基于LS-SVM的浮选过程工艺技术指标软测量

浮选过程关键工艺指标精矿品位和尾矿品位难以实现在线连续检测,且与浮选过程给矿浓度、给矿量、给矿粒度、给矿品位和浮选药剂量等因素动态特性具有强非线性、不确定性等综合复杂特性,难以建立精确数学模型。在分析了浮选过程工艺指标相关影响因素的基础上,采用最小二乘支持向量机(LS-SVM)建立了浮选过程工艺技术指标软测量模型,现场生产数据仿真研究结果表明了所提出的软测量模型的有效性。     

基于PSO-BP神经网络的催化裂化C3含量软测量模型

C3含量的在线估计对催化裂化生产过程操作具有重要意义,但是其在线测量难以实现,针对这一问题,利用软测量技术来实现C3含量的在线估计.建立了基于主元分析的神经网络模型和PSO-BP神经网络模型,并对其仿真结果进行分析和比较.结果显示,基于PSO-BP神经网络的C3含量软测量模型具有较高的精度和较好的性能,满足实际生产过程操作的要求.     

基于多向PLS方法的间歇过程质量预测

间歇生产过程中，很多质量指标不能在线测量，通常是在反应结束后通过离线分析得到。本文应用多向部分最小二乘(MPLS)方法建立软测量模型，通过在线测量的过程变量对产品质量进行预测。针对异丁烯酸甲酯(MMA)聚合反应过程中的数据进行仿真，结果表明，MPLS方法能够在反应初期就有效的预测出最后的产品质量指标。     

基于PCA和最小二乘支持向量机的软测量建模

软测量技术是解决工业过程中普遍存在的一类难以在线测量变量估计问题的有效方法,支持向量机是基于统计学习理论的一种新的机器学习方法。提出了一种基于主元分析(PCA)和最小二乘支持向量机的软测量建模方法,用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,简化支持向量机结构,并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4-CBA软测量建模的结果表明:该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为4-CBA软测量建模的在线实施提供了方便。     

基于高斯过程的软测量建模

软测量技术在工业过程中得到了广泛的应用，其核心问题就是建立软测量模型。提出了一种基于高斯过程的软测量建模方法，高斯过程是一种有着概率意义的核学习机，在不牺牲性能的条件下，与人工神经网络和支持向量机相比具有实现简单的特点，理论分析和仿真研究表明了高斯过程在软测量建模中的优越性。     

基于车辆动力学和Kalman滤波的汽车状态软测量

针对汽车动力学控制过程中难以在线测得的横摆角速度等状态参数,根据参数软测量理论,采用Kalman滤波并结合汽车两自由度动力学模型,建立了汽车横摆角速度的线性最小均方误差估计算法。仿真计算与场地实验的结果验证了该算法的有效性,同时软测量技术的采用也为汽车控制系统的状态参数测量提供了一条可行、准确且低成本的研究思路。     

基于多支持向量机的诺西肽发酵中菌体浓度软测量

提出了多支持向量机建模进行发酵过程的参数识别方法。这种建模可以称为“多模型”方法。发酵过程存在着像菌体浓度等不可在线测量的生物量,只能采用离线采样分析方法,由于所得数据是在不同的时间间隔内获得的,导致检测结果经常出现较大的滞后,不能及时指导生产。而软测量技术的发展为该问题提出了一个很好的解决办法。提出的多支持向量机建模方法,利用可在线测量信息,建立了菌体浓度的预估模型,并且把它应用到诺西肽发酵过程中,估计结果与实验结果吻合得很好,表明了该软测量方法的实用性。     

基于PLS方法的催化重整装置氧含量软测量模型

当前，软测量建模受到了越来越多的重视，软仪表能够通过易测变量来估计出难测变量。本文应用PLS方法建立了催化重整装置氧含量的软测量模型，结果表明该模型具有很高的精度。     

基于主元分析的气体膜分离过程RBFNN建模

构建一个基于主元分析的气体膜分离过程的RBF神经网络软测量模型,研究氢回收过程中一些难以测量的重要性能参数。在炼厂气氢回收研究中提出的通过测量间接变量建立软测量模型方案的基础上,融入主元分析思想,先对间接测量变量进行主元分析,得到为主导变量提供关键信息的变量,再建立RBF神经网络对目标变量进行研究分析。基于实验数据和RBF神经网络模型,利用MATLAB软件平台对氢回收过程的重要性能参数分析研究,仿真结果证明了此模型的正确性和理论分析的合理性。主元分析的融入简化了气体膜分离过程重要性能参数在线检测的研究过程。     

基于多采样率数据的软测量模型

提出了一种利用具有不同采样率的过程数据建立软测量模型的方法.本文采用主成分分析技术对过程数据降维,然后用降维后的数据训练神经网络,建立软测量模型.通过仿真证明,该软测量模型结构简单,获得了过程输出变量在非采样时刻的估计值.     

单纯形微粒群优化算法及其应用

将微粒群优化算法(PSO)与单纯形法(SM)相结合,提出单纯形微粒群优化算法(SPSO)。通过对5种常用测试函数进行优化和比较,结果表明SPSO比PSO和SM都更容易找到全局最优解。然后将SPSO用于催化裂化装置主分馏塔粗汽油干点软测量,建立基于SPSO的粗汽油干点神经网络软测量模型,通过与实际工业数据对比,表明该模型具有高的精度、好的性能和广阔的应用前景。     

基于粒子群模糊神经网络的丙烯腈收率软测量建模

对粒子群优化算法与模糊神经网络的结合进行研究，提出粒子群模糊神经网络，并将其应用丙烯腈收丰软测量建模．该方法采用模翱神经网络来杓建丙烯腈收率软测量模型，用粒子群优化算法优化模糊神经网络的参数；并结合实际工艺，对所建软测量模型进行仿真研究。实验结果表明，该模型的性能优于粒子群神经网络模型，能够准确预测丙烯腈收率，具有较高的精度和良好的应用前景。     

基于文化微粒群Elman网络的航煤干点软测量模型

将微粒群算法用于文化算法种群空间的优化,形成文化微粒群算法,并用常用测试函数检验该算法的性能;结果表明,文化微粒群算法具有比基本微粒群算法更好的优化性能。然后,籽文化微在群算法用于Elman网络连接权值和阎值的寻优,构成文化微粒群Elman网络,并将其应用于加氢裂化航煤于点软测量建模。结果表明,此模型精度高,应用前景广阔。     

磨矿过程参数自整定PID解耦控制器的设计

根据磨矿过程的数学模型,提出一种改进混合蛙跳算法优化的PID控制器对磨矿过程进行解耦控制。解耦后形成两个单输入单输出通道,使得磨机给矿的速率直接控制磨机排矿率,泵池给水的速率直接控制磨机粒度。一种新的蛙跳规则被提曲用来增强SFLA的局部搜索能力,该规则主要通过模拟青蛙的感知和运动的不确定性来动态随机地调整青蛙的局部搜索...     

竖炉焙烧过程多变量智能优化设定方法

赤铁矿竖炉焙烧过程关键被控变量的优化设定值不易获得,使得生产指标难以控制在其目标值范围内.将案例推理、参量预报和专家系统技术相结合,提出一种竖炉焙烧过程的多变量智能优化设定方法.预设定模型给出控制回路的预设定值,案例评价模型和案例修正模型分别对预设定值进行评价和校正,从而实现了控制回路设定值的在线自动调整.实验及应用表明了方法的有效性,能够适应工况的频繁变化,实现了生产指标的优化控制,取得明显成效.     

磨矿流程优化控制的分布式仿真平台

磨矿工业流程具有多变量、强非线性、大时滞、时变性等综合复杂性及多个生产设备因矿浆而相互关联的复杂性,为进行其优化控制实验,开发了由优化计算机与监控计算机、ControlLogix控制器,虚拟执行与检测设备,以及虚拟磨矿过程对象组成的磨矿流程优化控制分布式半实物仿真平台.虚拟对象的仿真软件是基于磨矿分级过程动态模型,以便于实现动态优化控制.该平台可为研究磨矿流程先进控制技术以及产品粒度、能耗等生产指标的优化控制方法的研究提供便捷、可靠、直观的工程化验证环境.     

模糊神经网络的混合学习算法及其软测量建模

提出了一阶TSK模糊神经网络的混合学习算法，算法由三部分组成：基于模糊聚类的网络初始化；基于梯度下降的规则前件的学习算法；基于部分最小二乘的规则后件的学习算法。该混合算法可以根据训练样本的分布自动确定模糊神经网络的初始值，当输入变量个数多时不会出现模糊规则数爆炸现象，训练速度快，模型精度高。将混合学习算法应用到PTA工业过程中4-CBA含量的软测量建模中，取得了令人满意的效果。     

钢包调度仿真软件包的设计与实现

钢包的优化配备对于钢铁生产过程中的节能，降耗起着重要的作用。针对钢包调度过程的复杂性，难于建立精确数学模型的特点，从钢包调度专家经验中提取钢包选配规则，建立钢包优化配备的优先级，基于规则和优先级混合编制策略开发了钢包调度仿真软件包，讨论了其结构和功能。为方便现场调度专家随时监控钢包的行为，开发了可视化钢包动态模拟画面，利用在线数据，进行离线仿真。经某钢厂在线测试结果表明：该软件可以提高钢包计划编制的精度，减少钢包在线调整的次数，充分利用红包以达到了节能、降耗的作用，为进一步在工程上应用奠定一定的基础。     

多变量动态模糊偏最小二乘建模方法及其应用

针对复杂工业过程存在的多变量、非线性和时变不确定性问题,将动态PLS与模糊建模方法相结合,提出一种基于DFPLS(动态模糊偏最小二乘)的多变量非线性动态建模方法。该方法外部采用动态PLS方法解决多变量高维共线性问题,并描述系统的动态特性;内部采用FCM(模糊c均值聚类)与TSK模糊模型相结合,建立多个子模型的方法来拟合系统的非线性。将本方法应用于氧化铝生产过程中铝酸钠溶液组分浓度的软测量,仿真实验表明该方法预测精度高,泛化能力强,用于铝酸钠溶液组分浓度的在线检测是可行有效的。