气液两相流流型的ECT软测量技术

提出一种基于ECT技术的气液两相流流型判别软测量模型．以ECT传感器输出中提取的特征参数作为软测量模型中的辅助变量，气液两相流的流型作为模型中的主导变量，利用人工神经网络建立了主导变量和辅助变量之间的数学关系，进而实现对气液两相流流型的在线判别，仿真结果表明，此方法判别精度高、判别速度快，为两相流流型的在线辨识提供了一种有效的手段。     

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。     

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     

灰色软测量在介质填充率检测中的应用研究

通过对磨矿过程原理的分析，提出了基于径向基（RBF）网络的软测量方法，对以往无法在线检测的球磨机关键参数——介质填充率进行实时估计．针对现有软测量辅助变量选择方法存在的问题，结合灰关联分析理论，提出了一致关联度算法，并应用该算法实现了介质填充率软测量建模中辅助变量的选择．仿真结果表明，该软测量方法估计的平均相对误差保持在0．7％以下，可满足实际需要．同时，一致关联度算法可以准确的提取变量间的相关性，是一种有效的辅助变量选择方法．     

软测量技术及其在铝电解槽温度测量中的应用

软测量技术可以为一些无法直接测量的参数寻找一种测量方法．从辅助变量选择、数据处理、软测量模型建立和模型修正等方面系统地介绍了软测量技术；并针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题，选择电解槽的输入电功率和下料速度作为辅助变量，利用现代时间序列分析法建立了带受控项目的自回归数学模型，从而计算出电解槽的温度估计值．在160kA点式下料预焙阳极铝电解槽进行实验，结果证明了该方法的有效性．     

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。     

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.     

污水处理出水水质指标的非线性动态软测量模型

由于缺乏稳定可靠的水质在线分析仪表,污水处理厂很难实现实时水质闭环控制和操作优化.通过选择污水过程中容易获得的进水流量和水质、溶解氧浓度、曝气氧量等辅助变量,提出一种基于PLS的多变量非线性动态多模型软测量建模方法.该方法基于有源自回归（Auto-Re-gressive with extra inputs,ARX）模型与模糊C-均值（Fuzzy C-Means,FCM）聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS（Neural Net Partial Least Square）,建立多个非线性子模型拟和系统全局非线性.所提方法应用于某污水处理厂出水水质组分浓度软测量,仿真试验结果表明：该方法建立的多变量出水水质指标模型精度优于传统线性PLS模型.     

用于高炉铁水质量预报的改进支持向量回归

针对建模数据中包含噪声和离群点会降低相应软测量模型准确性的问题,提出一种结合2层变量空间分析的预处理方法.用多变量修剪法在原始变量空间预处理;并提出支持向量聚类（SVC）的预处理方法,将建模数据映射到高维特征空间,构造一超球体来排除离群点.SVC无需像传统预处理方法假设数据服从正态或近似正态分布,更符合实际的高炉过程.预处理后的数据再用支持向量回归建立软测量模型.在一工业高炉铁水硅含量的建模和预报实验结果表明,所提出方法能够更有效排除离群点,且提高了支持向量回归模型的鲁棒性和预报性能.     

基于条件互信息的NOx生成量模型变量-时滞联合选择方法

为了提高脱硝系统入口NO_x生成量模型的精度和泛化能力,在选择辅助变量的同时也应考虑变量时滞的影响,提出了一种基于条件互信息的变量-时滞联合选择方法。以条件互信息作为变量选择的依据,抑制辅助变量间相关性造成的信息冗余,同时考虑时滞对变量选择的影响,在选定辅助变量时对时滞进行联合估计,以最大化辅助变量集包含的有效信息。以某600 MW燃煤电站的实际运行数据为算例,基于该联合选择方法和BP神经网络建立了NO_x生成量模型。结果表明:与仅基于互信息或条件互信息进行变量选择相比,基于联合选择方法所建立的模型精度和泛化能力相对较好。