石油沥青针入度与温度的关联研究

针入度是表征沥青产品软硬程度和中温抗疲劳的技术指标,也是针入度分级体系的分级指标.相关文献都得出针入度的对数与摄氏温度具有非常高的相关性.但是所有文献均未涉及针入度的对数或针入度的双对数与摄氏温度、绝对温度的倒数之间的关联研究.为了探索针入度分级体系、黏度分级体系和Performance Grade分级体系之间的相关性...     

基于神经网络的汽油干点软测量

针对常压蒸馏塔产品质量(汽油干点)测量困难的特点,建立质量指标(汽油干点)与其影响因素的多层前馈神经网络,应用神经网络的输入输出非线性函数逼近原理,将易于测量的温度压力等参数作为网络的输入,使经过BP算法学习的神经网络输出与实际化验的质量指标(汽油干点)值逼近。以此方法来实现常压蒸馏塔产品质量的在线软测量,以获得控制与优化所需的实时质量测量信号。这种软测量为实现常压塔的质量优化控制奠定了基础。     

动态流量软测量建模方法研究

为了解决工业中动态流量测量困难的问题,引入软测量方法对动态流量进行测量.考虑BP算法建立软测量模型时收敛速度慢,易陷"局部极小"等不足,提出一种经遗传算法优化的BP网络进行软测量建模,用遗传算法先确定BP网络的网络结构和参数,将训练一定次数后得到的连接权值作为遗传计算的初始值,再用遗传算法确定BP网络的最优连接权值,最后把用BP算法训练得到的网络用于建模.文中对在燕山大学液压实验室采集的数据进行仿真,实验结果表明这种改进的建模方法在模型的训练速度和精度上有了较大的改善.     

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数（RBF）神经网络相结合的非线性建模方法。采用快速傅里叶变换（FFT）将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析（PcA）进行谱特征提取,采用径向基函数（RBF）变换实现谱特征的非线性映射。实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1%,方法有效。     

非线性部分最小二乘方法用于推断估计器设计

针对工业过程中某些变量难于在线测量的问题,提出一种基于人工神经网络（ANN）的非线性部分最小二乘的推断估计策略。首先对历史数据进行部分最小二乘回归分析,提取特征信息。然后用神经网络建立主元之间的内部非线性关系,得到产品质量的非参数模型。仿真结果表明：该推断估计器具有良好的跟踪速率和较高的估计精度,其性能优于基于原始人工神经网络推断估计器的性能。     

软测量技术应用于乙醛精馏塔成分估计

针对乙醛精馏塔产品成分不可测量信号，而这些信号对于控制来说至关重要，本文提出了用软测量技术估计这些信号，以提高系统的控制性能。     

基于改进BP方法的精炼炉电压和电流软测量建模

在精炼过程中,精确地测量电弧电流和电弧电压对提高调节器性能、生产优质钢和提高冶炼效率有着重要的理论和实践意义.首先建立基于BP神经网络的电弧电流及电压软测量模型,然后针对BP神经网络收敛速度慢、易陷入局部极小值点的缺点,对模型进行改进,提出基于遗传算法的BP神经网络软测量模型.在MATLAB仿真平台中对建立的两个模型进行仿真比较,结果表明基于遗传算法的BP神经网络软测量模型在收敛速度、泛化能力等方面都要明显优于单一的基于BP神经网络建立的测量模型.     

组合神经网络在脱水干塔精馏软测量中的应用

针对PTA装置溶剂脱水干塔精馏过程中塔釜排出液含水量是衡量精馏过程的重要参数,而其在线实时测量难以实现的状况,采用组合BP神经网络方法对其进行软测量。通过对精馏生产工艺过程的分析,找到影响排出液含水量的过程参数,从现场历史数据中选取样本,建立软测量模型。仿真结果表     

软测量模型的建立

软测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；也就是说软测量是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计。本文介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，同时还给出了建立一个完整的软测量模型的步骤。     

基于软测量的检测技术

在剖析软测量基本思想的基础上，通过实例对基于软测量的不同检测技术及应用进行了详细的分析和对比。结果表明：基于软测量思想可以形成3种不同于间接测量的典型形式检测技术．它们之间的最大不同是测量模型的输入输出与工业对象输入输出之间关系的差异．     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

基于BP网络及其改进的湿空气状态参数预测

考虑空调实时控制的需要,利用人工神经网络方法,建立了湿空气状态参数的神经网络预测模型,实现了湿空气状态参数的智能化预测。由于BP模型的计算量大,收敛速度慢等缺点,本文作者提出了三种改进BP模型和RBF模型,以加快收敛速度,提高收敛性。并用实际数据对这几种模型进行了训练,实例证明这些改进模型是有效的、可行的。     

径向基神经网络的图像颜色软测温方法

为了探究高温物体颜色与物体温度之间的复杂的非线性关系,根据高温物体在可见光波段颜色和温度的对应关系,提出了一种通过数码相机采集高温物体图像颜色值,再利用RBF神经网络的图像颜色测温方法拟合出高温物体的颜色值R,G,B与温度之间的非线性映射关系的方法.该方法测得的温度值与实际的温度值的平均误差为1.276 3℃,最大误差为3.726 5℃.结果表明,该方法简单、误差小且运行速度快,切实可行.     

基于径向基函数神经网络的精馏塔优化控制

精馏塔是化工过程中最常用的操作单元 ,其具有很强的非线性和时变性 ,很难进行机理建模分析或常规在线实时控制。针对精馏塔的非线性和时变性等特点提出了一种基于径向基函数神经网络的软测量模型的优化控制策略 ,从而解决了精馏塔建模困难的问题。由于采用了径向基函数网络 ,并利用正交化最小方差学习算法来训练径向基函数神经网络 ,使得控制算法简捷可靠 ,适用于时变对象 ,并具有很强的鲁棒性。将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,最后将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中 ,并达到了满意的控制效果。     

基于神经网络的大气污染预报方法的研究

大气污染物浓度的变化具有较强的非线性特性，基于人工神经网络捕捉非线性变化独特的优越性，将RBF网络应用于实测大气污染物浓度的预报。     

基于径向基神经网络的污垢预测方法研究

污垢的形成是一个复杂的物理化学过程,影响因素众多。传统的基于形成机制的清晰理解而开展污垢预测的研究方法,虽历时多年,仍进展缓慢。应用径向基神经网络和BP网络分别对污垢形成进行预测,研究表明RBF网络能有效地预测污垢热阻,且比BP网络具有更快的收敛速度和更高的预测精度。     

嘉陵江北碚站含沙量变化趋势的神经网络模型分析

利用前馈神经网络模型和自适应调整学习率的反向传播算法,分析处理了嘉陵江流域北碚水文观测站30多年的实测数据,对未来几年含沙量变化的趋势进行了非线性预测,并讨论了隐层神经元个数以及迭代的误差标准等参数的最优选择问题.     

BP神经网络和RBF神经网络模型对图书流通量的预测分析

图书流通量是评价图书馆工作的重要指标.为解决图书流通量预测问题,引入BP和RBF神经网络预测模型.结合北京建筑工程学院图书馆2002年至2010年建筑类图书的流通数据进行了matlab仿真,结果表明,两种模型都能有效预测图书的流通量.     

基于神经网络PLS方法的软测量建模研究

通过神经网络(neurals network, NN)逼近策略,由偏最小二乘回归(partial least squares, PLS)方法拓展得到非线性的PLS-NN方法,构造了基于梯度下降算法的神经网络权值矩阵学习规则.以具有3个质量变量、26个过程变量的轧钢加热炉中钢坯温度分布的检测为例,利用两组实际的运行操作数据对所建模型进行了求解和验证.与线性PLS及机理模型的计算结果相比,PLS-NN模型的估计误差最小(比例大约为1∶1.7∶2.8).运用PLS-NN模型进行了轧钢加热炉生产操作条件的模型预测分析,分析结果表明,加热炉各燃烧段的燃气流量的变化对加热炉生产影响最为显著.