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．     

软测量模型的建立

软测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；也就是说软测量是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计。本文介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，同时还给出了建立一个完整的软测量模型的步骤。     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

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.     

SKPCA⁃LSSVM模型在汽油干点预测中的应用

常压塔塔顶汽油干点与产品质量密切相关,因为常减压蒸馏工艺流程和变量相关性均复杂,所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析（KPCA）算法中引入稀疏主元分析（SPCA）思想,采用稀疏核主元分析（SKPCA）算法对模型的输入变量进行选择,实现了数据的非线性降维,简化了主元结构,增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机（LSSVM）的输入,建立常压塔塔顶干点软测量预测模型。仿真结果表明,SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。     

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     

基于自组织随机权神经网络的BOD软测量

针对污水处理复杂系统中关键水质参数生化需氧量( biochemical oxygen demand,BOD)难以准确实时预测的问题,在分析污水处理过程相关影响因素的基础上,提出一种基于敏感度分析法的自组织随机权神经网络( self-organizing neural network with random weights,SONNRW)软测量方法。该方法首先通过机理分析选取原始辅助变量,经过数据预处理,之后采用主元分析法对辅助变量进行精选,作为SONNRW的输入变量进行污水处理关键水质参数BOD的预测。 SONNRW算法利用隐含层节点输出及其权值向量计算该隐含层节点对于残差的敏感度,根据敏感度大小对网络隐含层节点进行排序,删除敏感度较低的隐含层节点即冗余点。仿真结果表明：该软测量方法对水质参数BOD的预测精度高、实时性好、模型结构稳定,能够用于污水水质的在线预测。     

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。     

一种新的两步多基地声纳TDOA定位算法

针对水下多基地声纳定位系统中声速先验已知的情况，以到达时间差为系统观测量，提出一种新的两步闭式解定位算法。首先，通过引入辅助变量，将非线性观测方程转化为伪线性方程进行处理，求得一个初始估计解；其次，根据第一步中引入的辅助变量与目标源位置的关系，以初始解中对于目标源的估计误差为待估计量建立伪线性方程并求解；最后，将第一步初始解中对于目标源位置的估计减去第二步的估计解就是最终对目标源位置的估计。推导了算法的估计均方误差，从理论上证明其可以达到相应的克拉美罗界。通过仿真实验验证了估计均方误差的理论分析，并与现有算法进行比较，证明了所提算法与现有算法相比具有优越性。     

基于多源数据特征融合的球磨机负荷软测量

针对磨矿过程球磨机负荷(ML)难以实时检测,生产中主要依靠人工经验判断负荷状态的难题,依据磨机筒体振动、振声、电流等信号与磨机负荷间存在相关性、信息互补与冗余的现象,提出基于多源数据特征融合的球磨机负荷软测量新方法.该方法由时域滤波、时频转换、特征提取、特征选择及软测量模型5部分组成.采用快速傅里叶变换(FFT)将滤波后的筒体振动及振声时域信号转换成频域信号,根据研磨机理将频域信号划分为低、中、高3个频段,采用核主元分析(KPCA)分别提取各个频段的非线性特征,选择振动、振声频域特征与电流时域特征的融合信号作为模型输入,建立基于最小二乘支持向量机(LSSVM)的磨机负荷软测量模型.实验结果表明,该方法与基于主元分析-最小二乘支持向量机(PCA-LSSVM)方法和单传感器方法相比,磨机负荷参数预测精度较高.     

基于双目视觉的激光位移传感器标定方法

为了提高激光位移传感器在工业机器人末端坐标系下的标定精度,提出基于双目视觉的激光位移传感器标定方法. 该方法通过双目视觉技术重建激光光束投影在平面上的光斑位置,利用手眼标定参数将光斑位置转换至机器人末端坐标系,同时利用最小二乘方法将光斑拟合成光束直线,获得机器人末端坐标系下的传感器光束方向及零点位置以完成标定. 该方法可同时标定机器人末端上的多个激光位移传感器,无须采用有精度要求的辅助工件标定,具备精度高,鲁棒性强优势. 基于标准球的精度评价实验结果显示,在3倍标准差范围内该方法标定后的激光位移传感器测量精度范围为0.038 6±0.025 8 mm,满足机器人加工要求.     

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.     

人工神经网络在水力旋流器粒度分布测量中的应用

针对磨矿分级作业中分级粒度实时检测的难题,结合对实际生产过程的分析,利用人工神经网络搭建了软测量模型.同时利用现场数据进行检测,从结果来看,该方法具备一定的可行性与实用性.     

证伪还是证实——电影研究中的真命题与假命题

讨论了电影学的肢解和分离,认为当下的电影研究不光是愧对电影的创作,更是愧对电影学本身的学术地位和学术尊严。讨论了电影研究中的真假命题,并对“商业电影与艺术电影”、“电影的本体研究”这2个假命题进行了剖析。认为中国电影理论工作者的历史责任是应多写些实实在在的文章,在电影的分支、细节、前沿交叉上多做一些实证研究,努力构建一个有影响力的学术话语场所和批评场所,在电影产业和电影观众之间搭起一座很舒坦的桥梁。     

多超声波传感器的工作空间识别

将超声波传感器应用于煤矿井下机器人的工作空间识别问题,研究了应用ＤＳ（Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ）证据理论对超声波传感器信息进行融合的方法,包括测量系统的信度分配、证据的提取及动态融合算法等。最后,构造了一个假想的三维工作空间,将机器人手臂近似为理想直线段杆件联合体,进行了仿真实验,取得了满意的仿真结果。研究表明,ＤＳ语气理论不但可以合理地表示完全未知的情况,还能表示非特定性的信息,且具有实用     

热力参数软仪表在电厂热工过程中的应用

针对火电厂热力参数失效、优化运行的问题,提出了基于支持向量机的软仪表.仿真表明,支持向量机方法与较为典型的RBF神经网络相比有着明显的优势,这样的热力参数软仪表的建立对于电厂的经济运行有着重大的意义.     

芳烃抽提及C8^＋分离装置的建模与仿真培训软件的开发

介绍了基于TS2000仿真支持环境的芳烃抽提及C8^ 分离装置的建模与仿真培训软件的开发工作,在系统构架与建模中采用了管线与设备分离、过程模型与控制算法分离、模型调试器和仿真软件分离等有效的功能分解技术。     

基于MMI-PCA-KLPP二次降维和模糊树模型的NO_X浓度软测量方法

针对火电厂气体分析仪测量存在滞后和NO_X软测量不准确的问题,提出了一种基于改进互信息-主成分分析-核局部保持投影(MMI-PCA-KLPP)二次降维和模糊树模型(FT)的NO_X浓度软测量方法。首先对样本进行剔除离群点等预处理,再通过查阅文献大体确定模型的输入变量,并采用MMI方法对输入变量进行降维处理;针对MMI降维后依然有较多输入变量的问题,综合考虑了样本全局结构特性和局部结构特性,用PCA-KLPP方法对MMI降维后的变量二次降维;最后针对二次降维后的数据,基于模糊树算法建立了NO_X软测量模型。实验结果表明,模糊树模型精度高且泛化能力强,结合MMI-PCA-KLPP二次降维处理后,大大缩短了模型的训练时间且精度未出现较大程度的降低。