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

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。     

软测量技术及其在加氢裂化分馏塔中的应用

在总结现有各种软测量技术的基础上,指出统计分析方法中的部分最小二乘法和神经网络方法中的径向基函数网络,是经实际应用证明有效的方法。提出了一种将ＰＬＳ和ＲＢＦＮ结合的方法,并将ＰＬＳ,ＲＢＦＮ,ＰＬＳ－ＲＢＦＮ３种算法分别用于加氢裂化分馏塔航煤点软测量模型的建立,其泛化结果表明基于ＰＬ－ＳＲＢＦＮ算法建立的软测量模型具有更好的预测精度。     

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。     

数据挖掘中的数据预处理技术

阐述了数据集成的预处理技术及必要性，讨论了不完整数据、含噪声数据、不一致数据的清理方法。     

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。     

小波分析技术在数据预处理中的应用

在工程实际中,从被测对象上检测到的信号,往往混有不同程度的噪声。利用小波分析可以过滤掉弱信号或无用信号,得到用户真正需要的信息。介绍了小波变换、小波包分解,以及运用小波包分解进行数据预处理的方法,并最终选择应用小波包分解进行消噪和小波多尺度分解,完成数据预处理,提取了故障特征。     

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。     

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。     

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.     

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.     

基于支持向量机的数据建模在软测量建模中的应用

支持向量机是一种新的机器学习算法 ,它的基础是 Vapnik创建的统计学习理论。与传统学习方法相比 ,该理论采用了结构风险最小化准则 ,在最小化样本点误差的同时缩小模型泛化误差的上界 ,提高了模型的泛化能力。同时该理论把机器学习问题转化为一个二次规划问题 ,可以得到唯一的全局最优解。本文应用支持向量机技术进行数据建模研究 ,并用数据建模技术建立了加氢裂化装置分馏塔的航煤干点的软测量模型。     

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。     

供应链管理中的数据预处理技术

数据挖掘技术在供应链管理中起着非常重要的作用，由于数据常常出现噪声、缺失等情况，因此数据预处理成为数据挖掘过程中非常重要的一个步骤。结合供应链管理中的数据挖掘对各种数据预处理技术进行了介绍，并讨论了适合在供应链管理数据挖掘中应用的数据预处理技术。     

仿型测量数据的预处理

对仿型复杂的物体进行数控加工,可通过测量系统对物体几何形状进行仿型测量从而完成几何形状的数字化,测量后得到的数据往往有各种各样的误差,此类数字化数据的预处理是提高最终加工精度和成品质量的重要手段。以封闭曲面实物模型为对象,采用弦高差方法对数据异常点进行剔除,提出了一种改进的减测量头半径算法用于离散数据的处理,将奇异值分解降噪方法应用到测量数据的平滑处理,并提出了一种有效的基于曲率的特征点提取和离散数据简化方法,仿真结果证明,该方法对处理测量数据有很好的效果,有效地降低了数据噪声和曲线拐点处的轨迹误差。     

基于Matlab的火灾图像预处理

本文研究了在Matlab环境下如何对图像,特别是火灾图像进行预处理。预处理的过程分为两个步骤,包括火灾图像的增强和滤波。用一些Matlab的处理实验来分析说明各种方法对火灾图像预处理后所得到的效果。     

数据预处理在高速公路收费系统中的应用

本文利用数据预处理技术,将高速公路收费系统中的海量信息进行处理,去除数据中的重复、冗余以及错误信息,提高了系统的稳定性和高效性,也为系统的有效数据挖掘奠定了基础。本文基于最新的.NET技术,对数据预处理算法进行了具体实现,并结合SQL Server2005给出了实现结果。     

小波变换在数据挖掘数据预处理中的应用

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取人们事先不知道的但是潜在的有用的知识和信息的过程,数据预处理是整个数据挖掘过程中的一个重要环节。小波变换是一种新的数学分析方法,广泛应用于信号处理、图形处理、模式识别、语言分析等众多领域。将小波变换应用在数据挖掘数据预处理中,能够得到良好的数据压缩效果。