收藏本站
《浙江工业大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

多模型融合建模方法及其化工软测量应用研究

张洪德  
【摘要】:软测量技术是解决过程工业重要质量指标无法在线检测的有效途径,其中建立具有良好预测性能的软测量模型是其核心研究内容之一。由于实际工业过程普具有工况复杂、强非线性、强耦合和时变性等特点,基于单模型方法所建立的软测量模型通常无法保证全局范围内的预测精度,且模型稳定性较差。多模型融合建模方法通过更全面地描述对象的过程特性,可以显著提升软测量模型的预测精度和稳定性。本文提出了两种多模型融合建模方法,并将其应用于聚丙烯生产过程熔融指数软测量。具体工作内容如下:(1)通过查阅大量国内外相关文献,综述了软测量技术和多模型融合建模方法的基本思想、主要内容和实施步骤。将多模型融合建模方法分为聚类分析、集成学习和混合建模三类,并对各类方法的研究现状和优缺点进行了详细评述;(2)提出了一种基于聚类分析与蜂群优化的多核相关向量机建模方法。首先采用模糊C均值聚类算法将训练样本划分为多个子类,然后通过训练各子类样本建立多核相关向量机子模型,其中采用人工蜂群算法优化核函数参数和组合权重因子,最后计算测试样本与各聚类中心的隶属度值,并作为各子模型输出值的加权系数,通过多模型融合得到模型预测输出;(3)提出了一种选择性集成极限学习机建模方法。首先将原始样本集划分为训练样本集、评估样本集和测试样本集,采用Bagging集成算法对训练样本集进行随机重复采样,建立多个训练样本子集,训练各样本子集建立极限学习机子模型;利用评估样本集评估各极限学习机子模型,采用聚类选择法筛选得到用于集成的子模型;最后采用熵权法计算各子模型的权值系数,通过多模型融合得到模型预测输出;(4)将所提出的两种多模型融合软建模方法应用于聚丙烯生产过程熔融指数软测量。研究结果表明:基于聚类分析与蜂群优化的多核相关向量机的聚丙烯熔融指数软测量模型具有较好的预测精度,可以为复杂多工况化工过程的产品质量指标在线预测提供指导作用。与单一模型、全集成模型和平均加权模型相比,基于选择性集成极限学习机的聚丙烯熔融指数软测量模型具有更高的预测精度,且克服了传统集成学习方法存在的训练和预测时间较长的问题,在一定程度上改善了模型性能。本文开展了多模型融合建模方法及其化工软测量应用研究工作,提出了两种多模型融合建模方法并将其应用于聚丙烯工业过程熔融指数软测量中,应用取得了良好的效果。研究工作对多模型融合软测量建模方法的进一步研究具有一定的借鉴与指导意义;为聚丙烯生产过程质量指标在线预测以及其他化工生产过程的建模、控制和优化等应用研究提供了重要参考;有助于提高过程工业的生产操作水平,以达到生产高效、低耗的要求,进而提升企业的市场竞争力。
【学位授予单位】:浙江工业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TQ325.14

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 秦翠翠;贾立;;基于概率密度函数的软测量方法及其在烟气含氧量中的应用[J];江南大学学报(自然科学版);2013年05期
2 赵永磊;郑德忠;;一种基于直接广义预测的烟气含氧量软测量方法研究[J];传感技术学报;2009年08期
3 任玲;黄凤良;;温度传感器动态性能改进的软测量方法[J];自动化仪表;2007年04期
4 杨晨頔;刘鑫屏;;一种风量的软测量方法研究[J];南方能源建设;2018年01期
5 郭一;陈彦桥;刘金琨;;基于机理模型的改进氧量软测量方法及软件实现[J];电子测量与仪器学报;2011年03期
6 孔锐;颜文旭;张姗姗;;有源电力滤波器的几种谐波软测量方法[J];化工自动化及仪表;2014年09期
7 李庆华;;1种基于遗失数据重构的软测量方法[J];计算机与应用化学;2011年05期
8 王微微,冀海峰,黄志尧,李海青,金春辉,鲍立曾;中药质量预测的软测量方法研究[J];仪器仪表学报;2004年S2期
9 胡贤磊;赵忠;矫志杰;邱红雷;何纯玉;刘相华;;中厚板厚度的在线软测量方法[J];钢铁研究学报;2006年07期
10 李大鹏,杨治东,赵岩松;船用电力系统汇流条接触电阻的软测量方法[J];计算机测量与控制;2005年08期
中国重要会议论文全文数据库 前10条
1 王微微;冀海峰;黄志尧;李海青;金春辉;鲍立曾;;中药质量预测的软测量方法研究[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
2 赵忠盖;刘飞;;一种基于因子回归模型的软测量方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年
3 毕维准;;粘度在线软测量方法的应用[A];2007年中国智能自动化会议论文集[C];2007年
4 张自成;费敏锐;;基于人工神经网络的中速磨存煤量软测量方法[A];第七届工业仪表与自动化学术会议论文集[C];2006年
5 许晨光;邵健青;杨平;应启戛;;基于工艺机理分析的电厂锅炉汽包水位软测量方法初探[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年
6 周刚;叶伟城;;基于神经网络的核动力蒸汽发生器水位软测量方法[A];2007年中国智能自动化会议论文集[C];2007年
7 郑德忠;赵永磊;;基于新型广义预测算法的板厚软测量方法的研究[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅲ)[C];2008年
8 丁煜函;戴先中;;红霉素发酵生化参量的神经网络逆系统软测量方法[A];第12届全国电气自动化与电控系统学术年会论文集[C];2004年
9 常青;杨捷;裴洪卿;;基于RBF神经网络的丙烯腈收率软测量方法[A];第十七届全国过路控制会议论文集[C];2006年
10 张利;孙德敏;张培仁;王永;杨兵;;设施农业中的磷酸根浓度软测量研究[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
中国博士学位论文全文数据库 前6条
1 于涛;基于混合模型的软测量方法研究及其在发酵过程中的应用[D];北京化工大学;2006年
2 王魏;氧化铝生产过程铝酸钠溶液组分浓度软测量方法的研究[D];东北大学;2011年
3 丛秋梅;活性污泥污水处理过程水质软测量方法的研究[D];东北大学;2011年
4 李占培;建筑空间冷负荷实时软测量无监督建模方法研究[D];上海大学;2017年
5 杨强大;诺西肽发酵过程生化参数软测量方法的研究[D];东北大学;2009年
6 史云;环境水体石油类污染现场检测技术研究[D];河北农业大学;2009年
中国硕士学位论文全文数据库 前10条
1 张洪德;多模型融合建模方法及其化工软测量应用研究[D];浙江工业大学;2018年
2 张姗;基于DBN的软测量方法研究[D];中国石油大学(华东);2016年
3 李昆;柴油95点软测量建模方法研究[D];北京化工大学;2017年
4 刘东阳;基于混沌RBF神经网络和PSO-SVM的汽油机点火提前角组合软测量研究[D];长沙理工大学;2018年
5 陆建丽;基于模型集群分析的软测量建模方法研究[D];浙江大学;2018年
6 李思思;基于迁移学习的球磨机多工况负荷参数软测量研究与应用[D];太原理工大学;2018年
7 任锦;基于改进最小二乘支持向量机的锅炉烟气氧含量软测量研究[D];陕西科技大学;2018年
8 花义峰;基于数据驱动的灰渣含碳量软测量方法研究[D];大连海事大学;2017年
9 李冰岩;水泥熟料回转窑燃烧效率软测量研究[D];长春工业大学;2017年
10 高伟;基于连续型深度信念网络的水泥熟料游离钙含量软测量研究[D];燕山大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026