神经网络多模型软测量技术及应用

基于多模型思想，采用模糊聚类的方法对软测量数据进行了分类，对每类数据基于神经网络(NN)建模，采用RBF神经网络构造了每个数据样本的隶属度，将各模型输出的数据进行隶属度加权求和得到最终的软测量输出，并对某催化重整生产装置催化剂再生器氧含量进行了建模研究，获得了满意的结果。     

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。     

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.     

基于改进粒子群算法优化BP神经网络的废水处理软测量模型

针对废水处理过程BP神经网络软测量模型受处理过程非线性特征影响,存在收敛速度慢、陷入局部极小点等问题,用改进的粒子群算法(PSO)优化BP神经网络,建立废水处理过程中出水化学需氧量(CODeff)与出水固体悬浮物(SSeff)的软测量模型(PSO-BP模型),并与基于遗传算法-BP神经网络算法的模型(GA-BP模型)及...     

基于模糊系统优化的软测量建模

为了解决模糊系统优化问题,提高全局优化能力,在模糊加权神经网络和微粒群算法的基础上,提出了一种基于微粒群算法的模糊神经网络优化算法。该算法可以同时对模糊加权神经网络的网络结构和权值参数进行优化,对实际问题可以自动生成较好的模糊神经网络模型。经过实验分析和计算,证明这种算法在解决模糊系统优化问题上表现了良好的性能,应用该算法可以有效地解决软测量问题。该结果对工业过程中的软测量建模提供了良好的参考价值。     

基于PSO算法优化的BPNN天然气脱CO_2膜分离过程软测量模型

天然气脱CO2膜分离过程是一个非线性复杂系统.针对其过程中一些关键性能参数如脱碳气流量和尾气CO2浓度难以在线精确测量,建立了基于PSO算法优化的BP神经网络天然气脱CO2膜分离过程软测量模型.其中,为克服BP神经网络收敛速度慢、易陷入局部最小值等缺点,引入惯性权重算法和收缩因子对传统PSO算法进行改进后,用PSO算法优化BP神经网络的权值和阈值;然后,基于Matlab软件和采集的现场数据对天然气脱CO2膜分离过程进行建模仿真.结果表明,模型收敛速度快,模型测量的天然气脱CO2膜分离过程中的关键参数脱碳气流量和尾气CO2浓度值与实测值符合较好,误差小.     

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。     

基于改进AdaBoost的LF炉成分软测量建模

针对现有软测量模型更新方法的不足,将增量学习思想与AdaBoost集成学习思想相结合,提出了一种具有增量学习性能的改进AdaBoost集成学习算法.并将该改进的AdaBoost与BP神经网络一起形成了集成BP神经网络,建立了基于改进AdaBoost集成BP网络的软测量模型.该软测量建模新方法可以提高单一BP网络的精度,同时还能保证建模具有增量学习的更新性能.使用该软测量建模新方法建立抚钢60t LF炉钢水成分软测量模型,取得了较好的预测效果,可以满足实际生产的需要.     

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。     

汽提塔塔底氨含量的软测量模型

针对常规偏最小二乘算法(PLS)难以适用实际工业过程的时变特性、固定长度窗口PLS可能导致数据样本丢失信息问题,提出了基于变滑动时间窗口长度的PLS软测量建模算法。算法思想是设定时间窗口内样本数据长度不是固定的,建模的样本数据随新样本数据加入而逐步舍去。算法应用于煤气化废水处理流程中加压汽提塔塔底氨含量的工业软测量建模,仿真研究表明:相对于简单的PLS方法和固定滑动时间窗口长度的PLS方法,模型的预测平均相对误差分别减少约43%及13%,模型具有精度高、外推能力好等优点。另外,针对案例,讨论了最佳的窗口可变长度。     

催化重整生焦动力学模型的研究：Ⅱ.各类相关因素的影响

在假设各类因素独立作用的前提下,通过实验室催速生焦实验,对温度、压力、氢油比及原料对铂铼重整催化剂生焦失活的影响进行了初步研究,并分别关联了曲线方程。     

基于全局搜索策略的神经网络动态建模分析

介绍一种基于全局搜索策略的神经网络学习算法，并对该算法的学习性能进行比较和分析，关于建模过程中网络结构的选择与延迟数识别等方面也做了讨论与分析，给出相应的仿真结果。     

多相光催化氧化法处理焦化废水的研究

以TiO2为催化剂,H2O2为氧化剂,在紫外光照射下采用多相光催化氧化法对焦化废水进行处理,对COD去除率的各种影响因素进行了研究探讨,从而得出其较佳工艺条件．结果表明该法可使焦化厂二沉池废水COD从348．3mg／L降至52．1mg／L,COD的去除率可达85．0％以上。     

加氢尾油催化裂解催化剂积炭的动力学研究

以改性ZSM-5分子筛作为催化剂,对加氢尾油催化裂解脱蜡生产润滑油基础油。文中考察水蒸气和磷改性催化剂的积炭,并建立了催化剂积炭的动力学模型。结果表明：在相同反应条件下,水热处理磷改性ZSM-5分子筛的积炭量较小,低于未改性和单纯磷改性或水热处理的,并获得了合理的结焦动力学方程,可预测催化剂上的积炭含量。     

单种焦煤结焦性能及其混配性研究

对5种不同矿点的焦煤进行煤质分析和单种煤结焦性能比较,并进行配煤炼焦试验研究。结果表明,尽管单种焦煤的结焦性能接近,但其工艺性质及成焦显微结构存在较大差异。在配煤炼焦中,胶质体含量丰富、胶质体的流变性和膨胀性高、成焦粗粒镶嵌结构多的焦煤,与不同炼焦煤的混配性强,所得焦炭质量较优。     

啤酒发酵过程中神经网络糖度混合建模

发酵是一个复杂的反应过程对象，其内部反应的机理模型一般都难以精确得到，从而给反应过程参量的在线检测与控制带来困难。本文分析一些基于神经网络的混合机理建模的解决方法，并对随机搜索策略的学习方法进行建模与估计进行探讨，最后给出相应的仿真结果。     

延迟焦化节能新工艺及对设备性能的影响

在对炼油装置中传统的焦炭塔蒸汽大吹汽工艺进行分析的基础上，提出了以水代蒸汽的节能降耗新工艺及其新的工艺步骤，并进行了现场试验，在比较产品质量指标数据、设备薄弱温度循环和应变循环测试数据验据的基础上，征明了此新工艺技术在提高产品质量，降低能源消耗和设备负荷等方面的新颖性和合理性，分析了由此对设备长周期运行性能带来的益处。     

含约束条件遗传算法在连续催化重整优化操作中的应用

介绍了通过惩罚函数法解决含约束条件遗传算法的实现问题。分别采用内点法和外点法,将有约束优化问题转化为无约束的优化问题,再利用Matlab编制遗传算法程序。通过对连续催化重整优化操作过程仿真计算,证明该方法具有快速收敛且优化结果好的特点。     

絮凝剂在焦化废水再净化中的应用

焦化废水通过常规溶剂脱酚、生物脱酚净化处理后，常常难以达到国家允许的排放标准。通过模拟试验研究，确定了絮凝剂及最佳投放量。应用于生产外排废水的再净化后，ＣＯＤ的净化率提高了３５．７％；氰化物的净化率提高了５７．７％。     

褐煤焦化特征

本文根据褐煤的物理性质及化学成分特点，阐述了褐煤焦化特征及焦化产物─焦炭、焦油、低温干馏煤气、焦炉煤气、干馏水的性质。