收藏本站
收藏 | 论文排版

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

于涛  
【摘要】: 软测量技术是解决复杂测量任务、实现难测变量在线估计的有效方法,生物量是发酵过程中的重要过程参数之一,生物量在线测量对发酵工程的优化和控制具有重要意义,是典型的复杂测量对象。微生物发酵过程具有非线性、时变性、高维数、非结构化等特点,并且缺乏对生物过程机理的先验知识和相对有限的实验测量数据,研究软测量技术的理论、推动软测量技术在生物工程中的应用具有广泛的工程应用前景,是亟待解决的重要研究课题。 传统软测量技术的主要内容之一是对象建模,目前的建模方法主要有基于机理分析的“白箱”模型,基于统计学习的“黑箱”模型,以及这两种模型的简单结合构成的“灰箱”模型。“白箱”模型在理论处理上进行了简化,适应性差,且很多未知微生物反应过程根本无法直接建模:“黑箱”模型没有有效地利用对象先验知识:而目前“灰箱”模型的结构存在很大的随意性,无法保证模型的有效性。本课题抓住这一前沿研究,从经验知识与经验数据的综合利用入手,对软测量模型的结构、模型构建方法以及软测量系统的关键技术进行深入研究。具有重要的理论意义和应用价值。 课题主要从软测量模型结构、软测量统计建模、软测量系统滤波三个方面进行深入的理论研究,并对软测量系统的实现技术进行仿真实验研究。 论文从广义信息论的角度对软测量技术进行了讨论,提出一种混合软测量模型结构。混合软测量模型能够充分地利用先验知识和实验数据的全部信息,构建出完整的软测量模型,并且该软测量模型具备与多种知识表达方式进行融合的能力。课题细致深入地讨论和研究了软测量模型的三个基本问题,首先是软测量模型的可实现性,即软测量模型存在唯一解的条件,以及知识利用的度量等一些相关的概念,体现出混合软测量模型在知识利用有效性上的优势;然后对模型不确定性的概念进行了讨论,研究了模型可靠性问题,得出测量精度与软测量模型可靠性之间的关系;最后讨论了软测量模型与传统软测量方法的关系,说明软测量模型是传统软测量方法的发展。 在统计建模方面,集中研究基于统计学习理论的支持向量机技术。从全新的思考角度建立了支持向量分类和支持向量回归的统一表达形式,并重点研究了数据中包含噪声干扰时的支持向量回归问题,提出了两种误差加权支持向量机,试验说明使用加权法考虑不同取值范围内的噪声分布情况,可以获得更好的回归结果。最后,针对模一支持向量机重新推导了多乘子优化算法,并针对模二支持向量机引入了一种改进的Gilbert几何算法,成功地将其用于支持向量回归问题。 在软测量系统的研究中,主要研究基于混合软测量模型的Kalman滤波器技术。论文重新考虑滤波器对模型的鲁棒性问题,研究了一类鲁棒Kalman滤波器,并证明强跟踪滤波器只是一种鲁棒Kalman滤波器的实现。进而提出一种全新的不敏变换鲁棒Kalman滤波器算法,采用不敏变换方法来处理期望和方差的非线性传播问题,并利用新息序列方差阵中所包含的大量模型摄动误差信息,通过补偿使得非线性系统的一步估计更加准确。最后,将该滤波算法应用于混合软测量模型,给出了完整的软测量系统,并将基于混合软测量模型构建的软测量系统应用于微生物发酵过程中生物量的测量,以Matlab形式实现了完整的软测量系统。 仿真实验表明:基于误差加权的支持向量机算法具有较好的回归结果;基于不敏变换的鲁棒Kalman滤波器具有更好的滤波性能,对初值和模型都具有很强的鲁棒性;在知识缺失和数据缺失的情况下,基于混合模型的软测量系统能够充分地利用先验知识和数据,能够得到更可靠的测量估计。 论文提出的软测量混合建模方法和所构建的软测量系统,能够充分地利用被测系统和被测变量的先验知识,充分地利用已有的实验数据,为实现微生物发酵过程中难测变量和参数的在线测量提供理论支撑,并为软测量系统的实用化提供了一种实现技术。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 ;一种四轮驱动电动汽车轮胎力软测量方法[J];橡胶科技;2022年01期
2 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
3 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
4 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
5 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
6 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
7 徐速;于立军;;基于支持向量机的软测量方法在火电厂节能监测中的应用[J];机电一体化;2015年03期
8 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
9 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
10 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
11 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
12 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
13 邓文亮;强宝民;;基于超声波及压力互相关动态流量软测量方法的探讨[J];液压气动与密封;2009年06期
14 陆辽琼,黄德先,金以慧;虚拟蒸馏装置及软测量方法研究[J];控制工程;2003年04期
15 查美生,仲朔平,李胜强,周惠忠;HTR-10一回路氦气流量的软测量方法[J];自动化仪表;2004年10期
16 陈起;周晓东;丁建学;贾瑛;田亮;;火电机组排烟氧量在线软测量方法应用分析[J];内蒙古电力技术;2014年06期
17 张昭昭;;污水处理过程出水水质多模型在线软测量方法[J];控制工程;2014年01期
18 孙玉坤;王其;嵇小辅;郭晶晶;;基于PSO-SVM的关键生物参数软测量方法研究[J];仪表技术与传感器;2012年03期
中国重要会议论文全文数据库 前20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 邓文锋;项自励;黄科科;;基于SARIMA和OCSVM混合模型的智能电网负荷重分配攻击检测[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
8 张展;赵英;陈骏君;刘淑梅;;基于CNN和RNN混合模型的入侵检测[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
9 闫盼盼;刘晓宇;徐继红;;我国女性孕早期至孕晚期抑郁的发展轨迹研究[A];第二十三届全国心理学学术会议摘要集(下)[C];2021年
10 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
11 纪琳;张振京;陈艳;;中频混合模型简化计算的数例研究[A];第25届全国振动与噪声高技术及应用会议论文选集[C];2012年
12 兰永红;吴敏;佘锦华;;基于二维混合模型的最优重复控制[A];第二十六届中国控制会议论文集[C];2007年
13 顾琰浩;吴晓东;李明军;;面向增程式混合动力车辆的发动机混合模型设计[A];2019中国汽车工程学会年会论文集(2)[C];2019年
14 刘尧;王华辉;李南伯;袁平;;基于混合模型的航空发动机磨损趋势预测[A];2018年军工装备技术专刊论文集[C];2018年
15 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
16 张隆辉;魏纳新;匡晓峰;范亚丽;;系泊系统主动式截断混合模型试验技术数值仿真[A];聚焦应用 支撑创新——船舶力学学术委员会测试技术学组2016年学术会议论文集[C];2016年
17 卫颖奇;彭进业;;一种基于混合模型的特征提取方法[A];第三届全国嵌入式技术和信息处理联合学术会议论文集[C];2009年
18 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
19 刘广;许斌;杨积东;;重载车架刚-弹混合模型研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年
20 吴霄翔;罗阳军;;基于概率-区间混合模型的结构尺寸-公差优化设计[A];中国计算力学大会2014暨第三届钱令希计算力学奖颁奖大会论文集[C];2014年
中国博士学位论文全文数据库 前20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 张雷;基于数据驱动的复杂工业过程软测量方法研究与应用[D];湖南大学;2019年
3 吴莹;基于不同类型数据下混合模型的贝叶斯分析[D];云南大学;2018年
4 凌晓亮;混合模型中的随机比较[D];兰州大学;2013年
5 武伟宁;水泥熟料烧结过程软测量方法研究[D];湖南大学;2020年
6 李炜;多种混合模型下的盲信号分离方法研究[D];江南大学;2014年
7 聂伟;不同混合模型下非平稳信号的分离与提取[D];哈尔滨工程大学;2017年
8 彭伟才;基于混合模型的中频振动声学分析[D];华中科技大学;2010年
9 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
10 熊太松;基于统计混合模型的图像分割方法研究[D];电子科技大学;2013年
11 兰永红;基于二维模型的重复控制系统分析与设计[D];中南大学;2010年
12 邵光普;基于混合模型和空间信息的图像分割研究[D];华中科技大学;2019年
13 吴小霞;多重检验中FDR方法及其参数估计问题的研究[D];武汉大学;2010年
14 陈思宝;基于t-混合模型和扩展保局投影的聚类与降维方法研究[D];安徽大学;2006年
15 杨萌;基于Taxonomy-folkonomy混合模型的社会化标注系统资源聚合研究[D];吉林大学;2014年
16 王洪武;基于非线性理论的古诺—伯川德混合模型研究及应用[D];天津大学;2013年
17 沈承;城市供水管网节点混合模型研究[D];浙江大学;2012年
18 彭诗力;大规模混合数据分类的核方法研究[D];天津大学;2017年
19 肖雅静;基于支持向量机的滚动轴承故障诊断与预测方法研究[D];中国矿业大学(北京);2019年
20 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
中国硕士学位论文全文数据库 前20条
1 王骏鹏;基于氧化锆传感器残氧检测系统的研究[D];辽宁科技大学;2019年
2 袁洪;燃煤机组NO_x生成量动态软测量的研究[D];华北电力大学;2019年
3 丁续达;燃煤机组SCR系统入口氮氧化物含量软测量方法研究[D];华北电力大学;2019年
4 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
5 张姗;基于DBN的软测量方法研究[D];中国石油大学(华东);2016年
6 伊金静;基于深度学习的工业过程软测量[D];浙江大学;2019年
7 郭旭琦;基于极限学习机的域适应算法研究及其软测量应用[D];太原理工大学;2019年
8 张然然;A电厂SO_2排放软测量研究[D];齐鲁工业大学;2019年
9 李昆;柴油95点软测量建模方法研究[D];北京化工大学;2017年
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 杜润龙;发酵过程生物量软测量方法研究[D];江南大学;2007年
18 杨铭;基于多模型的高斯过程回归软测量方法研究[D];江苏大学;2015年
19 连鹏隆;基于深度学习的复杂工业过程软测量方法研究[D];西安理工大学;2020年
20 阮宏镁;带时延变量选择的动态软测量方法研究[D];中国石油大学(华东);2015年
中国重要报纸全文数据库 前3条
1 记者 温才妃;百万级生物样本库混合模型分析有了新工具[N];中国科学报;2021年
2 ;变化中的分支机构[N];网络世界;2007年
3 屈刚;分布式建模状态估计技术达到国际领先水平[N];华东电力报;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978