动态软测量建模方法初探

经过十几年的发展,软测量技术无论是在理论研究还是在实际应用中均取得了较大成功,然而至今为止的大部分研究都是针对静态软测量模型.分析了静态软测量模型与动态软测量模型之间的区别和联系,利用冲激响应模型给出了一个基于最小二乘方法的动态软测量建模方法,并在该方法的基础上给出了一种改进.仿真例子验证了该方法及其改进的有效性.     

高斯过程及其在软测量建模中的应用

结合工业萘初馏塔关键质量指标估计问题，提出了采用高斯过程（GP）建立复杂工业过程软测量方法。将自动相关确定（ARD）原理与GP模型结合进行软测量模型辅助变量选择,通过建立GP软测量模型，同时得到关键质量指标估计值和相应的预测不确定度，有效解决了现有软测量建模方法不能给出估计值的测量不确定度的问题。研究表明，GP软测量模型不仅能自动选择辅助变量，而且还具有较高的估计精度和较小的测量不确定度，能够更好地满足工业现场对测量可靠性的要求。     

一种黑液波美度的在线软测量方法及实现

针对黑液波美度直接在线检测仪表价格昂贵的现状,采用软测量技术,通过在线检测差压和温度来间接换算出波美度。详细阐述波美度的软测量模型,给出模型参数的辨识方法和模型修正方法,介绍波美度软测量仪表的西门子PLC实现。     

基于混沌RBF神经网络的气化炉温度软测量系统

针对德士古气化炉炉膛温度难以测量这一情况,提出利用软测量技术来解决这一问题.通过建立BP网络模型和RBF网络模型以及基于PCA和CHAOS的神经网络模型,并对其仿真结果进行分析和比较,验证了该方法的可行性.CHAOS-RBF软测量模型在化肥厂的应用效果良好,误差保持在1.5%以内,不但提高了温度测量精度,而且有利于更好的生产控制.     

基于小波-神经网络的瓷坯泥内部应力分布的软测量

针对真空练泥机中可塑性坯泥的颗粒定向问题,研究真空练泥机机头内壁压力对坯泥内部应力的影响,同时使用小波-神经网络获得真空练泥机机头内壁压力和泥料内部应力之间的对应关系,并利用此关系实现坯泥内部应力分布的在线软测量.研究表明:采用小波.神经网络可以精确地得到真空练泥机机头内壁压力和坯泥内部应力的函数关系,并在此基础上完成坯泥内部应力分布的在线软测量.     

基于改进Bagging算法的高斯过程集成软测量建模

为提高对工况复杂的工业过程进行软测量建模的模型精度和泛化能力,提出了一种基于改进Bagging算法的高斯过程集成软测量建模方法。该算法采用高斯过程回归算法建立集成学习模型的基学习器,并在Bagging算法对训练样本重采样生成基学习器训练子集的基础上,采用基于正则化互信息的特征排序指标进行基学习器的输入特征抽取,实现有监督的特征扰动,从而改善学习器的差异度。待测样本进行软测量估计时,根据各高斯过程基学习器输出的方差自适应地选择基学习器进行集成输出。采用工业双酚A生产装置反应器的现场数据建模仿真,结果表明该方法是有效的。     

基于二子空间协同训练算法的半监督软测量建模

在工业过程中,存在着辅助变量与主导变量数据比例严重失衡的问题。协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法。然而目前在协同训练软测量建模过程中,学习器之间存在严重的训练特性交叉重叠的问题,这将导致对主导变量的预测性能衰减。针对这一问题,提出基于二子空间协同训练算法的半监督软测量模型two-subspace co-training KNN(TSCO-KNN)。该模型将二子空间分块算法与协同训练算法相结合,利用辅助变量与主成分子空间PCS和残差子空间RS两个特征子空间的相关性程度,将数据变量拆分为两个具有显著差异性的学习数据集,进而使用KNN回归器进行协同训练,共同用于对主导变量的预测。最后在乙烯精馏塔塔顶乙烷浓度和TE过程产品浓度软测量中进行仿真研究,验证本文所提算法的有效性。     

工业共沸精馏塔软测量建模方法的研究与应用

针对某一工业共沸精馏塔成分估计问题,利用基于支持向量机技术的软测量建模方法,建立了恰当的工业软测量模型。利用滑动时间窗技术实时更新建模数据集,并根据预估精度决策在线优化和模型更新,提高工业软测量模型的在线估计精度。研究结果表明,基于滑动时间窗的LS SVM软测量建模方法,是一种有效的软测量建模方法。     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

发酵过程生物量软测量技术的研究进展

生物量是发酵过程中的关键过程参数之一,它直接影响着发酵过程的优化和控制。综述了近年来发酵过程生物量软测量技术的研究现状,讨论了基于过程机理分析、回归分析、状态估计和神经网络等的软测量建模方法,对基于神经网络和改进的神经网络建模方法进行了分析。指出基于多尺度建立软测量混合模型,是实现发酵过程生物量在线测量的有效方法,并给出了建立混合模型需要解决的关键问题。     

变燃速发射药的低温感性能

根据银纹厚度随温度的变化，改变火药燃烧面和建立一个补偿系统，使变燃速发射药具有低温度系数。通过扫描电镜观察变燃速发射药的微观结构，观察到外层的银纹和银纹厚度随温度的变化情况；通过密闭爆发器实验，对发射药高、低、常温的燃烧性能进行了对比；在30mm火炮上进行内弹道试验，观察其温度系数的变化。结果表明。银纹厚度随温度的变化改变火药的燃烧面积，从而改变了变燃速发射药的气体生成速率；变燃速发射药高、低、常温燃烧性能变化不大；变燃速发射药具有较低的温度系数。     

基于动态神经网络的高炉炉壁不完备温度检测信息软测量方法

针对高炉炉壁温度检测系统中由于传感器故障导致的检测信息不完备问题,提出一种基于动态神经网络的不完备检测信息软测量方法。首先,依据高炉结构和炉壁温度传感器位置分布建立温度传感器位置描述模型和分区域温度检测模型;其次,根据热传递学分析炉壁分区域温度检测模型中各个传感器之间存在的相关性,并采用最大互信息非参统计量方法从传感器检测序列上定量的计算分区域温度检测模型中各传感器间的相关度;最后,依据相关性分析结果,结合温度传递规律,提出炉壁不完备温度检测信息软测量模型,采用Elman神经网络对模型的结构和参数进行辨识。通过高炉冶炼现场采集的数据仿真计算表明,提出的方法具有较好的准确度与检测精度,能够满足现场的检测精度要求,具备广泛的应用价值。     

铜精炼过程铜液温度软测量模型及应用

为了解决铜精炼过程中高温铜液温度的测量难题,确保铜精炼过程的阳极铜产品质量,基于铜精炼过程中不同阶段的热工机理,分别建立了保温过程、氧化过程以及还原过程的高温铜液温度的机理软测量模型,并采用数据预处理、黄金分割法搜索区间及其函数链神经网络校正等技术对其进行了算法设计以及编程实现.实际应用结果表明,铜精炼过程铜液温度软测量可以反映铜精炼过程铜液温度的真实变化,有助于实现铜精炼过程铜液温度软控制以及提高铜精炼过程的生产效率和生产质量.     

密闭爆发器实验中发射药燃烧全过程压力曲线的修正方法

分析了造成密闭爆发器实验时压力损失的两个因素,从造成压力曲线损失的理论关系式出发,无须测量密闭爆发器的壁温曲线,仅根据压力曲线得到了一种适用于火药燃烧的全过程的压力修正方法.该方法能反映出燃气热力参数及余容对压力损失的影响.通过爆发器实验,与传统的修正方法比较,不仅能修正得到火药力和余容,还能修正燃烧全过程的压力曲线以及燃速曲线.新建立的修正方法简单,更具有实用价值.     

低粘附功管壁的内流减阻研究

以乙烯基三乙氧基硅烷 无水乙醚溶液处理玻璃管道内壁 ,降低流体水与管壁间的粘附功 ,研究了低粘附功内壁管道的内流减阻性能。结果表明 ,在管壁与液体间的粘附功小于液体的内聚功条件下 ,当雷诺数大于临界雷诺数时 ,低粘附功内壁管道呈现明显的内流减阻效果 ,临界雷诺数的值与一定的临界壁面剪力值或层流底层临界厚度值相对应 ;在减阻区内 ,减阻率随雷诺数的增加及管道内径的减小而增大 ,阻力系数的无因次关联式可表示为λ=f (Re ,X) ,其中X为无因次数群 [W / (du2 ρ) ]。     

密闭爆发器实验中热散失修正方法研究

介绍了国内外密闭爆发器热散失修正方法的现状,分别分析了克劳-格里姆肖法、压力损失及其修正方法和发射药燃烧全过程压力曲线的修正方法及密闭爆发器实验过程中热散失修正研究方法的优缺点,提出了学术构想与思路。     

低温感高能硝胺发射药的实验研究

通过中止试验、高压密闭爆发器试验与火炮内弹道试验研究了低温感高能硝胺发射药的低温感效果。结果表明,低温感装药技术用于高能硝胺发射药能够大幅度降低火炮温度系数,提高火炮能量利用率。     

七孔发射药内外弧厚差异对其燃烧性能的影响

为了研究七孔发射药内外弧厚差异对其燃烧性能的影响,通过密闭爆发器静态燃烧试验及火炮发射药装药内弹道试验研究了内外弧厚一致性及弧厚偏差对高能低烧蚀叠氮硝胺七孔发射药燃烧性能的影响。结果表明,当发射药的内外弧厚差异较大时,密闭爆发器试验中发射药增面燃烧阶段结束点提前,增面燃烧阶段已燃百分数由85.46%降至70.76%,燃烧时间由23.40ms增至27.75ms;发射药燃烧时间随着温度变化的敏感性逐渐加大。装药发射试验中,当外弧厚大于内弧厚时,加大了装药的初速温度系数,初速温度系数由0.54m/(s·℃)增至0.78m/(s·℃),装药质量由9.4kg增至9.8kg,最大膛压由266.9MPa降至262.6MPa。