基于PCA-BP神经网络的精馏塔产品组成软测量模型

依据工艺机理和操作经验，初选了醋酸精馏塔产品组成的神经网络预测模型的输入变量，运用主元分析方法对输入变量进行主元分解，降低输入变量维数且消除了输入变量之间的线性相关性，再通过基于LM优化算法的BP神经网络进行建模。仿真结果表明，该模型具有较快的训练速率和较高的预测精度，可以满足精馏过程对出口物料组成的在线软测量要求。     

基于BP神经网络的电机转矩软测量研究

本文将在化工领域广泛使用的软测量技术应用来进行异步电机转矩测量。根据感应电动机的数学模型，提出了仅用葶于神经网络的电机定子电流的电磁转矩辨识方法，实现异步电机转矩的软测量。用改进的BP算法对神经网络进行学习和训练，构建了适合电机转矩观测的多层前馈神经网络，仿真研究表明：基于神经网络的电机转矩辨识模型具有良好的性能。     

Soft-sensors: Model-based estimation of inflow in horizontal wells using the extended Kalman filter

The growing demand for hydrocarbon production has resulted in improved oilfield management using various control and optimization strategies. These strategies increasingly require downhole equipment to obtain real-time oil and gas production rates with sufficient spatial and temporal resolution. In particular, downhole multiphase metering can improve the production of horizontal wells by allocating the zones of oil, gas and water inflow. However, the existing downhole multiphase meters are expensive, inaccurate or accurate only within a limited operating range and therefore such monitoring is unrealistic.To overcome these problems one can use the so-called multiphase soft-sensors, i.e. estimating flow rates from conventional sensors (e.g. pressure gauges) in combination with a dynamic multiphase flow model. This methodology uses inverse modeling concepts to estimate flow rates that are not measured directly. Based on the analysis of the transient pressure response due to a rapid inflow, a real-time estimator is proposed, which uses a dynamic model of the multiphase wellbore flow and information from conventional pressure sensors. The feasibility of the proposed concept is assessed via simulation-based case studies both for noisy synthetic measurements and for artificial data generated by the OLGA simulator.     

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。     

工业生产中软测量建模方法及其应用研究

软测量技术是基于推断控制理论的一门新兴工业技术.本文在介绍软测量技术的基本原理及其构成要素的基础上,详细介绍了工业生产中用于过程控制的常用的一些建模方法及其优缺点,同时也指出了其在工业生产控制中的实际应用.最后对其发展和应用状况进行了展望.     

农田水势软测量网络中的作物微环境数据采集节点

若干作物微环境数据采集节点和农田水势软测量站组成星形结构的农田水势软测量网络。其中的数据采集节点(下位机)以ATmega128单片机为核心,按照农田水势软测量技术要求配置各种传感器,所采集的各种微环境数据经过数据预处理之后,通过RS-485串行总线或无线数据传输模块向农田水势软测量站(上位机)传输,以实现农田水势值估计和农田环境参数远程监测。     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.     

密闭腔内毫秒级传热中内壁温度的软测量

密闭腔工况在工业、国防上有着广泛的应用和更广泛的发展前景，实现其内壁温度的测量具有重要的意义。在分析机理的基础上，采用软测量的方法，对密闭腔内毫秒级传热中内壁温度的测量进行了研究，获得了温度软测量的模型及相应的解法。实例表明：采用软测量方法，选择变化缓慢的温度为二次变量，并利用给出的软测量模型与解法，可以实现密闭腔内毫秒级传热中内壁温度的测量。     

基于双自适应AIS-PSO的瓦斯浓度软测量模型

为解决煤矿单传感器瓦斯浓度预测精度不足的问题,将自适应人工免疫系统(AIS)与自适应粒子群(PSO)相结合,建立多参数并行双自适应AIS-PSO算法的瓦斯浓度软测量模型。通过分析煤矿井下环境参数对瓦斯浓度监测的影响,将矿井下温度及风速等环境参数作为软测量模型输入,上隅角瓦斯浓度作为模型输出。利用并行双自适应AIS-PSO算法对最小二乘支持向量机(LS-SVM)的核参数σ和正则化参数γ进行寻优,并与PSO-LSSVM、LS-SVM结果进行对比。结果表明:PSO-LSSVM平均相对误差为5.5083%,LS-SVM平均相对误差为8.6883%,并行双自适应AIS-PSO软测量模型的平均相对误差为2.0165%,最小相对误差为1.194%,与另两种方法相比具有较高的预测精度和泛化能力。     

软测量思想与软测量技术

在剖析软测量基本思想以及实例的基础上,对基于软测量基本思想形成的传统意义软测量以及扩展软测量两种技术及应用进行了分析与对比,并预测了可能出现的其它形式扩展软测量。结果表明,两种技术基本思想相同,也具有许多相似的模型建立方法,但传统意义软测量反映的是对象的输出与输入、部分可测的输出之间的关系,而扩展软测量是以对象的输入、输出为软测量模型的输入、输出,且能预测还有一种以对象的待测输人为软测量模型的输出、以对象的输出及部分可测的输人为软测量模型输入的扩展软测量形式。