基于PLS软测量技术在加氢裂化产品质量控制中的应用

相关因素分析和产品质量建模是产品质量控制的关键.针对加氢裂化装置航煤闪点难以在线控制的难点,采用部分最小二乘法(PLS)进行油品质量相关因素分析,并通过部分最小二乘回归(PLSR)建立了航煤闪点的软测量模型.计算结果表明,PLS是收集、整理、分析现场数据的有效方法,用于质量指标的统计和建模,具有较高的精度,能很好地用于产品质量控制之中.     

软测量技术及其应用

软测量技术是一门新兴的工业技术，是对目前商用传感器不足的一个重要补充，综观国内外软测量技术的发展情况，本文从二次变量选择，数据处理，软测量模型建立，在线校正与工业应用5个方面系统地介绍了软测量技术，应用及其发展前景。     

软测量技术

软测量技术已经广泛地应用于过程控制领域，本文提出软测量技术所包括的主要内容，并逐一对其进行介绍。     

软测量技术及其在铝电解槽温度测量中的应用

软测量技术可以为一些无法直接测量的参数寻找一种测量方法.从辅助变量选择、数据处理、软测量模型建立和模型修正等方面系统地介绍了软测量技术;并针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题,选择电解槽的输入电功率和下料速度作为辅助变量,利用现代时间序列分析法建立了带受控项目的自回归数学模型,从而计算出电解槽的温度估计值.在160kA点式下料预焙阳极铝电解槽进行实验,结果证明了该方法的有效性.     

软测量技术在发酵过程中的应用研究

针对木糖醇发酵过程中关键参数在线测量难问题,建立基于均匀设计（UD）和遗传算法（GA）和神经网络（NNs)结构法,实现其在线软测量,实验表明,该模型可实现在线测量。     

Matlab在软测量技术的数据预处理中的应用

现场数据的预处理在软测量技术中有着非常重要的作用。但由于现场数据包含各种干扰样本,且数量众多,运用手工处理这些数据十分困难,甚至无法完成。可应用Matlab软件来处理数据中的过失误差和随机误差,使处理过程更加简便。     

Matlab神经网络工具箱及其在软测量建模中的应用

介绍了Matlab神经网络工具箱的一些重要内容,包括数据预处理、训练算法比较、网络泛化能力等.结合一个工业实例阐述了其在软测量建模中的应用,最后通过仿真分析了建模效果.结果表明,利用Matlab神经网络工具箱进行软测量建模研究是行之有效的.     

软测量技术在铁矿石表面温度检测中的应用

针对进行熔滴试验来分析铁矿石的高温性能中铁矿石表面温度很难直接获得的困难,提出了运用软测量技术实现在线检测铁矿石的表面温度,以取代原有的拉格朗日插值法进行表面温度离线估算。该方法采用L-M优化算法,通过建立神经网络软测量模型,并结合神经网络的离线学习,建立输入变量和目标变量的对应关系,实现试样试验中铁矿石表面温度的在线检测。仿真结果和对比实验比较结果均表明该方法是合理可行的。     

软测量技术的发展及应用

在工业过程中,一些关键变量很难通过常规的测量方法检测出来,而软测量技术在这一方面却起着很大的作用。在工业过程的控制、分析、优化的理论研究和实践应用中都取得了较好的成果。本文对此技术进行综述,介绍软测量技术的基本原理,模型种类,技术特点,并对这项技术的未来发展做了简要展望。     

通用预估控制理论及其在分馏塔产品质量控制上的应用

主要介绍了通用预估控制理论（ＵＰＣ）的形成及特点，并对几种预估控制系统和性能作了比较，阐述了ＵＰＣ的灵活结构和优良特性。ＵＰＣ对可测变量的动态反馈结构具有很好的抗扰性和鲁棒性，ＵＰＣ结构上的多样性使其具有很强的实用性，在不同的应用环境中都能得到最优的控制效果。同时介绍了通用预估控制算法在分馏塔装置控制上的一项应用技术－产品质量实时控制系统。运用该系统可以对分馏塔的产品质量进行直接控制，通过全局协调     

基于粗糙集的偏最小二乘回归方法

针对变量之间多重相关性导致最小二乘估计失效的问题,提出基于粗糙集改进偏最小二乘回归建模方法.首先,利用粗糙集对数据进行一般约简,去除冗余信息,再进行偏最小二乘回归分析,建立回归模型.通过实例计算,并与PLSR、PCR进行比较分析.结果表明：用粗糙集改进的PLSR建模精度为3.65%,分别高于PLSR(4.07%)和PCR(4.45%),从而验证了所提出方法的通用性及实用价值.     

一种自确认软测量方法的研究与应用

软测量技术在过程工业中得到了广泛应用于代替或部分代替仪表的功能进行监控。但是,长期困扰软测量应用的是其鲁棒性问题。因此,提出了新型的软测量模型即自确认软测量模型。利用主元分析对输入传感器数据进行了在线校验和故障重构,不仅能确保了输入传感器(辅助变量传感器)数据的可靠性。同时,利用一定的状态参数来指示当前输入传感器的状态。此外,通过输出方差和归纳区间估计两种方法对软测量输出的不确定性进行了描述。模型的输出将不是单个预测值的输出,而是同时输出五种信息:带概率区间的输出、模型的状态(故障状态,重构状态和迷失状态等等)、不确定性、故障信息和校验输出值,并对发生故障的输入传感器进行数据重构和修复以达到模型自校验和自诊断的目的。所提出方法在污水处理过程中得到了有效应用。     

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.     

批量甜玉米低场核磁共振数据的统计分析

以烫漂甜玉米的低场核磁共振数据为例,采用统计分析系统（SAS）得到烫漂温度对甜玉米中水分分布的影响规律,利用SAS批量读入数据并对数据进行多指数模型拟合、主成分分析和偏最小二乘法模型预测,提供了相应的SAS代码.结果表明,当弛豫时间为450~750和50~70 ms时,相应水组分的弛豫强度分数随处理温度的变化而呈现出一定的变化规律;烫漂温度可初步划分为3个温度段,即20~40、50~70和80~100 °C;束缚水含量模型具有较高的预测准确性（决定系数R2=0.974,标准差RMSECV=0.32%）;SAS方法在批量数据处理过程中具有较高分析和处理数据的能力.     

RBF-LVLS方法用于甲醇合成反应器的软测量建模

及时、准确地测定化工过程变量,对确保生产过程稳定、有效控制产品质量具有重要意义。RBF-LVLS是在分析RBF-PLS的基础上提出的新方法,它保留了RBF-PLS的优点,采用非线性的神经网络结构,又用数学方法直接求解,免去了ANN冗长的训练过程和其他诸多欠缺,同时,它所集成的LVLS方法将PLS的多个目标函数整合为因变量成分拟合误差一个,以此循环迭代求解自变量和因变量的成分及它们间的回归系数,从而使建立的模型既具有很高的预报精度和良好的稳定性,又有简洁的解析形式,便于优化等进一步的计算和处理。RBF-LVLS方法成功应用于甲醇合成反应器的软测量建模。     

基于sub-MPLS的多阶段间歇过程质量预测与控制

针对大部分多阶段间歇过程,质量多数难以在线测量与控制问题,提出一种新颖的在线质量预测方法,基于子时段的MPLS质量预测方法.首先,采用聚类分析方法对间歇过程时间片矩阵PCA负载矩阵进行分类,依据过程变量相关性的变化,过程被分成几个操作阶段,然后,定出与质量变量最相关的阶段,在该阶段建立sub-MPLS在线质量预测模型,另外,还提出一种闭环质量控制方案.在一个典型的多阶段间歇过程-注塑过程的应用结果表明了所提出方法的有效性.     

湿式球磨机筒体振动信号分析及负荷软测量

针对磨矿过程的磨机负荷(ML)难以有效检测,球磨机常运行在欠负荷状态,造成该过程难以实现优化控制和节能降耗的难题,通过综合分析球磨机筒体振动的产生机理、不同研磨条件下振动信号的功率谱密度(PSD)及ML参数与PSD各频段的相关性,提出了采用料球比、浓度及充填率三个负荷参数对ML进行软测量建模的方法.该方法首先将振动加速度的时域信号通过傅立叶变换至频域,然后采用主元分析法(PCA)对振动频谱数据的低、中、高三个频段分别进行降维和特征谱变量的提取,最后利用最小二乘支持向量机(LSSVM)实现特征谱变量与ML参数间的非线性映射.实验结果表明,该算法能够有效地提取频谱变量的谱特征,并具有较高的估计精度.     

PCA-DRBFN模型在精馏塔精苯干点估计中的应用

针对PCA(PrincipalComponentsAnalysis)技术中,由于重叠信息会严重影响主成分的正确提取这一问题,提出了一种改进的数据降维处理方法·首先,利用标准化变量间的相关系数大小找到重叠信息·然后,将重叠信息进行加权综合·最后,利用改进的数据降维处理方法以及分布式网络技术,建立了基于PCA DRBFN(PrincipalComponentsAnalysis DistributedRadialBasisFunctionNetwork)的软测量模型,并将其应用到某钢厂的精苯精馏过程,对精苯干点进行估计·通过仿真证明,所建立的模型具有较好的泛化效果·     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种基于主元分析和模糊聚类的数据预处理算法。采用模糊C均值聚类算法得到聚类中心，进行线形回归从而对过程变量数据进行了预处理。主元分析法则用采进行辅助变量的选取和输入高维向量的降维简化．针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型。根据工业实际生产数据进行的模型校验和误差分析表明，能够满足浮选过程控制的精度要求。     

一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列．RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果．使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF、算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少。