不稳定等缺点。通过微生物燃料电池的最大功率点跟踪控制,可以寻找微生物燃料电池的最大功率点,最大化提升其产电性能。对适用于微生物燃料电池的主要的最大功率点跟踪方法进行简要概括,重点对扰动观测算法、增量电导算法、电压调节法等方法的优缺点进行总结讨论,并对未来的进一步发展提出一些意见和看法。     

风力发电机风向小脑神经网络软测量方法研究

风向测量值是控制风力发电机偏航的依据。风向测量值和原始风向值之间通常会存在偏差,这是影响风力发电机风能捕捉效率的主要因素之一。受风力发电机结构限制,机舱上的风向标难以准确测量风向。分析了风向测量误差产生原因,叙述了风向测量值和原始风向值之间的数学关系。风向软测量技术是降低风向测量偏差的有效方法。简述了风向软测量技术的传统方法。传统风向软测量方法可以显著减小测量误差,但计算量大,风力发电机翼型参数精度要求高,不适合工程使用。针对传统风向软测量技术的不足,提出了小脑神经网络(CMAC)软测量方法。该方法降低了风向测量的计算量,进一步提高了风向测量精度。实践证明了该方法的可行性。     

催化裂分馏塔轻柴油凝固点软测量

文章分析了在催化裂化装置分馏塔中建立产品质量软测量几种方法，提出了软测量应能及时反映产品质量这一重要特征，阐明了几种软测量方法的局限性，提出了采用在线分析仪和人工化验值相结合软测量校正方法，实验结果表明该软测量具有较好的适应性，具有较高的实用价值。     

抽油机中电动机扭矩软测量方法的研究

抽油机所用电动机的输出扭矩是分析抽油机动态平衡的重要参数.针对传统测量方法存在成本高、安装困难、可靠性差等不足,提出了基于抽油机系统数学模型和BP神经网络模型这2种软测量扭矩的方法.研究结果表明,这2种方法克服了传统测量方法的不足,并获得了较高的测量精度.由于这2种方法具有各自的特点,因此,可以应用于不同要求的抽油机扭矩测量系统中.     

催化裂化分馏塔轻柴油凝固点软测量

文章分析了在催化裂化装置分馏塔中建立产品质量软测量几种方法，提出了软测量应能实时反映产品质量这一重要特征，阐明了几种软测量方法的局限性，提出了采用在线分析仪和人工化验值相结合软测量校正方法，实验结果表明该软测量具有较好的适应性，具有较高的实用价值。     

基于软测量理论的BOD在线检测仪研究

为了实现污水处理BOD在线检测,建立了以劳伦斯麦卡蒂公式为基础的软测量机理模型,采用限定记忆最小二乘算法对机理模型进行误差补偿,以提高模型的计算精度。设计了基于ATMEGA1280单片机的系统主控制器,采用模块化软件设计理念,利用AVR Studio开发环境,编程实现数据采集、软测量、液晶显示、数据存储、打印驱动等功能。此仪表已在工业现场得到应用。     

滑模变结构理论在船舶柴油机燃油温度控制系统中的应用

为了实现对双输入非线性温度系统的控制,建立了船舶柴油机燃油温度系统的数学模型,并把该模型当作一类仿射非线性系统进行研究。运用滑模变结构控制理论,设计了一种针对仿射非线性系统的滑模控制器,实现了双输入双输出非线性耦合温度系统的控制。通过在组态王(KINGVIEW)环境下编制控制软件,实现了对柴油机高、低温燃油的温度控制。实验的结果显示了滑模变结构控制算法优于PID控制,并且有自适应能力强,动态、静态品质优良,鲁棒性好的特点。     

基于点特征的多源遥感影像高精度自动配准方法

提出了一种基于点特征的多源遥感影像高精度自动配准方法。该方法采用了由粗到精的配准策略。首先利用SIFT算子和一次多项式实现影像的粗配准,粗配准后的影像和参考影像将处于同一尺度（像素采样间隔）和参考坐标系下。其次在粗配准后的影像上提取分布均匀的特征点,根据前一步得到的影像间的坐标关系,在参考影像上确定一个较小的搜索范围,使用相关系数匹配出同名点,同时用Baarda数据探测法剔除粗差。最后根据同名点构建三角网对影像进行精配准。实验结果表明:该方法能够实现多源遥感影像的高精度配准。