木糖醇发酵过程软测量

针对木糖酵发酵过程中关键参数在线测量难的问题，建立了基于均匀设计和遗传算法的神经网络结构法，实现其在线软测量，实验表明，该模型可实现在线测量。     

木糖醇发酵过程软测量

针对木糖醇发酵过程中关键参数在线测量难的问题 ,建立了基于均匀设计和遗传算法的神经网络结构法 ,实现其在线软测量 ,实验表明 ,该模型可实现在线测量     

基于改进极限学习机的软测量建模方法

针对生物发酵过程中一些生物参量难以测量的问题,提出一种基于改进极限学习机（IELM）的软测量建模方法。该方法通过最小二乘方法和误差反馈原理计算出最优的网络输入到隐含层的学习参数,以提高模型的稳定性和预测精度。通过双对角化方法计算出最优的输出权值,解决输出矩阵的病态问题,进一步提高模型的稳定性。将所提方法应用于红霉素发酵过程生物量浓度的软测量。结果表明,与ELM、PL-ELM、IRLS-ELM软测量建模方法相比,IELM在线软测量建模方法具有更高的预测精度和更强的泛化能力。     

高斯过程集成算法的发酵过程软测量建模

针对谷氨酸发酵过程一些关键参数不能在线测量而导致的建模精度不高的问题,Bagging和高斯过程回归算法相结合,提出一种基于Bagging算法集成高斯过程的软测量建模方法。该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成许多高斯过程模型,并通过平均组合方式进行集成,得到最终的模型输出。将该集成算法应用到谷氨酸发酵过程的软测量建模中,实现了对谷氨酸浓度的准确预测,相对于单一高斯过程模型,具有更高的预测精度和鲁棒性。     

基于Bayesian的海洋脂肪酶发酵过程软测量建模

针对海洋微生物低温碱性脂肪酶发酵过程中的关键生物参数(如菌体浓度、葡萄糖浓度等)难以在线检测,提出了一种基于贝叶斯证据框架下的加权最小二乘支持向量机(WLS-SVM)的建模方法.首先,对生物参数进行非线性建模分析,确定软测量模型的辅助变量.然后,应用训练样本集对最小二乘支持向量机进行训练,训练过程中运用贝叶斯证据框架下的三层推断确定模型的最优权向量、最优正则化参数、最优核参数.为了提高模型的鲁棒性,根据误差变量确定权重系数,建立了在发酵过程中可准确预测生物参数的WLS-SVM模型.试验仿真中与传统最小二乘支持向量机模型进行对比,结果表明,基于贝叶斯证据框架下的加权最小二乘支持向量机模型具有计算速度快、泛化能力强、预测精度高等特点.     

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.     

软测量技术及其在抄纸过程中的应用

介绍了软测量技术常用的建模方法,分析了优缺在。采用静态线性软测量模型的回归分析法,实现对纸张水分的软测量。模型参数的辨识采用最小二乘法及对病态方程仍稳定的Ｈｏｕｓｅｈｏｌｄｅｒ变换法。然后给出了软测量模型的在线校正方法。     

生物发酵过程变量的NN-MIV软测量模型

针对生物发酵过程中关键生化参量的在线检测问题,提出一种基于平均影响值的神经网络(NN-MIV)变量选择方法。发酵过程初始软测量模型含有多个辅助变量,MIV方法计算辅助变量对主变量的外部贡献率,NN方法计算辅助变量对主变量的内部贡献率,文中将两种方法综合提出了NN-MIV方法,其计算出的辅助变量对主变量的贡献率稳定性好。利用筛选出最优辅助变量建立软测量模型,对青霉素发酵过程做了数值仿真实验,与传统的变量筛选方法相比,该方法筛选出的辅助变量少,建立的软测量模型估计精度高。     

基于改进极限学习机的软测量建模

极限学习机（ELM）因其泛化能力好和学习速度快而成为软测量的新方法,但当应用到铝电解工艺参数建模时,ELM通常需要较多隐层节点并且泛化能力较低。针对这一问题,提出一种基于改进极限学习机（IELM）的软测量模型。首先,利用粗糙集中的约简理论剔除输入变量中的冗余或不相关属性,以降低ELM的输入复杂性;然后,利用偏相关系数对输入变量和输出变量间的相关性进行分析,将输入数据分为正输入和负输入两部分,分别对这两部分建立输入单元,重新构建ELM网络;最后,建立了基于改进极限学习机的铝电解分子比软测量模型。仿真实验结果表明,基于改进极限学习机的软测量模型具有较好的泛化能力和稳定性。     

软测量技术及其在抄低过程中的应用

介绍软测量技术常用的建模方法,分析了优缺点。采用静态线性软测量模型的回归分析法,实现对纸张水分的的软测量。模型参数的辨识采用最小二乘法及对病态方程仍稳定的Ｈｏｕｓｅｈｏｌｄｅｒ变换法。然后给出了软测量模型的在线校正方法。     

木糖醇发酵过程的软测量研究

针对木糖醇发酵过程中木糖醇浓度不能在线测量和影响发酵过程控制的情况,使用软测量技术来估算木糖醇的浓度和底物浓度,使用动态BP网络作为软测量模型,并确定了10个隐含层节点的网络拓扑结构,使用LM算法训练网络。用未经训练的数据检验软测量模型,取得了满意的逼近效果。实现了木糖醇发酵过程木糖醇浓度和底物浓度的间接实时测量。     

丁二酸发酵过程的软测量建模研究

生物转化法生产丁二酸的间歇厌氧发酵过程存在明显的不确定性和高度非线性,其中某些参数(如丁二酸浓度)难以在线检测,给过程优化策略的有效实施带来了障碍.最小二乘支持向量机(LS-SVM)是标准支持向量机(SVM)的一种扩展,遵循结构风险最小化原则.将该算法用于丁二酸发酵过程建模.用具有RBF核函数的LS-SVM建立丁二酸浓度的模型,并通过MATLAB 7.0开发工具和径向基(RBF)人工神经网络的建模方法进行比较.结果表明LS-SVM方法比基于RBF神经网络的软测量建模方法降低了83.7%的外推误差,具有更好的泛化能力,使针对丁二酸浓度的在线预估与优化控制成为可能.     

基于神经网络的过程软测量

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.     

蒙特卡洛法在发动机推力测量不确定度评估中的应用

现行对发动机试验推力测量不确定度的评估一直采用GUM法,存在输入量和输出量概率分布假设以及非线性模型近似等问题,有一定的局限性;以发动机推力矢量测量为例,文中简述了压电式推力矢量测量的数学模型,运用GUM法对推力矢量参数的不确定度评估,同时分析了蒙特卡洛法的原理、具体评估过程和适用性,编制了软件,并将不确定度评估结果与GUM法评估结果进行对比;对比结果表明,在发动机试验推力矢量参数的不确定度评估过程中,蒙特卡洛法相比GUM法更为适用.     

过程软测量虚拟仪器系统集成

用过程软测量与虚拟仪器结合的方法,解决一些工业过程难测参数的测量问题,是急需发展的研究领域。本文主要介绍以工业过程固体产品为非接触测量表面速度的对象,运用过程软测量技术的虚拟仪器系统集成。     

多速微粒群优化算法及其在软测量中的应用

多速微粒群优化算法（MVPSO）是一种改进的微粒群优化算法,具有概念清晰、操作简单、易实现等优点,同时克服了PSO算法易陷入局部极值的不足多速粒子群优化算法（MVPSO）是一种改进的粒子群优化算法,具有概念清晰、操作简单、易实现等优点,同时克服了标准PSO算法易陷入局部极值的不足。用MVPSO和PSO对几种典型多峰值函数优化问题进行测试,结果表明MVPSO优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将MVPSO优化算法应用于青霉素发酵过程产物（青霉素）浓度软测量,建立基于MVPSO算法的青霉素发酵过程产物浓度软测量模型。实验表明,基于MVPSONN的软测量模型比基于BPNN的软测量模型具有更好的性能。     

基于软测量的醋酸精馏过程串级预测控制策略

针对醋酸精馏控制中,产品成分无法在线检测并且对产品质量采用温度间接控制存在控制精度低的问题,提出一种基于在线更新小波核函数极限学习机软测量的DMc预测控制策略,其中,在线更新的小波核函数极限学习机软测量实现了塔底醋酸浓度的实时检测,仿真结果表明,在线更新模型的预测精度比离线模型提高52%。将上述在线更新的软测量应用于塔底醋酸浓度闭环预测控制系统中,实现对塔底醋酸浓度的直接质量控制,该系统采用DMc作为醋酸浓度控制器,其输出量作为再沸器蒸汽流量控制器的设定值,与再沸器流量控制构成串级调节系统。控制系统仿真结果表明,该软仪表具有良好的在线预测性能,预测控制系统控制精度高、可以实现产品质量的卡边控制。     

基于混合蛙跳算法的极限学习机软测量建模

针对现代工业控制中非线性、时变等复杂特性,传统的极限学习机(ELM)无法深度挖掘数据信息,导致模型参数影响软测量预测精度.极限学习机中激活函数的速率参数和位移参数以及岭回归中的乘法因子对该建模算法的预测精度有着重要影响.为了提升软测量模型的预测精度,采用混合蛙跳算法(SFLA)精确搜索ELM中的参数最优解.SFLA能够...     

基于RBF神经网络的发酵过程菌体浓度的软测量

针对微生物发酵过程中菌体细胞浓度难以实时在线检测的问题,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R B F神经网络模型,为复杂系统中生物量参数的检测提供了一条有效途径。仿真结果表明,该软测量方法具有较高的精度,能很好地应用于生物发酵过程。