RBF多模型神经网络软测量技术在湿法磷酸生产中的应用

利用多模型的思想进行二水法磷酸装置反应槽SO3浓度软测量建模.首先通过机理分析选出对目标变量SO3浓度影响较大的变量作为辅助变量,并利用神经网络分类思想按目标变量值的不同区间对现场数据进行分类,然后采用多个径向基神经网络建立相应的经验模型.工业装置数据的拟合和预测结果表明:基于神经网络的多模型软测量可以取得更好的效果.     

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。     

卷积神经网络在水泥熟料fCaO软测量中的应用

介绍了基于卷积神经网络开发的fCaO软测量软件。操作人员可以根据现场实际情况,选取与f CaO含量相关性较大的变量在软件中进行组态,用历史数据进行软测量模型的训练和测试,获得较好的软测量模型,预测实时的生产数据。在重庆某水泥厂的实际应用中,fCaO软测量软件的总体在线预测误差为4.57%,取得了较好效果。     

PCA-ANN方法在PTA平均粒径软测量中的应用

在精对苯二甲酸(PTA)生产过程中,影响产品粒度的因素多且复杂。采用主元分析(PCA)方法对高维输入变量进行降维处理,利用PCA与神经网络相结合(PCA-ANN)方法建立了PTA产品平均粒径的软测量模型,模型误差在5%以内,工业应用结果验证了方法的有效性。     

基于最近邻与神经网络融合模型的软测量建模方法

软测量建模能够有效地解决生产过程中在线分析仪表测量滞后大、价格昂贵、维护保养复杂等问题。目前，基于数据驱动的神经网络是软测量建模的主要工具之一。而在建模数据的采集过程中，主导变量的采集相对辅助变量要困难得多，由此产生了大量缺失标签的数据。但传统的软测量建模方法却忽视了这些无标签数据，只利用少量的有标签数据建模，从而影响了模型的预测精度。为了解决标签缺失的问题，采用最近邻算法对无标签数据进行伪标记，同时设计了由卷积操作与门限循环单元神经网络（GRU）结合的网络结构来进一步利用无标签数据，提取不同时刻数据中的动态特征，提高神经网络的预测精度。最后将该方法应用于丙烯精馏塔塔顶丙烷浓度的预测，实验结果表明该模型能有效处理非线性动态系统的标签缺失问题，具有更高的预测精度。     

人工神经网络软测量仪表延迟时间处理及动态特性研究

采用BP和RBF网络,开发了人工神经网络软测量仪表软件,实现了不可测变量的在线观测。讨论并解决了延迟时间的确定与处理、动态特性的拟合等主要难点问题。利用三层BP网络辨识出非线性对象的延迟时间;采用将输出量引入到多层静态神经网络的入口和对输入数据进行衰减加权的方法,完成对系统动态特性的表征,使所开发的神经网络软测量仪表更真实地反映了系统的静态和动态性能,准确性高且有更好的适应性。     

基于过程神经网络的BOD在线检测仪研究

为了实现污水处理过程中BOD的在线检测,提出了具有权函数动量项和自适应学习速率权值的新的过程神经网络改进算法,并利用该算法建立了BOD软测量模型,设计了基于ATMEGA1280单片机的系统主控制器,采用模块化软件设计理念,利用AVR Studio开发环境,编程实现数据采集、软测量、液晶显示、数据存储、打印驱动等功能。此仪表已在工业现场得到应用,平均相对预测误差小于4.1%。     

基于苯乙烯过程生产数据驱动的软测量模型研究

针对苯乙烯生产过程的特点,引入软测量技术在线预测苯乙烯生产过程的一些关键参数,介绍了人工智能BP神经网络和部分最小二乘方法的软测量建模方法,基于企业生产数据研究了乙苯脱氢转化率、第一脱氢反应器脱氢转化率、第二脱氢反应器脱氢转化率和苯乙烯选择性等关键变量的软测量方法,对比了BP神经网络和部分最小二乘方法建模优缺点,应用结果表明,基于BP神经网络所建立的关键参数的软测量模型可真实再现实际苯乙烯生产过程,为安全可靠监控苯乙烯生产过程及未来实施先进及优化控制技术奠定了基础。     

基于深度集成支持向量机的工业过程软测量方法

基于支持向量机（SVM）的软测量建模方法已经在工业过程控制领域得到广泛应用,然而传统支持向量机直接针对原始测量变量建立模型,未能充分挖掘数据的内在特征信息以提高预测精度。针对该问题,本文提出一种基于深度集成支持向量机（DESVM）的软测量建模方法。该方法首先利用深度置信网络（DBN）来对数据进行深层次的信息挖掘,提取出数据的内在特征,然后引入基于Bagging算法的集成学习策略,构建基于深度数据特征的集成支持向量机模型,以提升软测量预测模型的泛化能力。最后通过数值系统和真实工业数据对方法进行应用分析,结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度,能够更好地预测过程质量指标的变化。     

基于灰色系统的软测量方法及其应用

针对工业过程中一些难以测量的变量,提出一种基于灰色系统的软测量方法,该方法将灰色模型结合工艺生产过程进行建模分析,选择一组辅助过程变量作为灰色模型的输入,利用灰色模型的输出对复杂工业过程中的变量进行预测。采用基于灰色系统的软测量方法对VOD炉终点钢水温度预测的仿真结果表明:预测值的命中率较高,证实了该方法的有效性。     

基于MIC的支持向量回归及其在化工过程中的应用

在化工生产中,软测量方法可以有效解决某些关键变量由于仪表故障而无法实时获取数据的问题。在建立软测量模型时,变量及回归方法的选取会直接影响模型的准确率。特别是在现代化工中,过程变量众多且变量间存在着冗余且复杂的非线性关系。对此,本文提出了一种基于最大信息系数的支持向量回归算法,利用最大信息系数在非线性相关性度量的优势,选择合适的辅助变量,避免了全部变量作为输入所造成的数据冗余。在此基础上,利用支持向量回归方法建立软测量模型,实现对软测量目标的预测。该方法被应用于存在仪表故障的某催化重整装置进料换热器热端压降的软测量中,结果表明该方法可以有效地实现对压降的软测量,实现了对仪表故障时的数据校正。     

神经元网络软测量模型在中药浓缩工段的应用

运用人工神经网络技术建立了在中药浓缩工段对药液浓度进行测量的BP网络软测量模型,利用Matlab6.5神经网络工具箱对该模型进行了初始化、训练和测试,样本数据来自某中药自动化智能控制系统的浓缩工段,训练采用Levenberg-Marquardt训练方式,结果表明该模型的输出与样本值的一致性较好.     

基于非线性核脊回归算法的海洋微生物发酵参数软测量

针对海洋微生物溶菌酶发酵工艺中参数实时测量,采用根据发酵过程中主辅变量关系的相关灵敏度矩阵绝对值最大元素排序选择辅助变量,运用非线性核脊回归(NKRR)算法预测主导参数的软测量方法.相关灵敏度矩阵反映主辅变量联系,根据发酵实际实验得到.改进直接优化的非线性核脊回归算法辨识发酵非线性系统,将空间Rn中主导变量和辅助变量非...     

基于FUZZY ARTMAP的加氢裂化分馏塔MIMO软测量

研究了一类多输入多输出 (MIMO)系统的软测量问题 ,将FuzzyARTMAP网络应用于加氢裂化分馏塔产品质量估计软测量 ,经实际过程数据验证指出此算法具有较强的分类及非线性多维映射能力 ,结合提出的多变量模糊PID在线校正算法 ,使所建软测量模型在线应用时具有一定的随工况变化不断校正的能力 .     

基于聚类的多模型软测量建模及其应用

实际生产中往往存在对产品质量影响重大、但又难以在线测量的一些参数(只能离线测量与分析)。本文提出一种基于聚类的多模型建模方法对这些难以在线测量的参数实现软测量,将相关性分析、主元分析(PCA)、聚类和多模型建模应用于软测量建模中,构建一种实现重要参数软测量的基本框架:首先,基于相关度分析进行辅助变量的选择,然后用主元分析进行数据的进一步降维,再用k-means聚类与多模型建模思想相结合。最后将提出的思想和方法应用于某精馏塔组分的软测量中,仿真结果表明,测量精度有了较大的提高。     

竖炉燃烧过程智能故障预报系统

赤铁矿竖炉燃烧过程机理复杂,运行工况变化频繁,使得故障易发,从而导致生产不稳定。将案例推理和软测量技术相结合,提出一种竖炉燃烧过程的智能故障预报方法。软测量模型对难以在线测量的关键工艺参数进行实时测量,基于案例检索与重用的故障预报模型根据过程数据及关键工艺参数软测量值的变化对燃烧过程的典型故障进行趋势预报,采用概率的形式表达诊断结果,并提供操作指导,可以有效避免故障的发生。将建立的故障预报系统应用于竖炉燃烧过程的生产实际中,故障发生率明显降低,表明了方法的有效性。     

Soft-sensing modeling and intelligent optimal control strategy for distillation yield rate of atmospheric distillation oil refining process

It is a challenge to conserve energy for the large-scale petrochemical enterprises due to complex production process and energy diversification. As critical energy consumption equipment of atmospheric distillation oil refining process, the atmospheric distillation column is paid more attention to save energy. In this paper, the optimal problem of energy utilization efficiency of the atmospheric distillation column is solved by defining a new energy efficiency indicator — the distillation yield rate of unit energy consumption from the perspective of material flow and energy flow, and a soft-sensing model for this new energy efficiency indicator with respect to the multiple working conditions and intelligent optimizing control strategy are suggested for both increasing distillation yield and decreasing energy consumption in oil refining process. It is found that the energy utilization efficiency level of the atmospheric distillation column depends closely on the typical working conditions of the oil refining process, which result by changing the outlet temperature, the overhead temperature, and the bottom liquid level of the atmospheric pressure tower. The fuzzy C-means algorithm is used to classify the typical operation conditions of atmospheric distillation in oil refining process. Furthermore, the LSSVM method optimized with the improved particle swarm optimization is used to model the distillation rate of unit energy consumption. Then online optimization of oil refining process is realized by optimizing the outlet temperature, the overhead temperature with IPSO again. Simulation comparative analyses are made by empirical data to verify the effectiveness of the proposed solution.     

基于智能算法的污水处理软测量技术及其展望

在简要介绍软测量基本思想的前提下,综合论述了遗传算法、支持向量机算法、人工神经网络方法和虚拟仪器在污水处理软测量过程中的研究现状与应用特点.比较、分析后,提出了高品质在线实时控制的研究策略.     

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.     

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.