共查询到18条相似文献,搜索用时 78 毫秒
1.
2.
稀土萃取分离过程的自动控制一直是稀土工业急待解决的关键难题,要实现稀土萃取分离过程的自动控制,首先必须解决串级萃取槽中各稀土组分含量的在线检测,而传统的检测又有很大的问题,软测量技术在稀土萃取过程控制中的应用研究开始活跃起来。该文是基于RBF网络的稀土萃取过程组分含量进行软测量建模的研究。 相似文献
3.
湿法冶炼过程中一些工艺参数的测量非常难于实现,这直接影响了工艺的质量控制.人们对此已探讨过许多解决方法,采用软测量技术,并结合自动清洗技术实现湿法冶炼过程中pH的检测与控制,也是一种行之有效的方法.设计一个基于状态观测器的pH软测量系统对主导变量进行估计,同时采用自动清洗技术实现对辅助变量的测量,从而构成pH自动控制系统,具有简单实用的优点. 相似文献
4.
基于神经网络的过程软测量 总被引:11,自引:2,他引:11
提出基于神经网络的软测量技术的一般框架,并针对一个实际的催化裂化装置,采用多层前向网络和推广随机逼近算法对粗汽油干点的软测量进行了研究.理论分析和模拟表明,该模型可以很好地描述实际对象特性. 相似文献
5.
6.
针对SMB色谱分离过程中组分纯度的实时测量存在困难的现状,建立了两组分(葡萄糖、果糖)纯度的在线软测量模型。软测量模型采用NNARMAX模型作为模型辨识类;采用BP神经网络对模型进行逼近,为加快网络收敛速度,采用Levenberg—Marquardt算法对网络进行训练。在Matlab工作平台上进行了大量的仿真,对该模型进行验证,仿真结果证明了该方法的有效性。 相似文献
7.
本通过深入研究锌湿法冶炼过程及其反应机理,并结合CSTR流动模型,建立了整个浸出过程的状态方程,同时进行了仿真研究,并给出仿真曲线 相似文献
8.
9.
冷冻水流量是空调系统的冷水机组模型以及变流量控制的前提。在一般空调系统中,由于成本和维护的原因,流量传感器出现故障造成测量误差偏大。提出应用RBF神经网络建立冷冻水流量软测量模型,以动态监测流量传感器的运行是否正常。将流量传感器的实际测量值与软测量得到的结果进行比较,当两者的偏差达到或者超过一定的程度时(如10%),这时就可以认为流量传感器发生了故障,并且产生报警信号;同时,冷冻水流量的监测由流量传感器切换到软测量模块,即在流量传感器发生故障的情况下,实际工程系统中基于冷冻水流量的控制和算法仍然能比较好的继续实施。 相似文献
10.
11.
过去几年中,神经网络尤其是径向基网络得到广泛了应用,支持向量机作为一种新兴的学习机和神经网络相比有着极大的优越性,以某炼油厂催化裂化单元中的轻柴油凝固点为例,从Matlab算法验证和工程实践两方面说明了支持向量机在软测量建模中的巨大优越性。 相似文献
12.
13.
基于神经网络的通用软测量技术 总被引:46,自引:0,他引:46
基于神经网络的通用软测量技术1)王旭东邵惠鹤(上海交通大学自动化研究所上海200030)关键词软测量,RBF神经网络,竞争学习,精馏塔.1)国家自然科学基金资助项目.收稿日期1996-12-031引言目前建立软测量模型有多种方法,但是还缺乏通用性,通... 相似文献
14.
15.
Li Xie Yu Zhao Daniel Aziz Xing Jin Litao Geng Errol Goberdhansingh Fei Qi Biao Huang 《Journal of Process Control》2013,23(7):990-1000
This paper presents a successful application of soft sensor technologies in process industry. The hybrid modeling technique, online prediction update, and robust implementation procedure are presented in detail. Once-through steam generators (OTSGs) have wide applications in In Situ oil sands industry for producing high pressure steam. Real-time control of steam qualities is essential to ensure optimal performance of the OTSGs and ultimately to reduce the production cost and emissions. However, neither existing online measurement nor off-line lab analysis of steam quality can meet this control purpose due to their own limitations. To resolve this problem, soft sensors for steam quality measurements of OTSGs are designed in this work based on a hybrid modeling technique, where online bias update with optimized weighting factor is incorporated to compensate the model error. Furthermore, online outlier detection is considered to ensure the robustness and reliability of the developed soft sensors. The successful applications to an industrial OTSG demonstrate the effectiveness and advantages of the developed soft sensors. 相似文献
16.
基于非线性偏鲁棒M-回归的萃余液pH值软测量 总被引:2,自引:0,他引:2
提出了一种径向基函数网络(Radial basis function networks, RBFNs)与偏鲁棒M-回归(Partial robust M-regression, PRM)相结合的非线性PRM (Nonlinear PRM, NLPRM)建模方法, 用以解决鲁棒非线性系统建模问题. 该方法首先通过RBF变换获得扩展的输入数据矩阵; 接下来PRM算法通过反复迭代计算, 自适应地为变换后的数据分配不同的连续权值, 用以克服离群点对模型的影响. 本文通过仿真实验, 验证了方法的有效性; 并将其应用于湿法冶金萃取过程萃余液pH值软测量建模问题, 获得了相比于偏最小二乘法(Partial least squares, PLS)、PRM以及RBF-PLS方法更高的预测精度. 相似文献
17.
本文针对汽驱工业过程设计了一套优化监控系统。本系统建立了基于RBF神经网络的蒸汽干度软测量模型,并应用遗传算法对整个汽驱过程进行优化计算。系统具有良好的人机界面,各部分之间的数据通讯是基于OPC进行的。目前该监控系统已成功运行于辽河油田,实践证明,本系统具有较好的可靠性和稳定性。 相似文献
18.
Intelligent systems and methods such as the neural network (NN) are usually used in electric power systems for short-term electrical load forecasting. However, a vast amount of electrical load data is often redundant, and linearly or nonlinearly correlated with each other. Highly correlated input data can result in erroneous prediction results given out by an NN model. Besides this, the determination of the topological structure of an NN model has always been a problem for designers. This paper presents a new artificial intelligence hybrid procedure for next day electric load forecasting based on partial least squares (PLS) and NN. PLS is used for the compression of data input space, and helps to determine the structure of the NN model. The hybrid PLS-NN model can be used to predict hourly electric load on weekdays and weekends. The advantage of this methodology is that the hybrid model can provide faster convergence and more precise prediction results in comparison with abductive networks algorithm. Extensive testing on the electrical load data of the Puget power utility in the USA confirms the validity of the proposed approach. 相似文献