BP人工神经网络在加氢汽油干点软测量中的应用研究

汽油干点是石油加工过程中汽油质量的一个重要指标,但实际生产中还没有合适的可用于实时测量这一参数的仪器,本文运用软测量技术,通过BP人工神经网络建立了软测量模型,并嵌入到DCS控制系统中对汽油干点进行实时预测和推断,在实际应用中取得了良好的预测效果.     

重整加氢汽油干点软测量应用研究

针对某炼油厂重整加氢装置汽油干点无法实时在线监测的问题,建立了基于BP神经网络的软测量模型对汽油干点进行实时预测,提出一种根据变异系数对输入数据进行加权归一化预处理技术,经仿真表明使用这一方法后网络性能有所提高.     

SKPCA⁃LSSVM模型在汽油干点预测中的应用

常压塔塔顶汽油干点与产品质量密切相关,因为常减压蒸馏工艺流程和变量相关性均复杂,所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析（KPCA）算法中引入稀疏主元分析（SPCA）思想,采用稀疏核主元分析（SKPCA）算法对模型的输入变量进行选择,实现了数据的非线性降维,简化了主元结构,增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机（LSSVM）的输入,建立常压塔塔顶干点软测量预测模型。仿真结果表明,SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。     

基于支持向量机的软测量技术应用研究

讨论了支持向量机的回归计算理论,并针对某炼油厂加氢裂化分馏汽油干点无法实时在线监测的问题,建立了基于支持向量机的软测量模型对汽油干点进行实时预测．     

污水处理出水BOD区间预测建模

生化需氧量(BOD)是评价水质的重要指标,也是污水处理过程中直接控制的参数.为了提高污水处理质量,需要寻找BOD的有效测量方法.本文给出一种新的BOD软测量方法,可以实现其保证估计.采用主元分析方法选取BOD预测的主要辅助变量.利用径向基函数神经网络的逼近能力,将其用于污水处理出水BOD软测量建模.径向基函数神经网络的中心被确定之后,考虑到建模误差有界,使用参数线性集员辨识算法得到网络输出权值的集合描述.在污水处理系统运行过程中,所建立好的软测量模型可以预测出水BOD的上下界.此外,建立多个软测量模型,并将多模型测量结果进行融合以降低单一模型所给结果的保守性.实验结果表明本文方法的有效性.     

常坟蒸馏塔的多变量预估控制

针对兰州炼油厂二套常减压装置常压蒸馏塔，采用先进的我变量预估控制器实现产品质量和实时优化控制，根据控制器在现场的实际投运表明，多变量预估控制器ＩＤＣＯＭ能成功地解决过程模型的大时滞和多个变量 有强关联作用控制应用难题。     

双核函数最小二乘支持向量机汽油干点软测量建模

针对单核函数最小二乘支持向量机容易陷入局部最优值,提出双核函数最小二乘支持向量机软测量建模算法。该方法利用Sigmoid核函数与RBF核函数线性加权构成双核函数,去除部分较小支持向量样本的方法,改善最小二乘支持向量机的稀疏特性,提高模型运算速度,用k-交叉验证法进行部分参数的优化,最后将此方法用于建立汽油干点软测量模型,并与标准支持向量机、单核最小二乘支持向量机比较,结果表明双核函数最小二乘支持向量机软测量模型具有更高的计算精度和更好的推广能力。     

催化裂化粗汽油干点的神经网络质量模型

在对影响粗汽油干点质量模型的主要因素进行分析的基础上,利用小波变换对催化裂化生产过程数据进行了预处理,建立了催化裂化生产过程粗汽油干点的神经网络质量模型,仿真结果表明了该模型的有效性和可靠性.     

微生物生长过程中菌体浓度的软测量

菌体浓度是微生物生长过程中关键的质量指标，作者利用ＲＢＦ神经网络建立了微生物生长过程中菌体浓度的软测量模型，探讨了软测量模型的动态校正方法，通过仿真验证了该方法的有效性。     

FCCU分馏塔产品质量预测系统的设计

为了解决单纯采用正系统模型无法确保预估计值的准确性问题,以神经网络的内模控制预测系统为基础,对对象-正模型-逆系统进行逆变换,建立了输入可测而输出无法测量的预测系统,实现了FCCU分馏塔轻柴油凝固点、粗汽油干点实时在线测量.以实时采集的数据作为检测标准,结果表明,该模型可对生产提供在线的可靠指导,对稳定油品质量、避免质量事故的发生和提高经济效益具有重要的价值.     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

沥青氧化塔针入度软测量

针对沥青生产过程中的重要质量指标难以测量问题进行研究。采用部分最小二乘与神经网络相结合的方法建立软测量模型。并分别通过3种网络结构对过程数据进行仿真实验。结果表明，采用改进RBF网络建立的软测量模型在泛化能力和收敛速度上都有明显提高。     

基于粒子群优化的溶解氧质量浓度支持向量回归机

针对污水处理中溶解氧质量浓度无法在线精确测量的问题,提出基于粒子群算法优化支持向量回归机(PSO-SVR)的溶解氧质量浓度软测量模型.为了提高溶解氧的预测精度和效率,采用粒子群算法对支持向量回归机的模型参数进行优化,并以自动获取的最佳参数组合构建溶解氧与其影响因子间的非线性软测量模型,利用该软测量模型对国际基准仿真模型BSM1的溶解氧质量浓度进行预测.仿真结果表明:该模型能得到较好的预测效果,与SVR、RBF神经网络相比,PSO-SVR模型不仅计算复杂度低,而且收敛速度快,预测精度高,泛化能力强.     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

基于径向基函数神经网络的精馏塔优化控制

精馏塔是化工过程中最常用的操作单元 ,其具有很强的非线性和时变性 ,很难进行机理建模分析或常规在线实时控制。针对精馏塔的非线性和时变性等特点提出了一种基于径向基函数神经网络的软测量模型的优化控制策略 ,从而解决了精馏塔建模困难的问题。由于采用了径向基函数网络 ,并利用正交化最小方差学习算法来训练径向基函数神经网络 ,使得控制算法简捷可靠 ,适用于时变对象 ,并具有很强的鲁棒性。将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,最后将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中 ,并达到了满意的控制效果。     

计算机通信及神经网络技术在软测量中的应用

介绍了基于OPC的DCS与微机网络数据通信技术和基于神经网络预估技术在生产过程软测量系统中的应用,以某己内酰胺装置软测量系统的开发为例,讨论了相关技术问题和解决思路。现场的实油数据仿真验证结果表明了软测量系统的有效性,最后给出了软测量技术应与生产过程优化相结合的方向发展。     

基于PCA-RBFN的纸浆漂白过程pH值软测量

针对纸浆漂白过程中pH值质量指标测试存在的不足，基于机理与PCA实现了辅助变量精选；采用RBFN建立了软测量模型。仿真实验显示：该软测量方案实用、可靠，在精度、实时性方面结果令人满意。     

神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值,由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸收力的研究领域,它将辅助变量作为神经网络的输入,将一导变量作为输出,通过训练网络来实现主导变量在线估计,对基本于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发     

神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值。由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸引力的研究领域,它将辅助变量作为神经网络的输入,将主导变量作为其输出,通过训练网络来实现主导变量在线估计。对基于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发展作了简要的展望。