一种用于软测量建模的增量学习集成算法

针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, 并能够较好地实现在线更新.

     

氧化铝浓度软测量技术研究

分析了铝电解生产过程中建立氧化铝浓度神经网络软测量模型的必要性和可行性,根据软测量建模理论建立了采用Levenberg-Marquardt算法的氧化铝浓度神经网络软测量模型.实际应用结果证明了该软测量模型能够有效实现氧化铝浓度的在线检测.     

基于最小二乘支持向量机的铁水含硅量软测量

提出一种基于最小二乘支持向量机的铁水含硅量软测量模型,采用遗传算法确定模型参数的优化组合.用某钢管厂高炉的实际生产数据经过预处理后作为模型的训练和测试样本,进行软测量实验.实验结果表明,与神经网络模型和时间序列分析模型比较,所提出的软测量模型的软测量精度更高.     

基于GA和BP神经网络的二噁英软测量模型研究

本文详细介绍了基于GA-BP神经网络在垃圾焚烧过程中二噁英排放软测量的应用过程.采用基于GA-BP神经网络理论来建立二噁英排放的软测量模型,通过软测量方法的结果和实际值的分析比较,表明基于GA-BP神经网络的二噁英软测量模型的测量精度较高、容错性好、泛化能力较好,是防止垃圾焚烧过程带来的二次污染有效的方法,为垃圾的焚烧过程控制提供了指导依据.此方法可以有效地应用于其它不能直接测量的工程应用.     

软测量模型自动生成系统的研究与开发

设计并开发出一套基于Matlab和VB的软测量建模生成系统.该系统的特点在于能提供多种选择变量和数据处理的方法;集成了多种多元回归和神经网络等软测量建模方法及其相互结合的应用,这种结构使得用户能够在各种方法之间比较选择,从而最终得到一个合适的软测量模型.改变了目前国内外一些软测量软件包只侧重于某种特定建模方法的状况.同时系统采用了"提前停止"方法,克服了一些软测量软件包所建模型的拟合精度高而推广能力不佳的缺点.实际建模应用表明,该系统算法简单、操作灵活,具有良好的人机交互和较高的执行效率.     

基于增量学习思想的改进AdaBoost 建模方法

针对软测量建模的特点以及建模过程中存在的主要问题,提出了基于 AdaBoost RT 集成学习方法的软测量建模方法,并根据 AdaBoost RT 算法固有的不足和软测量模型在线更新所面临的困难,提出了自适应修改阈值 和增添增量学习性能的改进方法.使用该建模方法对宝钢300 t LF 精炼炉建立钢水温度软测量模型,并使用实际生产数据对模型进行了检验.检验结果表明,该模型具有较好的预测精度,能够很好地实现在线更新.     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.     

基于Bootstrap多神经网络的软测量方法

针对原油蒸馏过程常规软测量模型难以适应原油进料性质变化的问题,提出Bootstrap多神经网络的非线性软测量处理策略.通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多神经网络模型,避免了单个神经网络易于陷入局部最优及过度训练的弱点,具有较高的准确率和泛化能力.本处理策略用于建立常压塔一线干点的软测量模型,仿真结果表明模型预测准确率和鲁棒性较好,对原油性质变化具有较好的适应性.该方法将会改进实际蒸馏过程在进料性质变化情况下的产品质量指标的软测量精度.     

基于连续隐Markov 模型的发酵过程软测量方法

针对生物发酵过程中一些生物参量难以用仪表进行在线检测的问题,提出一种基于连续隐Markov模型（CHMM）的发酵过程软测量建模方法.为减少建模过程的计算量,提出了改进最小分类误差准则,用于CHMM软测量模型参数估计.为避免软测量结果在发酵过程监测与控制实际应用中存在的盲目性,提出了在线评价软测量结果可靠性的可信度评价指标.实验结果表明了所提出方法的有效性以及可信度评价指标的实际意义.     

基于PSO-SVR的飞灰含碳量软测量研究

针对飞灰含碳量测量的研究现状和不足,采用基于粒子群优化的支持向量回归法对飞灰含碳量软测量展开建模研究,该方法利用粒子群算法的寻优功能,实现支持向量机模型的参数优化,使模型具有良好的预测能力.以大唐潮州电厂1000 MW超临界机组为研究对象,将现场采集数据分为训练数据和测试数据,分别用来辨识飞灰含碳量软测量模型和检验模型的泛化能力.仿真结果表明,飞灰含碳量软测量模型仿真输出与实际输出基本吻合,验证了模型的有效性和泛化能力.