基于辅助变量KNN分析的软测量建模方法

提出一种基于辅助变量最近邻（KNN）分析的软测量建模方法,该方法将KNN算法应用于辅助变量分类,根据分类结果,应用核主成分分析（KPCA）和支持向量回归机（SVR）相结合进行软测量建模。KNN分析独立于后继回归模型,却又直接影响模型结构,KPCA作为中间层,在KNN分类结果指导下提取不同类别包含辅助变量高阶信息的特征主元,然后使用SVR建立特征主元和主导变量之间的回归模型。用该方法建立粗汽油干点软测量模型,结果表明KNN-KPCA-SVR（KKS）模型的预测精度和泛化能力优于线性PLS、RBF核函数SVR和KPCA-SVM模型。     

煤气化废水汽提塔塔底氨含量软测量模型研究

煤气化废水处理流程中的汽提塔的塔底氨含量,是塔控制操作中的关键质量指标。通过建立基于历史数据的工业软测量模型,能够消除实际操作中取样分析实际滞后对操作的影响。仿真表明,采用PLS方法建立的软测量模型,可以有效克服变量相关性的影响,模型具有精度高,外推能力好等优点。软测量模型的建立,有利于汽提塔后续先进控制的实施。     

偏最小二乘法在循环流化床锅炉燃烧系统建模中的应用

为进一步简化循环流化床锅炉燃烧系统机理模型,解决模型求解中的刚性问题.本文在分析碳燃烧速率常数与循环流化床锅炉燃烧系统中过程变量的关系的基础上,应用偏最小二乘法(PLS)建立了碳燃烧速率常数的软测量模型;并采用工业数据对基于复杂机理模型和软测量模型的碳燃烧速率常数进行仿真研究;仿真结果表明本文所建立的软测量模型可以满足模型的精度要求.     

基于自适应偏最小二乘回归的初顶石脑油干点软测量

提出了一种具有强非线性表达能力的自适应偏最小二乘回归（APLSR）方法,并应用于初顶石脑油干点软测量模型建立.APLSR对于指定的预测对象,将根据样本在自变量空间中的分布,分析它们对预测对象的预报能力,自适应地为各个样本分配权值,然后从加权样本数据中提取和选定PLS成分,实施自适应加权PLSR,从而获得预报性能良好的模型.同时提出将前一时刻初顶石脑油干点人工分析值引入作为模型的自变量,从而进一步提高了软测量模型的预测精度.     

偏最小二乘回归方法在橡胶配方设计中的应用

分析采用回归分析方法在建立橡胶配方试验中考察因素和试验数据的二次多项式回归模型时存在的局限性,介绍应用偏最小二乘（PLS）回归方法建立二次多项式回归模型的技术,并通过实例演示PLS回归方法在橡胶配方设计中的应用。结果表明,PLS回归方法适应多因变量对多自变量的回归建模分析,结论可靠,整体性强。     

基于非线性鲁棒连续回归的汽油干点软测量

针对RCR算法难以建立高精度的非线性软测量模型的问题,提出了一种径向基函数(radial basis function,RBF)与鲁棒连续回归(robust continuum regression,RCR)相结合的非线性RCR(nonlinear RCR,NLRCR)建模方法。该方法首先应用RBF将非线性样本数据映射到高维特征空间中,然后在高维特征空间中建立RCR线性回归模型。本文通过仿真实验,验证了方法的有效性。并将其应用于延迟焦化汽油干点的软测量建模中,获得了比RCR和RBF-PLS算法更高的预测精度。     

基于改进的快速搜索聚类算法和高斯过程回归的催化重整脱氯前氢气纯度多模型建模方法

氢气是催化重整反应的重要副产物之一,建立氢气纯度软测量模型有助于指导生产。针对催化重整过程工况复杂多变、单一软测量模型难以满足精度要求,提出了一种基于改进的快速搜索聚类算法和高斯过程回归的多模型软测量建模方法。首先,针对快速搜索聚类算法中截断距离是由人为设定的问题,提出了一种截断距离确定方法。并用该改进算法对历史数据进行自动分类,建立各个数据子集的高斯过程回归模型,使各子模型在最大程度上反映不同工况点。然后,针对聚类后得到的带有类别标签的历史数据,建立类别辨识模型,与各子模型相结合,形成开关模式的组合模型。最后,将该建模方法应用于连续催化重整装置,建立了脱氯前氢气纯度的在线计算模型。结果表明,该多模型建模方法具有较高的预测精度,优于传统的单一模型,有一定的实用价值。     

基于非线性偏最小二乘回归的软测量建模及应用

针对复杂工业过程存在的多变量、相关性和非线性问题,提出一种新的基于非线性偏最小二乘(partial least squares,PLS)回归的软测量建模方法。该方法利用PLS作为模型的外部框架来提取输入输出主成分变量,同时消除变量间的相关性,然后用最小二乘支持向量机(least squares support vector machine,LSSVM)作为内部函数来描述主成分变量之间的非线性关系,并引入基于误差最小化的权值更新策略,来改进模型的预测精度。以pH中和过程的Benchmark模型来验证该方法的性能,并与其他建模方法比较,结果表明该方法预测精度较高,而且具有较强的泛化能力。将该方法应用于某电站燃煤锅炉的NOx排放软测量建模之中,取得了较好的预测效果。     

一种基于多模型融合软测量建模方法

针对锌湿法冶炼净化过程中钴离子浓度LS-SVM软测量建模方法精度低的问题,将最小二乘支持向量机（LS-SVM）和自回归滑动平均模型（ARMA）融合建立钴离子浓度融合软测量模型,首先通过离子浓度序列的小波变换获得序列的低频和高频子序列,对各子序列分别进行相空间重构,并在相空间中分别建立最小二乘支持向量机模型,然后将各模型的输出利用小波重构整合得到钴离子基于LS-SVM软测量结果,利用自回归滑动平均模型对基于LS-SVM模型输出误差信息进行建模,通过对两个模型的融合,获得融合模型的软测量估计值。将该方法应用于锌液净化除钴段入口钴离子浓度的软测量,结果表明该方法比单一的LS-SVM方法具有更好的泛化性能和测量精度,显示出良好的应用潜力。     

基于PSO-LSSVR的环状流截面含气率软测量方法

由于测量条件高,环状流的截面含气率直接测量往往比较困难。软测量技术的关键在于建立优良的数学模型,在分析了微粒群优化算法(PSO)和最小支持向量回归机(LS-SVR)原理的基础上,利用粒子群算法优化最小二乘支持向量回归机参数的算法,建立了软测量模型,实现了环状流的截面含气率的软测量。实验表明:该模型泛化能力强,测试精度比较高,为环状流截面含气率的测量提供了一种新的测量途径。     

化工过程软测量建模方法研究进展

软测量仪表是解决化工过程中质量变量难以实时测量的重要手段。软测量仪表的核心问题是软测量建模。阐述了软测量建模与辨识和非线性建模的关系:质量变量和易测变量的动态关系存在于增量之间,辨识模型依赖于增量数据,软测量建模则是依赖于实测变量数据来获取这个动态关系;非线性建模建立了变量间的静态关系,忽略了对象动态特性,而软测量建模要兼顾对动态特性的表征。随着人们对过程特性的认识加深,软测量建模方法不断发展,经历了从机理建模到数据驱动建模,从线性建模到非线性建模,从静态建模到动态建模的过程。详细讨论了软测量建模的发展过程,众多建模方法的优缺点及适用情况和现在建模的热点,最后对软测量建模方法进行了总体展望。     

基于局部线性嵌入的测地线流式核多工况软测量建模方法

针对复杂工业过程在多工况条件下缺乏标记样本无法进行软测量建模，而原有模型失准问题，研究了一种局部线性嵌入（locally linear embedding, LLE）和测地线流式核（geodesic flow kernel, GFK）相结合的无监督软测量建模方法。该方法首先通过局部线性嵌入提取各个工况间的公共模式信息，然后将已知工况数据和未知工况数据的公共模式信息投影到流形空间，利用测地线流式核框架在流形空间上实现域迁移，以减小不同工况间数据的分布差异。最后用偏最小二乘回归法建立软测量模型，得到主导变量的软测量值。通过对TE过程中不同工况下的成分变量软测量和不同工况下的球磨机负荷参数软测量结果，验证了所提算法的实用性和有效性。     

基于多元线性回归与滚动窗的NO_x排放量软测量

提出一种基于多元线性回归与滚动窗的NO_x动态软测量建模方法,并研究模型更新周期和不同变量选择方法对软测量模型预测结果的影响。仿真结果表明:基于BIC向后剔除多元回归和滚动窗方法的软测量模型在运行较长时间后,仍然能够较好地预测NO_x的排放量。     

A Design methodology of a soft sensor based on local models

A soft sensor is an empirical model, which estimates variables that is infeasible to measure on-line from other correlated variables. Because constructing a soft sensor is a process of data based empirical modeling, the homogeneity in the training data set is very important. If a process experiences a wide operation range or lasting significant disturbances, the data homogeneity is damaged and frequently results in several sub-clusters, which causes the prediction power of a soft sensor to be degraded. In this paper, we proposed a modeling procedure that involves classification of training data and subclass modeling. PLS and NLPLS are adopted selectively as the subclass modeling algorithm and wavelet coefficients thresholding is used to remove noises contained in signals without severe distortion of the signals. Also, weighted X variables based on Variable Importance to Projection(VIP) through exploratory PLS are used to enhance the performance of the subclass models. The proposed methodology has been illustrated using an application to the development of a soft sensor for composition estimation of a binary distillation column simulated with HYSYS. The soft sensor based on the proposed scheme has shown better performance and robustness.     

基于工业色谱仪的精馏脱炔烃塔软测量建模

提出一种基于工业色谱仪的软测量建模方法,并针对碳五馏分分离过程中的精馏脱炔烃塔塔底成分估计问题,建立了合适的工业软测量模型。介绍了工业色谱仪在线质量检测原理和LM-BP神经网络模型的建立,并利用工业色谱仪在线检测的质量数据进行系统的在线和周期性模型更新,提高了软测量模型的在线估计精度。研究结果表明,基于工业色谱仪的LM-BP神经网络模型是一种有效的软测量建模方法。     

Dynamic gray‐box modeling for on‐line monitoring of polymer extrusion viscosity

Melt viscosity is a key indicator of product quality in polymer extrusion processes. However, real time monitoring and control of viscosity is difficult to achieve. In this article, a novel “soft sensor” approach based on dynamic gray‐box modeling is proposed. The soft sensor involves a nonlinear finite impulse response model with adaptable linear parameters for real‐time prediction of the melt viscosity based on the process inputs; the model output is then used as an input of a model with a simple‐fixed structure to predict the barrel pressure which can be measured online. Finally, the predicted pressure is compared to the measured value and the corresponding error is used as a feedback signal to correct the viscosity estimate. This novel feedback structure enables the online adaptability of the viscosity model in response to modeling errors and disturbances, hence producing a reliable viscosity estimate. The experimental results on different material/die/extruder confirm the effectiveness of the proposed “soft sensor” method based on dynamic gray‐box modeling for real‐time monitoring and control of polymer extrusion processes. POLYM. ENG. SCI., 2012. © 2012 Society of Plastics Engineers     

基于迁移变分自编码器-标签映射的湿式球磨机负荷参数软测量

在工况改变时，湿式球磨机的实时数据和建模数据分布不一致，不满足传统软测量建模方法要求的数据同分布假设，导致模型失准和性能恶化。为此，引入迁移学习思想，提出一种基于迁移变分自编码器-标签映射的软测量模型，实现多工况下湿式球磨机负荷参数的准确测量。首先，迁移目标域数据编码得到的隐变量分布参数，对源域数据对应隐变量进行拟合，再解码得到迁移数据；然后采用相似性度量选取相似样本构建标签映射模型，并得到映射标签；最后使用迁移数据和映射标签构建出最终的软测量模型。实验结果表明，该软测量方法显著优于现有方法，适用于多工况下的软测量建模。     

发酵过程酵母浓度的软测量

针时发酵过程酵母浓度的测量,提出一种基于支持向量机的软测量建模方法。仿真证明,该方法比典型的RBF神经网络软测量有着明显的优势,时于实现发酵过程自动控制和优化运行有着重大的意义。     

基于自适应EKF算法的输出融合软仪表设计

在化工过程中,作为观测关键质量参数的重要手段,软仪表技术受到了广泛的关注。目前,关于软仪表的研究主要集中在建模技术上。然而,化工过程复杂多样,仅使用软测量模型进行质量变量的估计易出现预估效果不稳定、随机偏差大等现象。为此,文献提出了一系列的改进算法,但仍存在计算复杂、算法抗干扰能力差等问题。本文提出一种基于自适应扩展Kalman滤波(EKF)的输出融合软仪表设计方法,利用Kalman滤波算法对软测量模型预估数据和现场观测进行数据融合,校正软测量模型预估偏差;并在输出融合软仪表背景下,设计了一种含衰减因子的观测噪声统计估计器,将其与滤波算法相结合,构成自适应EKF算法,以提高融合软仪表的输出精度及抗干扰性能。通过仿真实验对所提出的算法进行了全面分析,并将该算法应用于小型实验装置,验证了算法的实用性及有效性。