软测量技术及其在污水处理系统中的应用

在简单介绍软测量技术基本概念及其几种常用建模方法基础上，针对污水处理系统中软测量技术的应用，分析了软测量技术在污水处理领域的国内外研究现状和存在的问题及不足，最后提出了软测量技术应用于污水处理系统的研究发展方向。     

软测量在橡胶混炼过程建模中的应用

介绍软测量技术在橡胶混炼过程中的应用。软测量技术的关键是建模，橡胶混炼过程建模主要有基于机理和基于数据驱动两种方法。由于混炼过程的复杂性，基于机理的建模方法在实际应用中受到限制，仅用于估算或定性分析；而基于数据驱动的建模方法对过程知识要求较低且具有自学习功能，因而得到快速发展。混炼过程模型还受辅助变量、数据预处理的影响，且模型建立后还需进行校正，目前对数据预处理和模型校正的研究还较少。     

软测量技术在石化过程中的应用

介绍了软测量技术的原理与实现方法。实例说明了几种典型软测量建模方法在石化过程中的应用。说明了软测量目前存在的不足以及以后可能的研究重点。     

入炉煤质在线软测量技术研究与应用进展

当前主流在线煤质检测装置需要进行核射线及其他能束的探测,设备构造复杂,使用和维护成本较高,在我国火电领域普遍未能实现入炉煤质的在线检测。由于煤质波动导致的发电过程控制效率欠佳普遍存在,近十几年来入炉煤质的在线软测量技术开始受到关注和应用。煤质软测量技术以电厂DCS系统联入的分布式测点为依托,从机理分析和数据学习出发驱动煤质的在线辨识,而无需复杂设备的投入,迎合火电生产控制的需求。然而由于燃煤品质参数较多,不同品质参数的软测量技术方法不同,入炉煤质软测量缺乏系统的技术体系论证。论述了入炉煤质参数的软测量技术分类和原理,对煤质在线软测量进行误差分析,最后对未来两类入炉煤质软测量技术的发展应用提出建议。按照技术特点将入炉煤质软测量技术分成基于机理分析的软测量和基于机器学习的软测量两大类。煤质在线软测量技术更易在火电生产中推广应用,针对实际入炉煤质进行实时跟踪,可实现火电生产过程的有效调控。燃煤全品质是多参数体系,基于机理分析的煤质软测量技术,可对制粉、燃烧、传热、做功过程进行分析,建立燃煤品质参数与现场分布式测点间的机理模型,形成不同技术路线;该体系理论依据明确,但分析过程影响因素复杂难以进行精准建模,尤其对于变负荷工况下的入炉煤质辨识难度较大。基于机器学习的煤质软测量技术克服了机理分析过程的困难,其有效应用对于样本的采集处理、智能建模过程有较高要求。     

大数据技术在水煤浆气化炉工艺优化中的应用——以炉温软测量为例

介绍了大数据技术在气化炉工艺优化中的应用,并以炉温软测量为应用案例,详细介绍了炉温软测量模型的建模过程与应用效果。     

计算机通信及神经网络技术在软测量中的应用

介绍了基于OPC的DCS与微机网络数据通信技术和基于神经网络预估技术在生产过程软测量系统中的应用。以某己内酰胺装置软测量系统的开发为例 ,讨论了相关技术问题和解决思路。现场的实测数据仿真验证结果表明了软测量系统的有效性 ,最后给出了软测量技术应与生产过程优化相结合的方向发展     

PTA生产中4-CBA含量的软测量技术

介绍了软测量技术的基本原理,并对近几年4-CBA含量的软测量建模方法进行系统综述,指出了该技术存在的问题和今后研究方向。     

工业共沸精馏塔软测量建模方法的研究与应用

针对某一工业共沸精馏塔成分估计问题,利用基于支持向量机技术的软测量建模方法,建立了恰当的工业软测量模型。利用滑动时间窗技术实时更新建模数据集,并根据预估精度决策在线优化和模型更新,提高工业软测量模型的在线估计精度。研究结果表明,基于滑动时间窗的LS SVM软测量建模方法,是一种有效的软测量建模方法。     

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。     

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。     

基于软测量技术的先进控制在DCS上的实现和应用

针对丁二烯生产装置精馏塔塔顶控制回路不能实时测量丁二烯-1,3的问题,提出了基于软测量技术的先进控制方案。利用从集散控制系统采集的大量现场数据,运用基于多元线性回归方法的软测量建模技术,建立了塔顶丁二烯-1,3产品纯度的软测量模型,并基于此对控制回路进行改造,设计了推断控制方案。通过DeltaVDCS系统自带的CL语言编写软仪表程序,并在控制策略组态环境Control Stud io中实现控制回路的改造。现场运行结果表明,控制系统能够有效地解决精馏塔产品质量不能在线实时检测和直接质量闭环控制的问题,实现了丁二烯-1,3产品纯度的闭环控制,显著改善了控制效果。     

基于软测量技术的C5石油树脂粘度的在线检测

粘度是石油树脂产品的重要指标参数,然而目前国内尚无对其有效的在线检测技术,多是根据实验室化验结果结合经验推测其变化情况,滞后大、精度差。针对这种不足,提出基于软测量技术的在线检测方法,采用机理建模和基于统计分析建模的混合建模方法建立模型,统计分析部分则采用加权最小二乘回归方法,并运用滚动回归的方法对模型参数进行在线校正。结果表明,此方案大幅提高了粘度的检测精度,并具有响应速度快,通用性好等优点。     

基于支持向量机的软测量建模方法的应用

利用基于最小二乘支持向量机(LS-SVM)的软测量建模方法,通过工业现场数据来对丁二烯精馏装置建立软测量模型.对于该软测量模型,支持向量机方法比BP神经网络方法具有更好的泛化能力.研究结果表明,基于最小二乘的支持向量机建模方法是一种有效的软测量建模方法.     

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.     

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。     

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 .     

基于粒子滤波的高浓度染料色泽软测量模型辨识方法

为了解决高浓度混合染料间歇染色过程织物色泽的在线测量问题,即非线性色泽软测量,提出了基于粒子滤波的软测量方法,该方法通过测定间歇染机内染液的吸光度,采用粒子滤波算法来估计该染液中各染料浓度,再根据染料浓度与织物色泽的软测量模型计算出染机内织物色泽。以3种活性染料拼染纯棉为例,对该方法的可行性进行验证。实例证明,基于粒子滤波的软测量方法的色泽估计值与人工离线实测值之间的色差值在1.0 CIELAB之内,模型的估计值能够满足工艺要求。因此,该方法是有效可行的。     

基于小波神经网络的污水处理污泥体积指数软测量

污水处理过程具有非线性、时变和滞后等特点,因而无法进行准确的数学建模。现有的污水处理技术中最突出的问题是一些关键的水质参数不能在线监测,只能通过人工间接测量再通过计算获得,耗时较长,不能及时地进行信息反馈,会造成一些严重的后果。为了避免这样的问题,提出了基于小波分析的神经网络(BP)软测量技术,通过建立小波神经网络参数软测量模型,对污水处理中难测水质参数SVI(污泥体积指数)进行在线监测。研究表明,此方法能有效规避单一的BP算法收敛速度慢、容易陷入局部最优解等问题,有助于实现对污水处理的智能控制。     

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。