融入先验知识的径向基神经网络软测量建模

针对神经网络软测量建模过程中有效信息丢失的情况,在传统3层径向基神经网络(RBFNN)模型的输入层和隐含层之间引入先验层。先验层与输入层之间的权值可直接表征通过机理、统计或者人工智能算法分析得到的先验知识,即各个输入变量的重要程度信息,该权值的变化可以改变RBFNN聚类的空间形状,使得样本在训练过程中的聚类更为合理,从而提高了RBFNN软测量模型的预测精度。RBFNN模型在污水处理过程的生化需氧量(BOD)预测中得到了验证。仿真结果表明,相比传统3层RBFNN网络,融入先验知识的4层RBFNN软测量模型具有更优异的拟合能力。     

软测量技术及其在过程检测与控制系统中的应用

随着检测与控制系统日趋复杂以及计算机技术的发展．软测量技术的研究及其应用受到了广泛的关注。本文介绍了软测量技术的产生、发展及其应用，探讨了软测量技术的原理．并对软测量技术的主要相关因素进行研究，分析了软测量技术对检测和控制系统的影响。     

神经元网络软测量技术的进展

软测量技术已经在过程控制理论研究和实践中产生了广泛的影响，但是目前尚未形成系统的理论。近年来神经元网络软测量技术有了一定发展，在训练算法和建立模型方面都取得了可喜的进展。讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术、计算机通信、虚拟仪器及WWW结合的应用实例。     

基于RBFNN的硫熏强度软测量建模

硫熏强度是亚法糖厂澄清工段非常重要的一个工艺指标,硫熏强度过低会影响澄清效果,过高会造成成品糖二氧化硫残留过高。由于目前尚缺乏合适的硫熏强度在线测试仪,人工化验滞后时间较长,难以根据该指标及时指导生产。为此,提出了一种基于糖厂澄清过程大量离/在线历史数据的硫熏强度软测量方法,分别建立基于径向基函数神经网络(RBFNN)、BP神经网络方法和广义动态模糊神经网络(GDFNN)的硫熏强度软测量模型。通过对模型的性能进行对比分析,说明了基于RBFNN硫熏强度软测量模型的优越性。     

基于RBF神经网络的污水处理软测量算法研究

分析了软测量技术在污水处理问题上的可行性，建立了径向基（RBF）神经网络软测量模型，对污水处理过程中的各种污染物质进行监控和预测。结果表明：应用软测量技术能较好的克服污水处理过程中由随机干扰、强非线性、大时变、严重滞后等因素带来的一系列问题，具有广阔的应用前景。     

过程控制中的软测量技术*

本文对过程控制中的软测量技术进行综述，从建立软仪表的方法，、影响软性能的因素以及软仪表的在线校正和工业应用等方面进行了详细讨论，对其发展作了简要的展望。     

神经元网络软测量技术的研究进展

讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术，计算机通信、虚拟仪器及WWW结合的应用实例，目前，在构造软仪表方面，成功地应用于实际生产过程中的神经网络主要有向BP网络和RBF网络，此外还有融合模糊技术的神经网络算法，数据处理仍是一个十分重要的问题，此外，现有的在线校正方法十分有限，应发展更多更新的方法以适应复杂工业系统控制的要求，同时，将软测量技术与系统调优结合起来，变开环指导为闭环控制，使其有更广泛的应用推广。     

打浆度软测量技术的研究及应用

针对打浆度直接在线检测难度大的特点,采用软测量技术,实现了打浆过程打浆度的在线软测量。介绍了打浆度软测量模型建立,阐述了软测量技术在盘磨控制中的PLC应用。     

谈小波理论应用于软测量技术的研究

本文从当前化工生产的需求出发，对软测量技术的发展和应用进行探讨，提出了将小波理论应用于软测量技术的思想。     

软测量技术在化工安全生产故障预警仿真系统中应用研究

介绍了软测量技术在化工安全生产故障预警仿真系统中的应用情况,软测量技术的组成及意义。     

基于软测量的自动配煤控制系统设计

针对配煤这一炼焦生产过程中的重要环节,其配比的准确性和配煤系统的可靠性将直接影响焦炭的质量和经济效益以及能否顺利推焦,某焦化厂由于所使用的皮带秤精度差,难以投入闭环控制,提出了一种基于多元线性回归的软测量技术,实现了配煤的准确称重;同时配煤过程被控对象具有非线性、时变、时滞,并且很难建立精确的数学模型,提出了基于专家知识的参数自整定模糊PID控制方法。这种基于软测量的模糊自整定方法在该厂配煤过程中成功应用,投运以来配煤合格率由原来的70%提高到95%,实现了稳定优化配煤,稳定焦炉生产,提高焦碳质量的目的。该方法具有广阔的应用前景和推广价值。     

一种聚类加权支持向量机算法及其在软测量中的应用

针对支持向量机应用于软测量建模时,工业过程数据中特异点影响建模精度的问题,提出聚类加权支持向量机方法.该方法首先对建模数据进行聚类分析,根据聚类结果,对各类数据的惩罚系数进行相应的加权,改变权值大小既能减小特异点对模型的影响程度,又能将其包含的生产过程信息引入到软测量模型中.聚丙烯熔融指数软测量的实例研究表明,通过对建模数据进行聚类分析和加权处理,聚类加权支持向量机比标准支持向量机建模更准确.     

基于RNN的化工过程软测量模型研究

研究了基于回归神经网络(RNN)为化工颜料锌钡白建立质量指标软测量模型的问题。利用SPSS统计软件对过程历史数据进行预分析处理，进而利用这些数据训练回归神经网络，建立质量指标消色力的软测量模型。针对回归神经网络训练效率低，泛化能力差等问题，尝试引入一种初始权值优化方法加以改进。仿真结果表明，利用回归神经网络可以为此类化工过程建立具有一定预测能力的软测量模型，引入的初始权值优化方法有助于提高回归神经网络初始训效率，但模型的泛化能力还有待进一步改进。     

基于OPC的先进控制在丁二烯装置中的应用

针对丁二烯生产装置精馏塔中组分浓度难以控制的问题,提出了基于OPC技术的先进控制方案。在DeltaV DCS控制网络中添加应用站和上位机,应用站作为OPC数据服务器。在上位机用VB编写基于OPC技术的先进控制软件包,实现了数据采集和软测量程序,并把软测量模型的计算结果返回到工程师站,实现物料组分的闭环控制。现场运行结果表明,该方案能够有效地解决精馏塔中组分浓度不能在线测量和直接闭环控制的问题,显著地改善了控制效果。     

精馏塔软测量建模中数据校正的计算机实现

针对精馏塔软测量模型建立过程中数据校正技术进行了研究。根据精馏塔反应过程的特征，对从现场采集的数据中的几种不同误差，运用相应的方法进行查找剔除，并通过多项式拟合法和预测校正法等方法对剔除的数据进行补偿，使得数据更加准确可靠，从而建立更为精确的软测量模型。同时设计了计算机程序可以实现的数据校正算法，运用Visual Basic语言进行编程对数据校正基本实现了自动化处理，在实际应用中取得了良好的效果。     

生物发酵参数相关性及菌体浓度软测量技术的研究

从生物细胞代谢角度,分析了发酵过程中生物代谢参数的相关性,找出了能够表示生物变量大小的代谢参数,然后将这些参数作为输入变量,建立了菌体细胞浓度软测量的神经网络模型。仿真结果表明,该软测量方法较一般的菌体浓度软测量方法具有更高的准确性和鲁棒性。     

Artificial neural networks for water quality soft-sensing in wastewater treatment: a review

This paper aims to present a comprehensive survey on water quality soft-sensing of a wastewater treatment process (WWTP) based on artificial neural networks (ANNs). We mainly present problem formulation of water quality soft-sensing, common soft-sensing models, practical soft-sensing examples and discussion on the performance of soft-sensing models. In details, problem formulation includes characteristic analysis and modeling principle of water quality soft-sensing. The common soft-sensing models mainly include a back-propagation neural network, radial basis function neural network, fuzzy neural network (FNN), echo state network (ESN), growing deep belief network and deep belief network with event-triggered learning (DBN-EL). They are compared in terms of accuracy, efficiency and computational complexity with partial-least-square-regression DBN (PLSR-DBN), growing ESN, sparse deep belief FNN, self-organizing DBN, wavelet-ANN and self-organizing cascade neural network (SCNN). In addition, this paper generally discusses and explains what factors affect the accuracy of the ANNs-based soft-sensing models. Finally, this paper points out several challenges in soft-sensing models of WWTP, which may be helpful for researchers and practitioner to explore the future solutions for their particular applications.

     

基于RBFNN的料场称重预测控制系统

为提高称重配料过程的控制精度,探讨了基于径向基神经网络(RBFNN)辨识的模型预测控制(MPC)系统的应用,着重介绍了径向基神经网络的特点,模型预测控制特性,提出了以径向基神经网络作为预测器和控制器的模型预测控制系统。实践证明,该系统可以改进被控对象的性能,适用于较为复杂的不确定性强的非线性控制对象。目前已成功在福建某钢铁厂烧结料场控制系统改造项目中投入使用,并取得了良好的控制效果,该系统在钢铁冶炼烧结称重环节不同料种圆盘中有广阔的应用前景。     

径向基函数网络在数值计算中的应用

由经典的函数逼近理论衍生的很多数值算法有共同的缺点：计算量大、适应性差、对模型和数据要求高，在实际应用中受到限制。神经网络可以被用来计算复杂输入与输出结果之间的关系，故神经网络具有很强的函数逼近功能。该文给出了径向基函数网络（RBFNN）的结构及学习过程，重点阐述了RBFNN在函数逼近、求解非线性方程组以及散乱数据插值中的应用，结合MATLAB神经网络工具箱给出了数值实例，并与BP网络进行了比较。应用结果表明RBFNN是数值计算的一个有力工具，与传统方法比较具有编程简单、实用的特点，在工程和科学研究上若将其制成软件包则具有很好的使用价值。     

间歇制浆蒸煮终点预测方法

在分析常用蒸煮模型的基础上,提出了基于神经网络的制浆蒸煮过程建模方法,与BP神经网络相比,RBF神经网络具有最佳逼近能力、收敛速率快和不存在局部极小点等,因而选用了RBF神经网络作为建模工具。在决定RBF神经网络的输入和输出变量时,充分利用了现场可测量的物理量和制浆蒸煮过程知识、其输入变量比常用蒸煮模型增加了硫化度和木片合格率,其输出变量有用实际过程测量所需的终点H因子的对数,这样就减少了RBF神经网络的规模,提高了训练速度。对工厂的实际数据应用表明,该RBF神经网络模型的预测精度高于传统的Hatton模型。