基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

金氰化浸出过程动力学反应速度估计

金氰化浸出过程中,动力学反应速度的不可测量给模型辨识带来了困难,而由浓度等可测变量估计动力学反应速度是一个不适定逆问题,极易将浓度测量数据中的噪声放大,造成估计结果不准确.采用Tikhonov正则化方法,去除了复杂的动力学反应模型,利用浓度、流量等测量数据和物质守恒方程来辨识金和氰根离子的动力学反应速度,有效地减少了测量数据中误差的传递.实验结果表明,该方法不但能很好地跟踪动力学反应速度的变化趋势,抑制噪声的放大,而且易于实现.与有限差分、平滑滤波估计方法相比,其估计效果明显得到了改善.     

基于偏鲁棒M-回归的间歇过程离群点检测

以多元统计分析技术为核心的间歇过程建模、在线监测逐渐成为过程工业的关注焦点,然而过程数据中存在的大量离群点将直接影响上述方法的可靠性,为此提出了一种基于偏鲁棒M-回归的间歇过程离群点检测方法.首先基于极大相关熵估计建立鲁棒预测模型;然后利用偏鲁棒M-回归算法计算模型的回归系数;最后采用Hampel识别器分析最终的权值,从而实现离群点的检测.将所提方法应用于某间歇反应过程,实验结果验证了方法的有效性.     

基于PLS和减聚类的模糊逻辑系统设计及应用

结合PLS和减聚类算法设计了一种新型的模糊逻辑系统混合训练算法。通过将全部样本数据作为模糊规则选入系统,并引入PLS作为训练算法,从而有效的抑制样本数据中的严重噪声;为了使训练后的系统结构得以简化,利用减聚类算法合并系统中相似的规则。还通过仿真验证了该方法相比于传统OLS训练算法的优点;并将其应用于湿法冶金萃取组分含量软测量建模中,得到了满意的效果。     

基于ICA-LSSVM的铜萃取混合模型

由于湿法冶金萃取生产过程中组分的质量浓度在线检测极其困难，因此提出了一种结合独立成分分析与支持向量机的数据建模方法，建立了铜萃取过程组分的质量浓度预测模型.首先利用独立成分分析方法对现场数据进行预处理，然后利用支持向量机建立分配比模型对预测模型中的必要参数进行辨识，从而增强了铜萃取过程组分质量浓度预测模型的准确性.通过萃余液铜质量浓度和反萃余液铜质量浓度的实验证明了该模型更有效、更精确，为进一步控制管理提供了理论基础.     

基于模糊基函数变换的PLS及其在软测量中的应用

针对以往非线性偏最小二乘法(PLS)的局限性,提出了一种基于模糊基函数变换的PLS算法,用以解决非线性系统的建模问题.该方法首先通过模糊基函数变换将自变量与因变量之间的非线性关系转化为线性关系,再利用PLS算法进行回归求参,从而有效克服由于模糊基函数变换所引发的维数增加以及多重共线性,使得模型在具有较高拟合精度的同时还能有效地抑制噪声.通过仿真实验进一步验证了该方法的有效性,并将其应用于湿法冶金萃取过程组分含量软测量建模问题,得到了满意的效果.     

基于GAN的浮选泡沫图像压缩与超分辨率重建

为了解决浮选过程中由于浮选泡沫图像像素高导致的工业现场无法大量保存离线泡沫图像数据的问题，提出了先进行有损压缩图像储存，再对其进行超分辨率重建的方法。该方法采集浮选槽泡沫的无损图像，通过下采样降低图像的分辨率，使用JPEG压缩算法对图像进行压缩。重建时，先使用低分辨率图像和高分辨率图像对生成对抗网络(GAN)进行训练，然后使用GAN对有损图像进行超分辨率重建，恢复图像细节特征，在得到能够满足工业生产所需要的图像质量的同时，大幅减少图像储存所需的存储空间。