丁苯橡胶门尼粘度软测量

研究了合成橡胶生产中门尼粘度软测量问题.首先结合工艺机理分析,找出了影响橡胶门尼粘度的主要参数,同时对各参数进行主元分析.然后确定辅助变量,最后建立了基于PCA-BP神经网络的门尼粘度软测量模型.仿真结果表明,门尼粘度预测值与生产实际化验分析结果较为吻合,可以用来指导生产.     

基于NNPLS的丁苯橡胶门尼粘度预测

门尼粘度是合成橡胶生产的主要质量指标,如何在线监测门尼粘度,并实现质量的自动监控是橡胶生产工业亟待解决的问题.本文应用NNPLS方法建立生产过程门尼粘度预测模型.结合工艺机理分析,找出影响橡胶门尼粘度的主要参数,确定辅助变量,建立基于NNPLS的门尼粘度预测模型.仿真结果,门尼粘度预测值与实际值最大误差为3.6,预测模型精度高.泛化能力强,运行速度快,可以指导生产.     

基于PCA和LS-SVM的丁苯橡胶的门尼粘度预测

门尼粘度足合成橡胶生产的主要质量指标,如何在线监测门尼粘度,并实现质量的自动监控是橡胶生产工业亟待解决的问题.本文应用主元分析和最小二乘支持向量机法建立生产过程门尼粘度预测模型.结合工艺机理分析,找出影响橡胶门尼粘度的主要参数并做主元分析,确定最少辅助变量,简化支持向最机结构,建立基于PCA LS-SVM的门尼粘度预测模型.仿真结果,门尼粘度预测值与实际值最大相对误差为5.78%,预测模型精度高,泛化能力强,运行速度快,可以指导生产.     

基于DDE技术的液体粘度在线测量系统

为实现注聚液粘度的在线测量,采用软测量的原理,建立了基于DDE技术的液体粘度在线测量系统.首先建立待测液体粘度的数学模型;然后应用最小二乘法进行参数辨识,最终确立该模型,并得到待测粘度值.通过动念数据交换(DDE)技术将PLC采集到的数据送入Matlab中进行处理,并将结果送回组态王,实现了组态王与Matlab的实时数据交换,使得系统可以方便地在线处理数据.具有编程简单,操作方便等优点.     

催裂化装置常规再生操作参数软测量

针对催裂化生产中,为节能降耗和提高生产能力将再生器从完全再生转换为常规再生后,重要操作参数的在线估计更为困难这一问题,联合利用再生器机理分析动态模型和外置CO焚烧炉热量平衡,采用基于机理分析的在线实时工艺计算技术和动态模型观测技术相结合的方式,实现了催裂化装置再生器不可测变量的动态软测量.通过内外校正迭代,得到了符合精度的出口烟气成分.对于复杂经验公式,采用智能优化算法进行参数寻优,避免陷入局部极小,得到符合现场工况的可行公式.适当假设条件并选择关键变量,建立动态模型,保证了整个软测量的精度.本方案为该重要生产过程的安全生产和节能降耗提供了帮助,在实际生产装置上已得到成功应用.     

糖厂澄清工段生产指标建模及操作参数优化

针对亚法糖厂澄清工段清汁色值和清汁残硫量难以在线测量的问题,提出了一种基于人工蜂群优化的在线极限学习机软测量方法;先用核主元分析法确定影响清汁质量的关键参数,建立基于在线极限学习机的软测量模型;同时利用人工蜂群算法对在线极限学习机的隐层参数进行寻优,优化所建模型;最后,使用带约束的粒子群对软测量模型进行优化求解,得到典型工况下的最优操作设定值,为后续工况操作提供参考依据;仿真结果表明,基于人工蜂群优化的在线极限学习机模型能够准确地预测清汁色值和残硫量,同时基于此模型优化的操作参数设定值能够达到期望的指标.     

稀土萃取分离过程的优化设定控制

针对稀土萃取分离生产过程的特点,将机理分析与神经网络技术相结合,给出了实现稀土萃取分离生产过程组份含量在线预测的软测量模型及其校正算法．提出了基于案例推理和软测量技术相结合的稀土萃取分离生产过程智能优化设定控制技术．将该技术应用于某公司HAB双溶剂萃取提钇分离生产过程,实现了萃取分离生产过程的优化控制和优化运行,取得了明显的应用成效．     

聚酯生产过程质量指标软测量和优化控制系统

以大型聚酯工业生产过程为对象，总结了指标的软测量和优化控制系统软件的总体结构。该软件由以模型为基础的关键质量指标的软测量与可在DCS系统上，及计算机控制语言（MATLAB）平台上，在线实时运行的PET优化控制软件系统两部分组成。控制软件包括质量指标在线检测系统、酯化率在线开环优化操作指导、酯化率预测控制系统、终缩聚粘度神经元网络自适应控制系统和反应釜位故障诊断系统。该软件已应用于指导和控制实际生产过程。     

基于组态软件的加药智能控制系统设计

根据造纸生产中加药过程的工艺控制要求及白水浓度难以实时测量与控制等难点,应用基于小生境遗传算法-最小二乘支持向量机的钦测量技术建立白水浓度软测量模型,并设计了基于组态软件的加药智能控制系统;控制系统包括自动配料系统、液位控制系统及白水浓度智能控制系统,通过这三部分控制系统的有机结合,实现整个加药过程的自动控制;仿真结果表明,白水浓度的软测量模型具有较高的预测精度,控制系统调节速度快、控制精度高、抗干扰能力强、运行稳定,能较好地满足生产工艺的要求.     

聚酯工业产品质量的在线软测量

针对聚酯工业中采用软测量对难以或无法测量的质量指标变量进行估算的问题,以聚酯生产过程中的粘度为例,采用主元分析方法结合SPE和T2控制限对现场测量数据进行了过失误差剔除等处理,利用RBF网络建立软测量模型,并用VC++编写了相应的软件包。鉴于系统运行的实时性,使用PCA方法实现了输入数据的实时监测,并对故障点进行相应处理,以保证模型估算结果的准确度;实现了在线的PCA主元修正和模型的网络输出以及网络参数的实时校正     

自适应递推核学习及在橡胶混炼过程在线质量预报的工业应用

实时测取混炼胶门尼粘度是橡胶和轮胎厂十分关心和亟待解决的问题. 采用两阶段递推核学习建模方法, 按配方快速建立橡胶混炼过程门尼粘度的预报模型, 并对模型进行递推更新以适应过程的快速变化. 结合混炼过程的特点, 提出一种适合门尼粘度的性能指标, 并推导了采用快速留一交叉验证法对核学习模型参数进行自适应选择, 避免人为选取参数的片面性. 所研发的先进密炼信息集成与控制系统已在国内多家大型橡胶和轮胎厂上线应用. 门尼粘度实时预报的工业应用结果表明了其实用和有效性, 对橡胶混炼过程具有重要的现实和经济意义.     

An integral approach to inferential quality control with self-validating soft-sensors

This paper presents an integral technique for designing an inferential quality control applicable to multivariate processes. The technique includes a self-validating soft-sensor and a multivariate quality control index that depends on the specifications. Based on a partial least squares (PLS) decomposition of the online process measurements, a fault detection and diagnosis technique is used to develop an improved self-validation strategy that is able to confirm, correct or reject the soft-sensor predictions. Model extrapolations, disturbances or sensor faults are first detected through a combined statistic (that considers the calibration region); then, a diagnosis is made by combining statistics pattern recognition, contribution analysis, and disturbance isolation based on historical fault patterns. An off-spec alarm is produced when the proposed index detects that an operating point lies outside the integral design space driven by the specifications. The effectiveness of the proposed technique is evaluated by means of two numerical examples. First, a synthetic example is used to interpret the fundamentals of the method. Then, the technique is applied to the industrial Styrene-Butadiene rubber process, which is emulated through an available numerical simulator.     

基于高斯过程的污水脱氮过程的软测量方法

污水处理过程的生产条件恶劣,随机干扰严重,具有强非线性、时变、大滞后等特点,难以建立精确的数学模型。结合污水脱氮过程的特征,提出了采用高斯过程回归（Gaussian process Regression）算法建立复杂工业过程软测量方法。采用了污水处理厂控制策略的国际评价基准（Benchmark）作为潜在数据模型。经实验证明,高斯过程回归软测量方法具有较高的测量精度,能够较好的满足工业现场对测量可靠性的要求。     

稀土串级萃取分离过程元素组分含量的多模型软测量

针对稀土串级萃取分离过程中元素组分含量在线测量难的问题,提出了一种多模型软测量方法,用于在线预测元素的组分含量.首先,以物料平衡方程为基础,在多个工作点附近建立了描述萃取过程的局部线性模型.引入减法聚类算法对样本数据进行分类,用得到的分类数据对局部模型参数进行离线辨识.每一时刻根据积分性能指标选择最优模型,同时在线修正局部模型参数.利用某La,Ce,Pr,Nd 4组分串级萃取分离Ce/Pr生产线的实测数据进行了仿真研究,结果表明所提出的多模型方法有效、预测精度较高.     

基于最大矩阵元法确定聚类数的软测量建模方法

采用模糊C均值聚类算法(FCM)与支持向量机(SVM)相结合的多模型建模方法:较单一支持向量机软测量模型而言,可以有效解决复杂工业对象的强非线性和大工况范围的问题。但是传统的模糊C均值聚类算法必须依赖先验知识预先确定聚类个数。本文通过建立样本间的相似矩阵,利用模糊聚类最大矩阵元法确定FCM最佳聚类个数,再由FCM对训练样本数据进行聚类并用SVM构建组合软测量模型,得到多模型软测量系统。在对双酚A结晶单元工艺分析的基础上,将该方法:应用于结晶单元苯酚含量的软测量建模,仿真结果:证明该建模方法:提高了模型的估计精度,具有更好的可行性和有效性,能够满足工业生产的要求。     

基于匹配度的广度优先推理方法的应用研究*

将专家系统用于确定发酵过程生物量软测量混合模型的结构,有利于提高软测量模型的精度,并且使其具有通用性和开放性。在分析发酵过程生物量软测量机理模型结构的基础上,定义了模型复杂度;提出了基于匹配度的广度优先推理方法,给出了匹配度的计算方法;实现了用于确定发酵过程生物量软测量混合模型结构的推理过程。实验表明,与基于穷举法的深度优先推理方法比较,基于匹配度的广度优先推理方法能够有效地减少推理的步数,降低模型复杂度,提高推理效率。     

汽驱工业过程优化监控系统设计

以辽河油田汽驱工业过程为对象,设计开发了一套优化监控系统。该系统由操作站、工程师站构建的小型局域网组成,建立了湿蒸汽干度的软测量模型,实现了指标变量的在线检测,并采用遗传算法进行优化计算,实现了对整个汽驱过程的优化操作指导。系统具有良好的人机界面,同时具有较好的可靠性和稳定性,系统各部分之间的数据通讯是基于OPC接口进行的。目前该监控系统已成功运行于辽河油田的注气3站和5站。