软测量建模中的数据校正

为有效剔除工业现场采集数据中的显著误差,降低随机误差的影响,使校正后的数据更好的满足物料平衡和能量平衡,最大程度提高软测量模型的精度,提出一种基于同步算法的数据协调方法,并对双酚A生产工艺现场采集到的数据进行校正。仿真表明,校正后的数据误差率得到显著降低,提高了数据源的精度和模型的泛化能力。     

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。     

污水处理过程的软测量技术

污水处理过程的软测量技术是为解决污水处理出水水质(如BOD5、COD等)难以在线实时检测而提出的,它为污水处理质量参数的在线预测和闭环控制创造必要的前提条件,并提供可行的解决方案,从而稳定出水水质和提高污水处理的效率.介绍软测量技术的概念,研究污水处理软测量建模方法,以及工程设计方法.     

基于互信息的辅助变量筛选及在火电厂NOx软测量模型中的应用

辅助变量的选取是软测量建模中重要的一步;但由于待选变量数目多、与主导变量非线性相关、信息冗余大等因素导致辅助变量的选择不够合理。在信息熵和互信息理论基础上,改进IBF和MIFS变量筛选算法,综合考虑了辅助变量和主导变量之间的最大相关性,以及辅助变量之间的最小冗余性。作为算例使用改进后的算法,筛选了某燃煤机组运行历史数据,建立了省煤器出口NOx浓度的GA-BP软测量模型。实验证明这种基于互信息的变量筛选方法可以有效提高模型的输出精度和泛化能力。     

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。     

流程工业软测量软件集成数据整合平台的开发

针对流程工业生产过程中多种异构数据库之间存在不能有效共享和不一致性的缺陷,利用通用的接口技术将多种异构数据库的数据进行了整合.同时将软测量软件嵌入数据整合系统,可以借助经过整合的历史生产数据,对难以直接测量的化验分析数据进行在线实时的软测量,测量结果同步存储于数据库中,形成了一个功能较为完善的数据整合平台.研究成果已成功应用于某大型石化企业,平台的可靠性、稳定性和软测量结果的准确性达到了工业应用的要求,表明了这项研究的价值和应用前景.     

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.     

软测量在污水处理过程中的研究与运用初探

伴随着社会主义市场经济的发展,我国现代工业进入到了一个快速发展的黄金期,其中对污水处理技术的研究日渐受到人们的重视。但在污水处理的过程中,存在着很多不可控制性因素与特征,比如参数的时变大,多个变量耦合等,这些都使得污水处理无法达到最佳水平。传统的传感器无法接受最新的信息,也为重要变量的测量带来了很大的困难。本文将从污水处理与软测量的角度出发,探讨软测量技术在污水处理过程中的运用及发展趋势。     

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.     

基于模型迁移的磨矿过程混合蛙跳算法-小波神经网络软测量建模及重构

摘要：
以磨矿过程的关键工艺指标(磨矿粒度和磨机排矿速率)为预测对象,提出一种基于小波神经网络（WNN）的自适应软测量建模方法.通过对磨矿过程工艺的分析,选取了软测量模型的辅助变量,利用混合蛙跳算法(SFLA)对WNN软测量模型的结构参数(小波函数伸缩因子、平移因子和网络连接权重)进行优化,实现软测量模型输入输出变量之间的非线性映射;并采用模型迁移思想及输入输出修正规划方法实现软测量模型的重构,以解决输入矿石品位改变这一动态工况下的模型自适应校正问题.仿真结果表明,所提出的模型能够显著提高磨矿过程中经济技术指标预测的精度和鲁棒性,满足磨矿生产过程的实时控制要求.
关键词：
磨矿过程; 软测量; 小波神经网络; 混合蛙跳算法; 模型迁移
中图分类号： TK 232
文献标志码： A     

磨矿过程产品粒度软测量的比较研究

磨矿粒度(GPS)难以进行直接在线检测且化验过程滞后,必须采用软测量技术对其进行在线估计以及在此基础上的闭环控制.针对一个实际的两段式磨矿回路流程,分别基于多元回归、案例推理(CBR)和神经网络(NN)技术建立了三种磨矿粒度软测量模型,并对其进行了基于工业试验的比较研究.结果表明,基于CBR的磨矿粒度软测量方法优于BP神经网络软测量(BP-NN)方法和多元回归模型估计方法.     

基于核磁共振的代谢组学数据预处理

数据归一化是预处理中的重要组成部分,本文采用正常大鼠与I型糖尿病模型大鼠的尿液核磁共振谱图作为测试数据,研究了线归一、面归一和模归一3种数据预处理方法对代谢组学数据PCA分析结果的影响.分析结果表明,面归一预处理方法能够更好地在PC得分图上将对照组和糖尿病组的样本分开.此外,为了有选择性的去除代谢组学数据组中的噪声变量,本文引入新的参数R来评估PC得分图的分类效果,并把它引入适应度函数,设计相应的遗传算法,对代谢组学数据进行变量选择.经过变量选择后,主成分得分图上不同类别样本的可分性提高了,而且变量数大大地减少,更有利于特征代谢物的标记与识别.     

ε不敏感支持向量回归在化工数据建模中的应用

针对化工领域数据建模小样本、不适定性等问题 ,提出了一种用ε不敏感支持向量回归 (ε SVR)方法进行实际过程建模的想法 ,以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题 .在分析ε SVR特性的基础上 ,用一个非线性函数逼近例子验证了ε SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力 .将ε SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中 ,仿真和现场运行结果表明ε SVR是一种非常有效的化工数据建模方法 .     

基于历史故障库的汽车电子系统故障诊断方法

本文以电子节气门控制系统为例,提出了一种基于历史故障库的故障诊断模型,首先通过异动数据流的采集与数据预处理生成故障征兆向量,将征兆向量输入到历史故障库中进行故障模式匹配,未能匹配的征兆向量作为训练样本通过决策树C4.5的算法,得到故障征兆和故障原因对应规则,然后存入历史故障库中为未来的诊断提供依据。测试表明文章所建立的诊断模型具有一定的可靠性和准确性。     

Reasoning Efficiency Research of Expert System for Biomass Soft-Sensor Modeling in Fermentation Process

An expert system for biomass soft-sensor hybrid modeling in fermentation process was decribed in this paper.A production rules representation based on database was presented.The definitions of production rules for biomass soft-sensor hybrid modeling knowledge were proposed.A knowledge base with layered structure was introduced.A breadth-first reasoning approach based on match degree(BFMD) was developed.The definition and calculation method of match degree were illustrated.Compared with the depth-first reaso...     

Web使用挖掘中数据预处理的研究

对Web使用挖掘中数据预处理阶段所采用的技术做了全面的研究,主要包括数据的来源及清理、用户识别、会话识别、路径补充等步骤及其所采用的技术．在现有Web使用挖掘数据预处理的步骤上提出改进,即在路径补充后,利用最大向前序列法（MFR,Max Forward Reference）进行二次会话识别,克服了原有会话识别中最大向前序列法的缺点．最后给出示例及其结果．     

A New Feature Selection Method for Text Clustering

Feature selection methods have been successfully applied to text categorization but seldom applied to text clustering due to the unavailability of class label information. In this paper, a new feature selection method for text clustering based on expectation maximization and cluster validity is proposed. It uses supervised feature selection method on the intermediate clustering result which is generated during iterative clustering to do feature selection for text clustering; meanwhile, the Davies-Bouldin＇s index is used to evaluate the intermediate feature subsets indirectly. Then feature subsets are selected according to the curve of the Davies-Bouldin＇s index. Experiment is carried out on several popular datasets and the results show the advantages of the proposed method.     

信号预处理中错点剔除方法的研究

对工程信号进行错点剔除,是信号预处理中的-项重要内容.本文分析了统计学中用于错点剔除的肖维勒准则、狄克逊准则、格拉布斯准则和拉依达准则,针对上述各项准则在处理大样本信号中的局限性,引入一种新式错点剔除方法,并用拉依达准则与此方法对-段实际工程信号进行处理对比,结果表明,新式错点剔除方法能够更好地剔除错点.