软测量

摘要： 进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水指标与进水BOD5的数学关系建立进水BOD5软测量模型,实现进水BOD5快速测定.并以黑龙江某污水厂为研究对象,比较4种机器学习模型的性能,找寻适合进水BOD5预测的软测量方法.结果表明,基于SVR的软测量模型预测结果优于基于BP-ANN的软测量模型,而且采用GA优化的SVR模型精度最高.为实现污水厂进水BOD5的实时监测和污水厂的便捷管理提供了参考依据.

摘要： 在工业过程中,存在着辅助变量与主导变量数据比例严重失衡的问题。协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法。然而目前在协同训练软测量建模过程中,学习器之间存在严重的训练特性交叉重叠的问题,这将导致对主导变量的预测性能衰减。针对这一问题,提出基于二子空间协同训练算法的半监督软测量模型two-subspace co-training KNN(TSCO-KNN)。该模型将二子空间分块算法与协同训练算法相结合,利用辅助变量与主成分子空间PCS和残差子空间RS两个特征子空间的相关性程度,将数据变量拆分为两个具有显著差异性的学习数据集,进而使用KNN回归器进行协同训练,共同用于对主导变量的预测。最后在乙烯精馏塔塔顶乙烷浓度和TE过程产品浓度软测量中进行仿真研究,验证本文所提算法的有效性。

摘要： 为了优化磨煤机系统参数,提高磨煤机出粉量,结合磨煤机系统参数和出粉量建立误差反向传播算法(BP)神经网络磨煤机出粉量模型,对参数进行软测量。为提高软测量准确度和对参数优化的效果,提出一种新的基于融合策略改进的粒子群优化BP算法,用于磨煤机系统参数和出粉量数据之间的非线性映射,建立估算模型。将估算模型应用于磨煤机出粉量的软测量中,为验证基于融合策略改进的粒子群优化BP算法的可靠性,将该算法与传统粒子群优化BP算法和传统BP算法对磨煤机出粉量的计算进行对比。结果表明:基于融合策略改进的粒子群优化BP算法模型对磨煤机出粉量有较好的软测量能力,预测值与实际值平均相对误差仅为3.8139%。

摘要： 为了实现汽油干点的直接在线测量,提出了一种基于T-S模糊神经网络(TS-FNN)的汽油干点预测方法。以某炼油厂常减压装置常压塔塔顶汽油干点为背景,确定影响因素,分析采集的数据,依据样本数据建立BP神经网络(BPNN)模型及TS-FNN模型,验证模型的预测有效性。结果表明:基于TS-FNN模型预测的汽油干点与观测值基本一致,平均相对误差为0.68%,该网络模型通过调整参数来修正隶属度函数,具有很强的自适应能力。基于T-S模糊模型的改进神经网络软测量模型跟踪效果较好,预测结果具有较高的准确性。

摘要： 近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布,限制了其对复杂工业过程数据,尤其是多模态数据的建模能力.为了解决这一问题,本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression,MVAER),并将其应用于复杂多模态工业过程的软测量建模.具体来说,该方法采用高斯混合模型来描述VAE的潜在变量分布,通过非线性映射将复杂多模态数据映射到潜在空间,学习各模态下的潜在变量,获取原始数据的有效特征表示.同时,建立潜在特征表示与关键质量变量之间的回归模型,实现软测量应用.通过一个数值例子和一个实际工业案例,对所提模型的性能进行了评估,验证了该模型的有效性和优越性.

摘要： 针对污水处理过程具有复杂非线性特性以及出水BOD难以精确测量的问题,文中提出一种基于变宽度的逆平方根和高斯函数线性组合的RBF神经网络软测量方法。神经网络的激活函数由逆平方根函数和高斯函数线性组合,弥补了单一激活函数在某些区间饱和的问题,提高了隐层激活函数的表达能力和自适应能力。由于激活函数的宽度对模型的泛化性能有较大的影响,因此引入基于核密度的变宽度策略可以有效提高网络泛化能力。文中采用改进LM算法实现了神经网络参数的在线学习。基于污水处理过程实际运行数据的仿真实验表明,所提方法对于出水BOD具有较高的预测精度和良好的自适应能力。

摘要： 针对过程控制系统中关键变量的软测量建模及应用问题,结合主成分分析法(PCA)和径向基(RBF)神经网络法(RBFNN),提出了改进的PCA-RBFNN软测量建模方法。首先利用PCA分析变量筛选法从过程变量集合中找到对系统过程特性具备最佳解释能力的过程变量子集;然后将该过程变量子集作为输入、被估计变量作为输出构建PCA-RBFNN模型,并使用K-means聚类和最小均方误差法初始化RBF神经网络的数据中心、扩展系数和连接权值;最后采用梯度下降法训练、校正所建模型。以某纺织原料生产过程为实例,对所建模型进行了验证和输出性能对比分析。结果表明,该模型可以实现过程变量在线预测,比原模型具有更好的泛化能力、预测能力和输出精度,能够提高过程控制系统的稳定性和可靠性。

摘要： 针对污水处理过程具有非线性、时变、大滞后等特点,关键水质参数难以准确实时预测,单一水质模型泛化性有限等问题,建立了一种基于AdaBoost.RT的正则随机配置网络(stochastic configuration network,SCN)水质预报集成模型。该模型将L2-SCN作为基学习器,通过AdaBoost.RT算法不断更新的权重来训练基学习器,然后采用加权策略将基学习器集成得到一个强学习模型,对5日生物需氧量(five-day biochemical oxygen demand,BOD_(5))质量浓度、氨氮(NH_(4)-N)质量浓度进行预测。为了验证该模型的有效性,以某城市污水处理厂的真实数据为例进行仿真,并将预报结果与相同架构方式下的LassoSCN、PLSSCN、BP,RVFL预测模型进行比较。实验结果表明,所提的模型预报精度更高,具有稳定性。

摘要： 燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_(x)为其中之一。针对燃煤电厂生产过程中NO_(x)排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_(x)排放量进行预测。在分析NO_(x)产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_(x)排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明:基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。

摘要： 为解决酒醅水分、酸度和淀粉含量指标只能离线检测,化学方法检测工序复杂,工作量大的问题,通过研究发酵机理,选择发酵过程产生的O_(2)、CO_(2)、湿度和温度为监测指标,使用多传感器监测技术和无线通信网络构建发酵参数自动化采集系统,同时运用化学方法对采集的酒醅样品进行水分、酸度和淀粉含量3个指标检测,运用偏最小二乘回归以发酵环境O_(2)、CO_(2)、湿度和酒醅温度值为自变量,酒醅水分、酸度和淀粉含量为因变量建立了偏最小二乘软测量模型,同时建立了多元线性回归模型作为对比,证实偏最小二乘回归最优。模型的均方根误差为1.89、0.12、1.93,并由此得出结论为O_(2)和CO_(2)对于发酵产物水分、酸度和淀粉的影响是极其重要的,温度和湿度其次。

摘要： 磨矿过程的优化运行控制需要准确检测球磨机内的负荷参数，其软测量一直工业界的难点热点问题。采用球磨机研磨产生的机械振动/振声等信号构建数据驱动软测量模型是工业界常用的磨机负荷参数间接检测方法.磨机封闭、连续旋转的工作特性导致构建软测量模型的完备训练样本仅能在实验设计阶段或磨矿过程停产重新开始运行阶段获得,即需要较高的经济或时间成本.针对这类基于机械信号同时又缺少完备训练样本的数据驱动建模问题,本文提出一种基于虚拟样本生成(VSG)技术的磨机负荷参数软测量方法.针对有限数量的建模样本,首先采用集成经验模态分解技术(EEMD)获得非平稳磨机筒体振动及振声信号的多尺度平稳子信号;接着将这些平稳子信号转换为多尺度频谱,再利用改进的选择性集成核偏最小二乘方法构建基于可行性的规划(FBP)模型;接着再利用先验知识和FBP模型产生虚拟样本,将其与真实训练样本组合后得到混合建模样本;然后采用基于互信息(MI)的特征选择方法进行多尺度谱特征的自适应选择;最后,采用这些选择的频谱特征构建软测量模型.采用实验球磨机的筒体振动和振声数据验证了所提算法的合理性和有效性.

摘要： 针对用膜生物反应器(MBR)处理污水中膜透水率难以测量的问题,提出了一种基于递归径向基神经网络(RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(PLS)筛选出和透水率相关的过程变量;其次,基于递归RBF神经网络建立透水率的软测量模型,利用快速梯度下降算法对神经网络模型的参数进行调整,保证了模型的精度;最后,将设计的透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现透水率的准确预测,具有较好的预测精度.

摘要： 针对传统多模型软测量方法在面对复杂、多变工况时缺少在线更新机制、更新时输出精度降低等问题,本文提出了一种基于即时学习算法(JIT)的多模型在线支持向量回归机(MOSVR)软测量方法.离线阶段首先采用模糊C均值聚类(FCM)对训练数据进行聚类,接着采用SVR建立初始模型集.在线部分以多模型输出作为主要输出,当出现新工况时,通过在线模型更新策略(OSMU)将输出模式切换为JIT,同时多模型集进行在线更新.这种算法不仅拥有多模型输出的快速性、精确性,而且在模型更新时通过JIT模式还能保证输出的连续性、稳定性、精确性.最后将该软测量方法进行了数值仿真并运用到乙烷浓度软测量的过程中,证明了该方法的有效性.

摘要： 针对污水处理过程出水氨氮(Ammonia Nitrogen,NH4-N)检测精度较低,平稳性和实时性差的问题,文中提出了一种基于区间二型模糊神经网络(Interval type-2fuzzy neural networks,IT2FNN)的软测量方法,建立了出水氨氮的软测量模型.首先,采集和预处理相关过程变量的实际运行数据,通过主元分析法筛选出与出水NH4-N相关性较强的过程变量.其次,利用IT2FNN建立所选变量与出水NH4-N的软测量模型,通过梯度下降算法对模型相关参数进行修正.最后,利用实际运行数据对基于IT2FNN出水氨氮软测量模型的有效性和优越性进行验证.实验结果表明,相对于传统的出水氨氮软测量模型,该模型不仅实现了出水氨氮的在线预测,还具有较高的预测精度.

摘要： 在建立复杂化工过程软测量模型时,使用传统的随机梯度Boosting算法(SGB)建模若收缩参数v选取不当会明显降低算法收敛速度,且极易陷入过拟合,难以取得令人满意的泛化效果.为解决这一问题,本文提出了一种基于SGB集成学习的软测量建模方法,采用高斯过程回归作为基学习器,并针对SGB算法固有的不足,依据每一次迭代中弱学习机的反馈,自适应调整收缩参数v,改善了SGB算法的过度拟合,从而提高了集成模型的估计精度与学习效率.将该方法应用于某双酚A装置的软测量建模中,仿真结果表明相比于传统SGB建模,该方法具有更高的泛化性能和学习效率.

摘要： 结合有机硅生产工艺要求,分析了流化床床层高度控制的重要性、控制特点和控制方案.具体研究了流化床床层高度检测方法、仪表及配套设施选用方案,本文引入了软测量技术概念,构建了软测量方法及数学模型,阐述了现场安装要点,克服了以往测量方法的缺点,此监控方案符合安全、健康、节能环保要求.

摘要： 通过浙能热工监督所提供的故障信息,对因热控系统故障导致机组非正常停机原因展开分析.针对这些局部设备异常所引起的机组跳闸的特点,研究冗余配置、容错控制、软测量技术、故障诊断、反向建模等现代化手段,为电厂热工容错机制提供新的思路.

摘要： 加药控制是污水自动化技术研究中最为关键、最难控制的环节.本文介绍加药环节常用的控制方法及最新的研究成果,并对将来的发展作了展望.从控制器算法、控制结构、参数的软测量三个方面进行了分析,系统介绍了当前加药技术的种种难点及解决方案.

摘要： 针对污水处理过程出水总磷软测量存在的特征选择问题,提出一种k近邻互信息估计和前向累加后向交叉策略相结合的特征选择方法.该方法首先将数据驱动型k近邻法扩展用于高维特征之间互信息的估计,然后采用前向累加策略给出全部特征最优排序,根据预设无关特征个数,剔除无关特征,再利用后向交叉策略找出并剔除冗余特征,最终得到最优强相关特征子集.以Friedman数据、Housing数据和实际污水处理出水总磷预测数据为例,采用多层感知器和基于互信息的修剪型多层感知器神经网络预测模型进行仿真实验,验证了所提方法的有效性.

摘要： 针对污水处理过程出水氨氮难以在线测量的问题,文中提出了一种基于递归RBF神经网络的软测量方法来预测氨氮.首先,提取与出水氨氮相关的主元变量,剔除主元变量的异常数据.其次,利用递归RBF神经网络建立主元变量与出水氨氮的蕴含关系,完成出水氨氮软测量模型的设计.最后,将提出的出水氨氮软测量方法应用于污水处理实际运行过程,结果表明,基于递归RBF神经网络的软测量方法能够实现出水氨氮的在线预测;同时,与其他方法的比较结果显示基于递归RBF神经网络的软测量方法具有较好的预测精度.

摘要： 一种软岩孔壁形变测量仪及软岩形变测量方法，属于岩土测量设备。该软岩孔壁形变测量仪包括驱动杆，驱动杆上套设有可沿其轴向移动的导向杆，导向杆的一端和中部分别设有固定装置和至少一个定位装置，驱动杆远离固定装置的一端设有测量装置，固定装置包括沿导向杆周向布置的至少两个可伸缩的伸缩杆；定位装置包括沿导向杆周向布置的至少两个弹簧片，每个弹簧片的一端与导向杆连接；测量装置包括一端与驱动杆铰接的测量杆和支撑杆，支撑杆的两端分别与导向杆和测量杆的中部铰接。该软岩孔壁形变测量仪结构简单，拆装、携带和使用方便，能够在软岩软化变形且孔壁局部塌孔的情况下准确测量其变形量。本发明还提供了一种软岩形变测量方法。

摘要： 本发明公开了一种软包电池产气量测量方法和软包电池产气量测量装置。所述软包电池产气量测量方法包括以下步骤：A)将配合在一起的第一物体和未产气的软包电池浸没到液体容器内的液体中，测量它们排开的液体的质量M1；和B)将配合在一起的第二物体和产气的软包电池浸没到该液体中，测量它们排开的液体的质量M2，液体的液面与液体容器的上沿间隔预设距离以便防止液体溢出液体容器，第一和第二物体排开的液体的质量为M3和M4，未产气的软包电池的体积V1＝(M1‑M3)/ρ，产气的软包电池的体积V2＝(M2‑M4)/ρ，软包电池的产气量V＝V2‑V1，ρ为液体的密度。该测量方法具有测量精度高、重复性好、稳定性好、操作简单、测量效率高、无需使用专业设备等优点。

摘要： 一种软岩孔壁形变测量仪及软岩形变测量方法，属于岩土测量设备。该软岩孔壁形变测量仪包括驱动杆，驱动杆上套设有可沿其轴向移动的导向杆，导向杆的一端和中部分别设有固定装置和至少一个定位装置，驱动杆远离固定装置的一端设有测量装置，固定装置包括沿导向杆周向布置的至少两个可伸缩的伸缩杆；定位装置包括沿导向杆周向布置的至少两个弹簧片，每个弹簧片的一端与导向杆连接；测量装置包括一端与驱动杆铰接的测量杆和支撑杆，支撑杆的两端分别与导向杆和测量杆的中部铰接。该软岩孔壁形变测量仪结构简单，拆装、携带和使用方便，能够在软岩软化变形且孔壁局部塌孔的情况下准确测量其变形量。本发明还提供了一种软岩形变测量方法。

摘要： 一种软岩孔壁形变测量仪及软岩形变测量系统，属于岩土测量设备。该软岩孔壁形变测量仪包括驱动杆，驱动杆上套设有可沿其轴向移动的导向杆，导向杆的一端和中部分别设有固定装置和至少一个定位装置，驱动杆远离固定装置的一端设有测量装置，固定装置包括沿导向杆周向布置的至少两个可伸缩的伸缩杆；定位装置包括沿导向杆周向布置的至少两个弹簧片，每个弹簧片的一端与导向杆连接；测量装置包括一端与驱动杆铰接的测量杆和支撑杆，支撑杆的两端分别与导向杆和测量杆的中部铰接。该软岩孔壁形变测量仪结构简单，拆装、携带和使用方便，能够在软岩软化变形且孔壁局部塌孔的情况下准确测量其变形量。本实用新型还提供了一种软岩形变测量系统。

摘要： 一种工业过程控制技术领域的基于半闭环的软测量仪表，包括用于测量辅助变量的智能仪表，存放数据的DCS数据库以及上位机，现场智能仪表与工业生产过程连接，上位机与DCS数据库及软测量显示仪连接，所述的上位机为软测量智能处理器，包括数据处理模块、测量模块、预估模块、补偿模块和存储模块；其中，数据处理模块对辅助变量和主导变量进行预处理，测量模块产生主导变量的初始测量值，预估模块预测下一时刻的辅助变量，而补偿模块利用预估模块的输出和实际辅助变量测量值的差对主导变量的初始测量值进行补偿。本发明实现了在线校正，有效地提高软测量的精度，具有数确定方便、使用范围广、软测量效果好、精度高的特点。

摘要： 一种基于微环境信息的旱地农田水势软测量方法及软测量网络，方法是选择确定农田水势软测量的辅助变量；按照辅助变量设置相应的传感器；对采集的数据进行数据处理，生成输入数据；构建农田水势软测量模型，采用由试验获得的样本数据对该软测量模型进行训练和检验；将预处理的数据送入农田水势软测量模型，得到农田水势估计值。软测量网络包括有多个子网络和精准灌溉决策中心，精准灌溉决策中心通过GSM/GPRS分别与多个子网络进行数据通信，所述的子网络是由一个农田水势软测量站和多个网络节点组成的。本发明可实现农田水势的连续自动监测，能够及时准确地反映旱地作物生长过程中的水分胁迫状态；实现了多种农田小气候参数的连续自动监测。

摘要： 一种基于仿生智能的工业软测量仪表，包括与工业过程对象连接的现场智能仪表、用于存放历史数据的数据存储装置及上位机，智能仪表、数据存储装置及上位机依次相连，所述的上位机为软测量智能处理器，所述的软测量智能处理器包括标准化处理模块、径向基函数神经网络建模模块、基于混沌遗传算法的模型参数优选模块、信号采集模块以及软测量模块。以及提出了一种软测量方法。本发明提供一种参数确定方便、适用范围广、软测量效果好、精度高的基于仿生智能的工业软测量系统及软测量方法。

摘要： 本发明公开了一种半监督动态软测量网络的软测量建模方法，具体按照以下步骤实施：对训练集数据基于CEEMD与Isomap方法进行去噪与去冗余处理；对训练集数据进行序列化与归一化处理；基于训练集数据完成半监督动态软测量网络的软测量模型建立。本发明建模方法使用CEEMD和Isomap相结合的方法去除数据的噪声和冗余，CEEMD具有完备性且其结果无明显模态混叠现象，Isomap具有很强的非线性特征变换能力，综合两者的优点从而对原始数据内部的噪声和冗余进行有效去除并最大程度的减少信息损失，且对数据进行序列化处理从而引入历史数据进行动态建模，相比于传统软测量方法，使用本发明模型对变量进行预测会更加准确。

摘要： 一种工业过程控制技术领域的基于半闭环的软测量仪表，包括用于测量辅助变量的智能仪表，存放数据的DCS数据库以及上位机，现场智能仪表与工业生产过程连接，上位机与DCS数据库及软测量显示仪连接，所述的上位机为软测量智能处理器，包括数据处理模块、测量模块、预估模块、补偿模块和存储模块；其中，数据处理模块对辅助变量和主导变量进行预处理，测量模块产生主导变量的初始测量值，预估模块预测下一时刻的辅助变量，而补偿模块利用预估模块的输出和实际辅助变量测量值的差对主导变量的初始测量值进行补偿。本发明实现了在线校正，有效地提高软测量的精度，具有数确定方便、使用范围广、软测量效果好、精度高的特点。

摘要： 一种基于微环境信息的旱地农田水势软测量方法及软测量网络，方法是选择确定农田水势软测量的辅助变量；按照辅助变量设置相应的传感器；对采集的数据进行数据处理，生成输入数据；构建农田水势软测量模型，采用由试验获得的样本数据对该软测量模型进行训练和检验；将预处理的数据送入农田水势软测量模型，得到农田水势估计值。软测量网络包括有多个子网络和精准灌溉决策中心，精准灌溉决策中心通过GSM/GPRS分别与多个子网络进行数据通信，所述的子网络是由一个农田水势软测量站和多个网络节点组成的。本发明可实现农田水势的连续自动监测，能够及时准确地反映旱地作物生长过程中的水分胁迫状态；实现了多种农田小气候参数的连续自动监测。