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。     

废水处理过程的KPLS-GPR软测量建模

采取基于核函数偏最小二乘法的高斯过程回归模型(KPLS-GPR),对复杂的造纸废水处理过程中出水化学需氧量(COD)和出水悬浮固形物(SS)质量浓度进行预测.首先,采用KPLS的潜变量作为预测模型的输入变量,以降低数据维度,优化数据结构;其次,建立潜变量与输出变量的GPR回归模型.基于某工厂造纸废水数据进行仿真试验,引入人工神经网络(ANN)、基于偏最小二乘潜变量的预测模型(PLS-ANN)及基于核函数偏最小二乘潜变量的预测模型(KPLS-ANN)作为对比.试验结果表明:KPLS潜变量对预测模型有明显的优化效果,在这些模型中KPLS-GPR预测精度最高;对于出水COD和SS质量浓度的预测,KPLS-GPR的决定系数分别为0.575和0.610,相比于常规预测模型,决定系数可分别提升36.90%和43.87%.     

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.     

基于IBPLS方法的软测量建模

作为一种经典的回归建模方法,偏最小二乘法(partial least squares,PLS)已被广泛的应用于软测量建模中.但是,当建模数据混有较大噪声时,采用PLS模型的预测误差以及预测误差的方差都比较大.针对PLS方法的上述缺陷与不足,本文将迭代Bagging算法引入PLS回归建模中,形成迭代Bagging PLS算法(iterated Bagging PLS,IBPLS),该方法可以减少预测误差和预测误差的方差.仿真结果表明,与传统PLS方法相比,IBPLS减小预测误差约6％.     

基于混合建模的锅炉飞灰含碳量软测量研究

飞灰含碳量运行人员判断锅炉运行好坏和降低煤耗的一项重要指标,是指导评价锅炉燃烧优劣的依据。精确和实时地监测飞灰含碳量有利于提高锅炉燃烧控制水平,降低发电成本,提高机组运行的经济性,本论文在参阅了大量文献后,对课题的研究现状进行了分析和比较,设计了一种基于混合建模的方法构建飞灰含碳量的软测量模型。     

基于改进JIT算法的软测量建模及其在污水处理中的应用

为解决污水生化处理过程中的水质参数BOD5(5天生化需氧量)难以在线监测的难题,在充分考虑污水处理过程非线性和多变量耦合的基础上,结合Jolliffe参数和数据选择算法提出了鲁棒最近相关性算法,并将其与RPLS(迭代偏最小二乘)和线性偏差补偿等算法相结合,对JIT(Just-in-Time)在线学习算法进行了改进,最后...     

基于支持向量机的生物发酵过程软测量建模

针对最小二乘向量机的缺陷,提出了一种改进的最小二乘支持向量机回归方法.根据输入变量和样本点间欧氏距离的大小,去除回归模型中大部分的样本点,从而获得回归模型的“稀疏”特性,大大提高计算速度.同时,将这一方法应用于生物发酵过程,建立了青霉素发酵过程中产物浓度的软测量模型,实现了青霉素浓度的在线预估.仿真结果表明,这一方法为生物发酵过程中难于在线测量质量参数的实时监测提供了一个有效的手段.     

基于核偏最小二乘的砷盐净化除钴过程钴离子浓度软测量

针对锌湿法冶炼砷盐净化除钴过程中钴离子浓度无法在线检测给生产优化控制带来困难的问题,建立基于机理模型和核偏最小二乘(kernel partial least squares,KPLS)参数辨识的钴离子浓度软测量模型;考虑到过程具有时变性,根据所建立的软测量模型特点,提出一种双向递归KPLS模型参数更新和滤波修正相结合的模型在线校正方法,以提高软测量模型精度;同时,采用基于主元分析和贝叶斯分类的异常值在线检测方法实现对参数辨识相关检测量的实时异常值在线检测,保证用于参数更新数据的有效性。研究结果表明:所建钴离子浓度软测量模型跟踪效果好,满足实际生产过程预测精度要求,解决了钴离子浓度无法在线检测给优化控制带来的困难,可为生产过程的优化控制提供指导。     

基于模糊c均值聚类的多模型软测量建模

根据几个模型相加可提高模型的预测精度及鲁棒性的思想,提出了一种非线性软测量建模的新方法。即先用模糊ｃ均值聚类将训练集分成具有不同聚类中心的子集,每一子集用ＲＢＦ网络或部分最小二乘法进行训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到最后结果,此算法通过一个复杂非线性函数的仿真建模和一个分馏塔柴油倾点软测量建模的工业实例研究,结果表明比其它算法具有更好的泛化结果和预报精度,具有     

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。     

OSC-PLS算法在近红外光谱定量分析中应用的研究

提出一种新的光谱预处理方法--正交信号校正,并将正交信号校正与偏最小二乘法相结合的OSC-PLS方法应用于固体含能材料中挥发份的定量分析.利用正交信号校正,对光谱数据进行预处理,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型.结果表明:用OSC-PLS方法建立模型与用传统偏最小二乘法所建模型相比精度明显提高,这对近红外光谱分析在该领域的应用具有重要的理论意义和实际推广价值.     

基于彩色图像特征的铜成分软测量模型

针对再生铜熔炼过程中铜成分离线检测时滞大的问题,提出了一种基于颜色特征的再生铜成分参数准在线估计方法.首先获取现场取样并固化再生铜样品的彩色图像,然后使用RGB颜色空间、色调和颜色向量角分别量化再生铜颜色特征,最后利用最小二乘支持向量回归（LSSVR）对铜成分参数建立回归模型,进而实现铜成分参数估计.通过对再生铜样品的对比分析,该软测量模型能够准确快速地估计出测试样本的铜成分,既解决了铜成分参数离线检测时滞大的问题,又满足了工程要求的精度,验证了利用彩色图像特征构建铜成分软测量模型的方法是可行、有效的.     

A Novel Soft Sensor Modeling Approach Based on Least Squares Support Vector Machines

Artificial Neural Networks (ANNs) such as radial basis function neural networks (RBFNNs) have been successfuUy used in soft sensor modeling. However, the generalization ability of conventional ANNs is not very well. For this reason, we present a novel soft sensor modeling approach based on Support Vector Machines (SVMs). Since standard SVMs have the limitation of speed and size in training large data set, we hereby propose Least Squares Support Vector Machines (IS_ SVMs) and apply it to soft sensor modeling. Systematic analysis is performed and the result indicates that the proposed method provides satisfactory performance with excellent approximation and generalization property. Monte Carlo simulations show that our soft sensor modeling approach achieves performance superior to the conventional method based on RBFNNs.     

即时学习多模型加权GPR软测量方法

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行即时建模,最终多模型加权获得最终的预测结果.将所提方法应用于实际的工业炼胶过程,实验结果表明,该方法具有很好的预测性能.      

软测量与推断控制技术初探

该文论述了软测量与推断控制技术的基本思想和基本原理,介绍了软测量的研究现状和研究成果,并逐一论述了实现软测量技术的4个主要方面:辅助变量的选择、数据采集和处理、模型建立和在线校正。探讨了软测量常用的几类建模方法,包括回归分析和神经网络。分析了当前软测量技术面临的难点,对其今后的研究方向进行了总结与展望。     

非线性同伦LM算法及在软测量建模中的应用

综合同伦方法与Levenberg-Marquardt(LM)优化方法,提出了一种新型非线性同伦LM神经网络学习算法以改善现有神经网络学习算法的学习效率,分析了不同类型的过渡函数对神经网络泛化性能的影响.该算法具有稳定性强、收敛性能好的特点.结合工业过程实际要求,将提出的改进算法用于丙烯腈收率神经网络软测量建模并与几种常见建模方法比较,结果表明:基于改进算法的软测量模型具有更高的测量精度和更好的泛化性能,满足现场测量要求.     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题.对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度.定义了一种混沌映射构成混沌系统并分析了其遍历性.应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力.将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明:模型精度较高,泛化性能好,满足现场测量要求.     

改进的粒子群算法及其在软测量建模中的应用

提出了一种改进的粒子群算法,很好地解决了基本粒子群算法中易陷入局部最优的缺点。通过比较和分析几个标准测试函数的计算结果,改进的粒子群算法的优良性得到充分的证明。改进的粒子群算法被用于优化神经网络的结构和参数,结果表明:不但网络的结构得到控制,而且泛化性能有了较大的提高。同时,算法在优化神经网络上的有效性也在4-CBA含量的软测量建模中得到了很好的证实。