基于混合PLS-SVM方法的双酚A软测量建模

在对复杂生产过程的软测量建模中,为了有效地处理其生产过程的非线性、多输入和数据相关性等复杂特性,提高模型的推广能力和精度,提出了一种兼备偏最小二乘和支持向量机优点的混合偏最小二乘-支持向量机方法.在对双酚A结晶塔工艺分析的基础上,将该方法应用于双酚A结晶塔软测量建模.应用结果表明,该方法在模型精度、推广能力等方面都明显优于一些传统软测量建模方法.     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加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。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。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,满足工业现场应用要求。     

基于质量指标的球团焙烧先进过程控制

以某烧结厂球团焙烧过程中燃烧控制系统为研究对象，针对生产过程中因果非线性及条件不确定等因素的影响，综合运用网络技术、软测量技术、模糊控制和专家系统等，提出一种焙烧过程的质量控制策略和先进过程控制(APC)方案，设计了基于神经网络的模糊化软测量(FNNSS)模型。采用软测量的方法实现生产综合条件指标即广义透气性的测定，对不同的透气性采取不同的控制策略，并进行了仿真研究。     

基于PSO-ANN逆的发酵过程软测量建模

针对发酵过程中一些关键生化参量难以通过常规仪表实时测量,而制约发酵生产过程优化控制的问题,提出一种基于粒子群神经网络逆(PSO-ANN逆)的发酵软测量建模方法.以青霉素发酵过程为背景,首先建立其虚拟子系统数学模型,并构建发酵过程逆模型;其次,提出PSO-ANN逆的软测量实现方法,以克服解析法逆运算的复杂性甚至难于实现的问题;最终构建PSO-ANN逆软测量模型,并进行试验及仿真.结果表明:该软测量建模方法能够将机理建模与数据驱动建模方法相结合,充分利用对象模型的先验知识和经验数据,有效解决了青霉素发酵过程中不可在线测量的关键参量实时测量难题,其训练和测试误差分别达到0.037 2和0.046 1,模型具有较高的预测精度和较强的预测能力.     

基于PCA和LS-SVM的软测量建模与应用

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最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.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,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.     

基于Learn++的软测量建模新方法

针对现有软测量建模方法中存在的不足,将修改后的适用于回归问题的Learn++算法应用到软测量建模中.Learn++算法不但保留了常用集成算法能够提高单一学习机性能的特点,还能够克服现有软测量学习方法中容易遗忘已学信息和由于重复使用原始训练数据造成时间和资源浪费的缺点,并具有增量学习能力.在建模过程中根据ELM学习速度快、简单易行、泛化能力强等特点将其选择为基本弱学习机.将基于Learn++的方法应用到LF炉钢水温度软测量建模中,实验结果表明该软测量模型具有较高的精度,可以满足实际生产的需要.     

计算机通信及神经网络技术在软测量中的应用

介绍了基于OPC的DCS与微机网络数据通信技术和基于神经网络预估技术在生产过程软测量系统中的应用.以某己内酰胺装置软测量系统的开发为例,讨论了相关技术问题和解决思路.现场的实测数据仿真验证结果表明了软测量系统的有效性,最后给出了软测量技术应与生产过程优化相结合的方向发展.     

工业过程软测量研究

综述工业过程软测量研究现状.论述软测量过程中辅助变量的选择,过程数据的预处理,软测量模型的建立及软仪表校正方法,提出工业过程软测量的实现方案.评述基于回归分析、BP神经网络、RBF神经网络、支持向量机等当前主要软测量建模方法的特点及其在工业过程软测量中的应用.指出当前工业过程软测量实现过程中存在的诸如误差处理、软仪表校正等问题及今后软测量技术与优化控制相结合的研究与发展方向.     

基于疏密部数据划分的多模型软测量

针对化工生产过程数据分布形式的多样性问题,提出了一种基于疏密部数据划分的软测量多模型建模方法.该方法充分应用了全局核函数和局部核函数的特性,以最近邻聚类法为基础,将输入样本数据分为疏部与多个密部,对疏部采用全局核函数,对密部采用局部核函数,构建加强型支持向量分类机子模型,得到由多模型组成的软测量模型.通过对双酚A生产过程中的仿真研究,表明该模型的泛化能力得到提高.     

热轧过程中轧件组织与性能软测量系统的研究

介绍了热轧中轧件组织与性能软测量系统的组成和功能,讨论了开发软测量系统所必要的辅助变量选择和数据的预处理方法.通过对热轧过程中的工艺机理分析,并结合生产现场的控制要求,采用机理模型和人工神经网络相结合的方法建立了组织性能软测量系统的架构,并使用机理模型计算得到的微观组织和轧件的化学成分作为人工神经网络的输入变量,规范了人工神经网络的层次结构.在软测量系统的应用过程中,利用校正模型的短期和长期自学习方法,使系统的测量精度满足在线检测要求.