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。     

PDPSO优化多阶段AR-PCA间歇过程监测方法

针对间歇过程固有的多阶段特性和动态性,提出基于种群多样性的自适应惯性权重粒子群算法（PDPSO）优化的多阶段自回归主元分析（AR-PCA）间歇过程监测方法。该方法引入了PDPSO算法指导AP聚类偏向参数的选取,避免了传统方法依据聚类评价指标选取参考度时的盲目性。对PDPSO优化AP聚类的多阶段发酵过程的数据样本建立AR-PCA模型能够消除各阶段的动态性及变量之间的自相关和互相关影响。最后,对自回归（AR）模型的残差矩阵建立主成分分析（PCA）模型用于发酵过程监测。将该方法应用到青霉素发酵过程,并与传统方法进行对比,结果表明,该方法能够有效进行间歇过程阶段划分并降低故障的漏报和误报。     

PDPSO优化多阶段AR-PCA间歇过程监测方法

针对间歇过程固有的多阶段特性和动态性,提出基于种群多样性的自适应惯性权重粒子群算法(PDPSO)优化的多阶段自回归主元分析(AR-PCA)间歇过程监测方法。该方法引入了PDPSO算法指导AP聚类偏向参数的选取,避免了传统方法依据聚类评价指标选取参考度时的盲目性。对PDPSO优化AP聚类的多阶段发酵过程的数据样本建立AR-PCA模型能够消除各阶段的动态性及变量之间的自相关和互相关影响。最后,对自回归(AR)模型的残差矩阵建立主成分分析(PCA)模型用于发酵过程监测。将该方法应用到青霉素发酵过程,并与传统方法进行对比,结果表明,该方法能够有效进行间歇过程阶段划分并降低故障的漏报和误报。     

一种改进的动态核主元分析故障检测方法

针对复杂工业系统动态非线性故障检测过程精度低和计算量大的问题,提出了一种改进的动态核主元分析故障检测方法,该方法首先利用不可区分度剔除相关程度较小或者不相关变量,减少数据量,然后通过观测值扩展对筛选后的新数据构建增广矩阵,并对矩阵使用核主元分析提取变量数据的非线性空间相关特征,最后通过监测T2和SPE两种统计量诊断出系统发生故障及识别故障变量。仿真实验证明,该方法能对风力发电机故障进行有效监测和诊断,与KPCA方法相比,改进的动态核主元分析方法对微小故障更为敏感。     

基于径向基函数的非线性系统近似偏最小一乘准则辨识算法

针对输入信号非线性相关的非线性系统,提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展,以径向基函数(radial basis function,RBF)网络的输出作为观测数据矩阵的扩展项,然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值,可以抑制对称α稳定(symmetrical alpha stable,SαS)分布的尖峰噪声。同时,通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关,得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。     

一种改进的动态核主元分析故障检测方法

针对复杂工业系统动态非线性故障检测过程精度低和计算量大的问题,提出了一种改进的动态核主元分析故障检测方法，该方法首先利用不可区分度剔除相关程度较小或者不相关变量,减少数据量，然后通过观测值扩展对筛选后的新数据构建增广矩阵，并对矩阵使用核主元分析提取变量数据的非线性空间相关特征，最后通过监测T ²和SPE 两种统计量诊断出系统发生故障及识别故障变量。仿真实验证明，该方法能对风力发电机故障进行有效监测和诊断，与KPCA方法相比，改进的动态核主元分析方法对微小故障更为敏感。     

基于非线性动态全局局部保留投影算法的化工过程故障检测

传统基于核映射的非线性故障检测方法的性能受核函数类型和核参数的调优影响较大，且实际工业环境中对过程变量的非线性阶数存在很多物理限制。针对这一问题，提出一种非线性动态全局局部保留投影（nonlinear dynamic global-local preserving projections，NDGLPP）的故障检测算法。该方法首先使用动态全局局部保留投影算法对数据矩阵进行降维；然后对降维后的矩阵建立二阶多项式映射提取非线性空间的相关特性；接着通过迭代这两个步骤以获得高阶非线性映射；最后，将所提方法应用于乙烯精馏过程和Tennessee Eastman（TE）过程仿真中，验证了检测方法的有效性和可行性。     

基于径向基函数的非线性系统近似偏最小一乘准则辨识算法

针对输入信号非线性相关的非线性系统,提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展,以径向基函数（radial basis function,RBF）网络的输出作为观测数据矩阵的扩展项,然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值,可以抑制对称α稳定（symmetrical alpha stable,SαS）分布的尖峰噪声。同时,通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关,得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。     

核Hebbian算法在加氢脱芳烃过程中的建模应用

提出一种采用改进核Hebbian算法的加氢脱芳烃过程的递推产品质量建模方法;用于实时估计终端分馏产品的质量指标。通过利用核Hebbian算法的中间结果;计算中心化的核矩阵特征值;进而由核主元回归方法得到非线性动态质量模型。该递推滑动窗建模方法无需计算和保存整个核矩阵;并验证了所得到的闪点模型在正常和故障工况下均具有足够的精度。     

基于联合互信息的动态软测量方法

针对工业过程中普遍存在的时延特性和动态特性,提出一种基于联合互信息的动态软测量方法.以联合互信息最大化作为准则,从各辅助变量的历史输入数据矩阵中选取一个连续子变量集,组成包含过程时延信息和动态信息的新数据集,进而确定各辅助变量的时延参数、历史数据长度.各辅助变量参数完全基于过程历史数据确定,与后续软测量模型的建立无关,因此建立动态软测量模型的形式可根据对象非线性程度自主选择.针对实际脱丁烷塔塔底丁烷浓度软测量的仿真研究验证了方法的有效性.     

基于D-FNN的聚合过程转化速率软测量建模及重构

引言以氯乙烯单体(VCM)为原料,采用悬浮法聚合工艺生产聚氯乙烯(PVC)树脂是一种典型的间歇式化工生产过程。VCM的转化率对PVC树脂产品质量有很大影响,不同转化率时对PVC     

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。     

乙醛生产过程中的软测量实现

针对乙醛生产过程 ,建立关键过程变量粗乙醛浓度的软测量模型 ,并在此基础上建立粗乙醛的实时收率预测模型。对软测量实现中涉及到的回归变量选择、样本预处理、回归一致性分析、实时校正机制等关键技术进行讨论。该系统的预测值与离线分析值平均相对偏差为 1.2 %。     

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。     

基于在线聚类的多模型软测量建模方法

针对石化行业中软测量建模样本的特性，提出一种基于在线聚类和v-支持向量回归机(vSVR)的多模型软测量建模方法。在vSVR建模过程中，通过在线聚类算法改善vSVR模型参数选择算法的稳定性，并用vSVR参数的先验知识和KKT条件实现模型参数的快速寻优，提高了模型的学习效率和精度。该建模方法在加氢裂化分馏塔装置的轻石脑油终馏点在线预测系统中取得了良好的效果。     

分离过程智能化软测量软件的开发与应用

针对分离过程,从整体上提出了软测量软件开发策略以及开发过程中要注意的问题。首先采用时序MT—NT法和神经网络方法对数据进行过失误差侦破和数据校正的预处理,利用数据相关性和主元分析相结合的方法进行辅助变量选择,然后利用神经网络的智能性来建立软测量模型。利用以上算法同时采用面向对象的编程技术,开发出了对分离过程具有一定通用性的软测量软件。软件的工业实例应用表明,该软件可有效的预测过程变量,其结果可以达到工业应用的要求。     

基于动态神经网络的高炉炉壁不完备温度检测信息软测量方法

针对高炉炉壁温度检测系统中由于传感器故障导致的检测信息不完备问题,提出一种基于动态神经网络的不完备检测信息软测量方法。首先,依据高炉结构和炉壁温度传感器位置分布建立温度传感器位置描述模型和分区域温度检测模型;其次,根据热传递学分析炉壁分区域温度检测模型中各个传感器之间存在的相关性,并采用最大互信息非参统计量方法从传感器检测序列上定量的计算分区域温度检测模型中各传感器间的相关度;最后,依据相关性分析结果,结合温度传递规律,提出炉壁不完备温度检测信息软测量模型,采用Elman神经网络对模型的结构和参数进行辨识。通过高炉冶炼现场采集的数据仿真计算表明,提出的方法具有较好的准确度与检测精度,能够满足现场的检测精度要求,具备广泛的应用价值。     

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。     

基于改进空间映射方法的注塑过程参数优化

针对现有注塑过程参数优化方法存在的需要付出较高代价的问题,提出将广泛应用于电路设计优化问题的主动空间映射方法应用于注塑过程参数优化问题。针对应用过程中主动空间映射方法所无法解决的粗糙模型与精确模型在响应值空间存在较大差异的问题,提出一种改进空间映射方法,该方法引入一种新的参数提取方法,并将主动空间映射方法与输出空间映射方法相结合,一方面考虑粗糙模型与精确模型在参数空间中存在的差异,另一方面考虑粗糙模型与精确模型在响应值空间中存在的差异。针对注塑制品的尺寸指标,将本文提出的方法在Moldflow模流分析软件上进行仿真,结果证明,该方法能够利用粗糙模型结果以及少量精确模型结果获得满足设定值的注塑过程参数。