软测量模型

摘要： 为了降低废水重金属离子浓度测量误差,结合现有的研究理论,提出化学废水中重金属离子浓度软测量方法。采用电导率计和密度计组成可用于废水检测现场的检测装置,利用安装金属铁板的电解槽对化学废水进行电化学检测;通过电解液溶解氧化铁离子,生成吸附重金属离子的氢氧化铁,定量描述氢氧化铁絮体吸附能力,建立重金属离子浓度软测量模型;根据装置检测到的废水电导率、密度、温度,计算软测量模型待辨识的变量参数,确定离子浓度软测量值。将某化学废水处理厂作为研究对象,采集不同类型废水水样,把检测装置安装在废水排放出口,现场检测废水中的钴离子、铅离子、钨离子浓度。结果表明,3类重金属离子浓度软测量值和实际值的相对误差都小于14%,软测量精度较高。

摘要： 软测量技术是解决精矿品位在线监测的一种有效技术手段。针对浮选生产过程大滞后、非线性、强耦合、难于建立机理模型的特点,采用XGBoost算法建立精矿品位软测量模型。利用蒙特卡洛异常数据诊断方法剔除建模样本中的异常数据,采用主成分分析方法对建模数据进行降维处理,化简模型结构,通过HQPSO算法对XGBoost模型的超参数进行优化,提高模型性能。仿真结果表明,精矿品位的预测误差在±2.5%之间,且预测结果能够正确反映精矿品位的变化趋势。

摘要： 集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性.

摘要： 污水处理过程中,由于工艺过程的复杂性、监测设备的不完备性和工作环境的恶劣性,导致重要的出水指标变量难以实现精准的监测;为此,文中提出了一种基于协同训练的集成自适应多输出软测量模型.首先,利用高斯过程回归(GPR)和相关向量机(RVM)两种不同类别的方法建立一个异构的软测量模型;然后,利用移动窗口(MW)和卡尔曼滤波(KF)同步对模型的结构和参数进行实时优化;最后,以一污水厂为对象进行实验,对模型的预测性能和自适应性进行验证.结果 表明,文中提出的方法有效地提高了软测量模型的预测性能和自适应性.

摘要： 电力能源生产过程中,空冷凝汽器的应用对传统水冷资源损耗大问题的解决作出重大贡献.但空冷凝汽器翅片间密、冗繁复杂,表面极易积灰,致使传热热阻增加、效率降低,抬高电站汽轮机排汽压力,进一步导致电站安全性下降、发电煤耗增加.因此,建立精确的管外积灰厚度软测量方法,对减少积灰的负面影响具有重大的工程实际意义.本文对现场直接空冷系统积灰换热过程进行建模,建立积灰状态下现场空冷电站传热系数及汽轮机排汽压力的运算模型.模拟并采集空冷凝汽器现场运行状态下的实时风速、温度、流量、压降等关键系统参数,并以支持向量机学习算法建立不同风速条件下(数据样本作为输入、传热系数为输出)传热系数预测模型.以预测传热系数代入积灰厚度软测量模型得出的积灰厚度变化规律可知,随风速增加,积灰沉积呈增长趋势,且积灰速率随着积灰厚度增加而逐渐降低,厚度达0.9 mm后沉积速率急剧下降.

摘要： 本文首先采用灰色关联的方法,分析了某火电厂350MW机组的主要运行参数与飞灰含碳量的相关性。在此基础上,采集了机组运行数据,并使用长短期记忆神经网络(LSTM)建立了飞灰软测量模型。

摘要： 水泥熟料游离钙(fCaO)含量对水泥质量和生产能耗有着重要影响,现阶段主要通过化学分析的方法离线测得水泥熟料fCaO含量,但是该方法对于烧成系统操作指导具有明显的滞后性.针对熟料fCaO无法在线实时监测的问题,提出基于多变量时间序列单维卷积神经网络(TS-CNN)熟料fCaO软测量建模方法.该方法利用影响熟料fCaO的多个过程变量历史时间段的时间序列作为输入,结合水泥数据特性,采用单维卷积池化的方式提取各过程变量特征,同时降低网络的复杂度,最后经全连接层整合提取的局部信息.通过实验对比,结果表明基于TS-CNN的软测量方法预测精度更高、泛化能力更强.

摘要： 含天然气水合物饱和度的计算是储层优选和资源量评估的关键参数,针对目前数据解释模型计算精度低以及模型输入参数少等问题,提出了一种基于电阻抗特性参数和集成神经网络的软测量模型建立方法;在对电阻抗谱数据进行预处理、特征参数提取以及选择的基础上形成了样本集,针对4对传感器分别设计了BP神经网络,采用平均法作为集成策略将4个BP网络作为子网络进行集成得到集成网络模型;模型测试结果表明:通过集成网络模型计算得到的含水合物饱和度值平均相对误差3.33％、平均绝对误差0.001 4、均方根误差为6.56％,三项误差指标均低于各个子网络的计算误差;在宽频范围内对含水合物沉积物进行电阻抗谱测试能够获得沉积物的频率响应特性以及特性描述参数,可为神经网络模型提供大量的输人参数;利用集成神经网络能够综合应用位于不同测量方位的多个传感器的测量数据,通过采用适合的集成策略能够克服水合物空间分布不均匀对饱和度计算准确度的不利影响.

摘要： 水泥生料在分解炉内分解过程的质量指标是生料分解率(Raw meal decomposition ratio,RMDR),由于生料边界条件频繁变化且人工离线检测周期为2小时,致使产品质量指标合格率低且极易造成预热器C5下料管堵塞.为了解决上述问题,本文提出了基于数据与模型驱动的水泥生料分解率软测量模型,由基于Kullback-Leibler (KL)散度密度比的异常值检测、基于机理模型的生料分解率模型、基于层级Sigmoid (S)核函数的生料分解率模型、生料分解率离线检测模型和基于模糊模型的协调因子组成.实际应用结果表明,所提出的模型能够根据当前工况的变化选择正确的子模型,并且使生产远离故障工况.

摘要： 以转炉钢渣作为固化稳定化药剂,采用Toxicity Characteristic Leaching Procedure(TCLP)方法与傅里叶红外光谱跟踪检测钢渣微粉对重金属土壤修复效果,以及混合物(钢渣微粉与重金属污染土壤)的微观结构.运用高斯过程回归,建立基于高斯过程回归的钢渣微粉对重金属污染土壤修复效果软测量模型.结果表明,钢渣微粉对重金属污染土壤具有较好的修复效果,180d内其修复效果均保持在90％以上;修复过程分为前期、中期与后期,其中前期(1～3d)环境碱性较高,修复方式以离子交换为主,中期(7～42d)离子交换作用减弱和凝胶固化作用增强,后期(56～180d)形成大量C-S-H凝胶,凝胶固化作用进一步增强;基于高斯过程回归的钢渣微粉对重金属污染土壤修复效果软测量模型的真实值与预测值数据吻合较好,绝对误差为-1.35～-0.48,相对误差为-1.448％～-0.497％.

摘要： 本文针对Spheripol-Ⅱ代聚丙烯生产工艺对丙烯气相聚合质量指标软测量模型进行深入研究.初步建立熔融指数、乙烯质量分率、悬臂梁冲击强度的瞬时性质软测量机理模型,再根据质量指标瞬时性质与累积性能间递推关系建立累积性能质量指标机理模型,利用粒子群优化算法求解预测模型辨识目标函数得到模型参数.研究成果填补了国内该类装置质量指标在线实时预测研究的空白,已成功应用于兰州石化公司聚丙烯装置气相聚合单元.

摘要： 针对燃煤锅炉的灰渣含碳量在运行时无法直接测量,即便离线采用化学方法或物理方法,也存在着大滞后、周期长,难以改进和调整生产过程.以SLR-ANFIS方法建立燃煤锅炉灰渣含碳量的软测量模型,根据现场数据分析与机理分析相结合,通过调整辅助变量的个数和隶属度函数,即可提高模型运行速度,又可较好实现宽范围的非线性预测,并以现场实测值检验了模型的精确度,可达到平均误差率5.2％的准确性.对改善锅炉运行有积极的指导意义.

摘要： 利用数据处理方法结合工艺计算,在DCS系统上计算催化裂化油浆系统各换热器热阻,并直接显示于DCS操作画面上.将油浆的性质和换热器运行状态量化,从而使工艺操作人员在实际生产过程中直观地了解,并据此调整相应的操作参数以缓解油浆的结焦趋势,保证油浆系统的正常运行.

摘要： 提出了一种用于复杂工业过程的异常点检测与软测量建模相结合的方法，即TSSSM-DBSCAN算法。该算法将时间序列软测量建模与DBSCAN聚类算法相结合，用建模训练误差和测试误差指导DBSCAN聚类算法中参数的选择。试验表明，该方法能较好地解决传统DBSCAN算法需要人工输入参数的问题，实现了聚类的自动运行，并且提高了算法的准确率。此外，用软测量建模误差检验方法异常点检测的有效性，克服了单纯基于数据的异常点检测方法的不足，同时还完成了软测量建模。使用此方法对上海宝钢集团电力负荷建模数据进行异常点检测，结果表明这种方法可以有效地找出数据集中的异常点，同时建立精准的软测量模型。

摘要： 实现不易测量生物参量的在线估计是对发酵过程进行优化控制的关键.针对发酵过程中构建全局单一软测量模型适应性差的问题,提出了一种基于MPCA-GP的分阶段软测量建模方法.该方法对发酵过程的批次数据进行多向主元分析,以第一主元贡献率的变化趋势为指标实现阶段划分;通过判定测试样本.统计量的最大后验概率,实现阶段识别;利用各个阶段的训练样本集分别建立基于高斯过程的分阶段软测量模型并实现测试样本的模型预估.实验结果表明所提方法具有较好的预测精度.

摘要： 采用模糊C均值聚类算法（FCM）与支持向量机（SVM）相结合的多模型建模方法较单一支持向量机软测量模型而言，可以有效解决复杂工业对象的强非线性和大工况范围的问题。但是传统的模糊C均值聚类算法必须依赖先验知识预先确定聚类个数。本文通过建立样本间的相似矩阵，利用模糊聚类最大矩阵元法确定FCM最佳聚类个数，再由FCM对训练样本数据进行聚类并用SVM构建组合软测量模型，得到多模型软测量系统。在对双酚A结晶单元工艺分析的基础上，将该方法应用于结晶单元苯酚含量的软测量建模，仿真结果证明该建模方法提高了模型的估计精度，具有更好的可行性和有效性，能够满足工业生产的要求。

摘要： 针对污水处理中某些生物参数难以在线测量的情况，本文提出了一种基于小波核的多尺度最小二乘小波支持向量机软测量建模方法。首先，选取墨西哥草帽小波函数作为最小二乘支持向量机的核函数，进而设计出多尺度小波最小二乘支持向量回归机（MW-LSSVR）。然后利用该支持向量机和出水水质参数特性建立混合软测量模型，实现对出水BOD浓度、COD浓度在线预测。通过在实际污水处理过程的应用，结果表明本建模方法具有较高的预测精度和较快的模型学习速度，能对BOD的做出准确的预测，一定程度上可以替代某些昂贵的在线测量仪表，给污水处理厂工作人员提供了控制操作依据，具有一定的实际应用价值。

摘要： 催化裂化装置生产过程中的原料性质、平衡剂性质和操作条件等参数与产品收率存在密切的关系,本文利用多种软测量建模方法分别建立相关参数与产品收率之间的数学模型,对比结果显示最小二乘支持向量机(LSSVM)算法较好地解决了小样本、非线性、高维数等问题,可以很好地预测产品收率,将其应用到实际的生产中,能够为企业制定生产方案提供科学依据,从而提高装置效率和经济效益.

摘要： 催化裂化装置生产过程中的原料性质、平衡剂性质和操作条件等参数与产品收率存在密切的关系,本文利用多种软测量建模方法分别建立相关参数与产品收率之间的数学模型,对比结果显示最小二乘支持向量机(LSSVM)算法较好地解决了小样本、非线性、高维数等问题,可以很好地预测产品收率,将其应用到实际的生产中,能够为企业制定生产方案提供科学依据,从而提高装置效率和经济效益.

摘要： 本发明公开了一种新型无模型贝叶斯分类预测模型软测量方法，首先通过曲线拟合方法有效地实现对气相色谱图数据的降维和降噪，进而提取气相色谱图数据的特征值，从而缩短分类模型的训练时间而且能够获得更好的泛化能力。本发明使用新型无模型贝叶斯分类算法建立识别模型，这样可以有效避免由于训练样本不满足条件独立性而造成的模型泛化性能下降问题。本发明提供的新型无模型贝叶斯分类预测模型软测量方法通过气相色谱图的测量客观展现了不同条件下油气储层的水淹程度，指明了各油气储层的水淹程度与开采价值，有助于石油钻探公司进一步提高开采效率和降低成本。因此，本发明提供的技术方案具有有效性和适用性。

摘要： 本发明提供基于分层多项式模型的飞灰含碳量软测量方法及监测系统，软测量方法包括：步骤1.获取与锅炉总体和每层燃烧器有关的多个工况测点历史实测参数值；分别计算每个相对工况测点对基准工况测点的变动时间；步骤2.将历史数据中各时刻的基准工况测点参数值与扣除相应变动时间后相应时刻的各个相对工况测点关联，得到各组工况测点参数；步骤3.以样本含氧量值作为分割点，把分组关联后的历史数据进一步划分为高含氧量样本和低含氧量样本；步骤4.采用适于复杂电厂的分层多项式模型作为预测模型，得到分别对应于低含氧量和高含氧量样本的两个反映飞灰含碳量与特征工况测点参数具体映射关系的飞灰含碳量计算公式；步骤5.飞灰含碳量计算。

摘要： 本发明公开了一种基于时间滞后XGBOOST模型的熟料游离钙含量软测量方法，该方法包括获取水泥生产流程对应生产参数的生产数据和化验室针对水泥样本的质量数据；将生产数据和质量数据确认为输入数据，将游离氧化钙含量确认为输出数据，并对输入数据与输出数据进行数据清洗；分别计算各输入数据与输出数据的皮尔逊相关性；基于输入数据在水泥生产流程中的生产时间节点确定各输入数据的时间提前量，将各输入数据与输出数据进行时间滞后对齐；确定均方差最小的目标XGBOOST模型；当接收到新的生产数据时，将生产数据输入至回归模型，得到游离氧化钙含量预测值。本发明实现了在复杂时变问题上具有更好的预测能力和更低的预测误差，能够更加准确的捕捉时变特性。

摘要： 一种基于BP‑LSTM模型的解脂耶氏酵母发酵软测量方法，步骤包括：1)辅助变量选取，以及数据采样和预处理；2)基于BP‑LSTM模型的软测量；步骤1)中，选取转速和加碱流量作为辅助变量，选用葡萄糖浓度作为关键变量，并进行预处理；步骤2)包括：2.1)将预处理后的辅助变量输入BP网络进行葡萄糖浓度的实时软测量；2.2)利用LSTM网络预测葡萄糖浓度，实现对葡萄糖补料的实时软监测。实验结果表明，本方法的测量效果最好，能更有效地促进解脂耶氏酵母发酵工艺的快速发展。

摘要： 本发明公开了一种多模型神经网络的生物发酵过程软测量建模方法及软仪表，先通过数据预处理模块用归一化和主元分析方法对输入的变量数据进行预处理，然后通过数据预处理模块对预处理后的主元变量集作聚类划分，再用BP神经网络模型模块对不同的类分别建立子神经网络，最后建立多模型神经网络软测量模型，通过多模型神经网络软测量模型在线测试发酵过程中的生物量浓度，将测量的数值通过生物量浓度软测量值显示仪显示，本发明引入基于粒子群算法的核模糊C均值聚类算法结合多模型神经网络建模方法，所建模型简单，实现了生物量浓度的在线测量，控制及时、测量精度高且抗干扰能力强。

摘要： 本发明公开了一种多模型神经网络的生物发酵过程软测量建模方法及软仪表，先通过数据预处理模块用归一化和主元分析方法对输入的变量数据进行预处理，然后通过数据预处理模块对预处理后的主元变量集作聚类划分，再用BP神经网络模型模块对不同的类分别建立子神经网络，最后建立多模型神经网络软测量模型，通过多模型神经网络软测量模型在线测试发酵过程中的生物量浓度，将测量的数值通过生物量浓度软测量值显示仪显示，本发明引入基于粒子群算法的核模糊C均值聚类算法结合多模型神经网络建模方法，所建模型简单，实现了生物量浓度的在线测量，控制及时、测量精度高且抗干扰能力强。

摘要： 本发明公开了一种基于半监督神经网络模型的软测量建模方法，该模型分为三层，第一层为输入层，第二层为隐藏层，第三层为输出层，输出层分为自编码器输出层和神经网络模型输出层，自编码器和神经网络模型共用输入层和隐藏层，该建模方法是由自编码器和神经网络组成，可以有效的解决有标签样本少、无标签样本多导致的软测量建模不准确的问题，从而建立更加准确的半监督软测量模型，实现过程的监测和相应的控制。

摘要： 本发明公开一种基于局部双加权概率隐变量回归模型的多工况过程自适应软测量建模方法，首先基于变分贝叶斯高斯混合模型拟合多工况过程，利用多个高斯组分模拟多工况数据的分布，并计算训练样本归属于各高斯组分的后验概率，实现对训练数据集的多工况软划分；进而针对待预测样本构建各组分下的局部双加权概率隐变量回归模型，并计算待预测样本归属于各组分的后验概率，以融合各局部加权模型的输出预测，形成最终的软测量预测结果。本发明能够获得更准确的输出预测结果，极大地提升工业软测量模型的预报性能，同时自适应多工况过程，可更精准反映工业生产状况。

摘要： 本发明公开了一种基于半监督贝叶斯正则化混合Student’s t模型的鲁棒软测量方法，属于工业过程预测和控制技术领域。该方法在有监督混合Student’s t模型的基础上，设计了半监督的混合Student’s t模型结构，并将质量变量和辅助变量之间的回归系数贝叶斯化，通过变分贝叶斯期望最大化算法来更新模型参数，进而实现软测量模型的建立。本发明不仅能够有效的解决有标签样本稀少导致的软测量建模不准的问题，还能够在一定程度上缓解了过拟合，提高了模型的预测精度。

摘要： 本发明公开一种基于SFA‑GRNN串联模型的脱丁烷塔丁烷浓度软测量方法，本发明方法建立脱丁烷塔底部产品中丁烷浓度的软测量模型时，首先使用SFA算法将原输入变量对应的数据转换成具代表性的输入特征，在降维的同时也剔除了诸多噪声信息的干扰影响；其次，本发明方法将降维后的输入特征当成GRNN模型的输入，使得SFA与GRNN之间是串联连接关系，并在此基础上计算得到丁烷浓度的软测量值。在具体的实施案例中，通过实验结果的对比验证了本发明方法在软测量脱丁烷塔底部产品丁烷浓度时的有效性与准确性。