导读:本文包含了软测量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:测量,算法,神经网络,向量,高斯,多核,负荷。
软测量论文文献综述
乔源,王建峰,杨永存,赵文杰[1]（2019）在《基于神经网络的飞灰含碳量软测量模型及实现》一文中研究指出飞灰含碳量的准确测量是提高锅炉燃烧效率的基础,针对目前飞灰含碳量测量装置速度、精度不理想的情况,提出了基于互信息变量选取的神经网络飞灰含碳量预测模型,并通过PLC和上位机组合的方式对神经网络进行在线监控。首先,介绍了锅炉燃烧机理,针对影响飞灰含碳量的因素进行分析,对机理分析得到的影响因素通过互信息进行选取,得到飞灰含碳量软测量模型建立所需要的辅助变量;然后针对选取得到的辅助变量进行数据预处理,包含数据去重、数据滤波、去异常值等,以处理之后的数据为输入建立神经网络模型;最后,通过PLC的SCL语言对建立的神经网络模型进行编程实现,并通过上位机组态软件WinCC进行飞灰含碳量进行在线监控。结果表明本文所建立的动态模型相较于传统的飞灰含碳量静态神经网络模型具有更高的实用性和准确性,可对现场采集的数据进行实时计算得到飞灰含碳量值并进行校正; PLC测量装置有着良好的预测精度与较高的预测速度,能够用于现场飞灰含碳量测量。(本文来源于《电力科学与工程》期刊2019年11期）
贺敏,支恩玮,程兰,阎高伟[2]（2019）在《基于多工况迁移学习的磨机负荷参数软测量》一文中研究指出湿式球磨机运行过程中需要对多个负荷参数进行监测,然而运行工况改变会导致实时数据和建模数据的同分布假设不再成立。针对传统软测量方法不能考虑负荷参数之间的关联性,以及多工况情况下建模数据和实时数据概率分布变化引起的模型性能恶化问题,有针对性的引入迁移学习策略与多任务学习机制,建立一种基于多工况迁移学习的湿式球磨机负荷参数软测量模型。首先采用联合分布适配在降维过程中共同适配不同工况的边缘和条件分布,然后利用多任务最小二乘支持向量机方法对磨机负荷参数进行回归预测。实验结果表明,该软测量方法显着优于现有的方法,适用于多工况情况下的软测量建模。(本文来源于《控制工程》期刊2019年11期）
李康,王魏,林少涵[3]（2019）在《基于GA-SVR的海水养殖过程软测量建模》一文中研究指出针对集约化海水养殖过程中水体氨氮浓度测量存在投资大、精度低、难以在线检测等问题,提出一种基于遗传算法和支持向量回归相结合(GA-SVR)的氨氮浓度软测量方法。该方法在对水产养殖水质影响因素分析的基础上,首先选取养殖水体中的水温、溶氧量、p H和电导率作为辅助变量,然后利用遗传算法对支持向量机模型中的惩罚参数C和核函数参数g进行寻优,最后采用SVR实现对水体氨氮浓度的预测。将其预测效果与BP、RBF神经网络以及基于网格搜索法的SVR模型进行对比,实验结果表明:基于GA-SVR的软测量方法更利于实现氨氮浓度的精确预测,有助于对海水养殖过程优化控制提供及时指导。(本文来源于《控制工程》期刊2019年11期）
苏勇,张勇,巫学前[4]（2019）在《基于JITL的电量预测高斯软测量建模研究》一文中研究指出为了解决工业过程受本身结构特征、外界因素等影响而存在严重的非线性和时变性等问题,本文提出了一种基于输入输出综合性相似度指标的即时学习高斯过程软测量建模方法。在该方法中,将样本数据进行归一化处理,首先利用传统的基于距离和角度的相似度指标分别对样本输入输出变量进行相似度计算,进而对相似度进行综合,最后选择出最终的相关样本集,建立高斯过程回归软测量模型,将所提基于输入输出相似度指标的即时学习高斯工程软测量模型应用于城市日用电量数据的预测。研究结果表明,所提出的软测量建模方法可以实现对日用电量数据的高精度预测且预测结果具有较小的误差。因此可表明该方法可在电量预测中具有一定的应用可靠性,可以在电力市场预测分析中得到广泛的应用。(本文来源于《电力大数据》期刊2019年10期）
张洪德,夏陆岳,刘勇,潘海天[5]（2019）在《FCM-ABC-MKRVM多模型融合软测量建模》一文中研究指出许多化工过程具有强非线性、机理复杂和多工况等特点,针对传统软测量模型无法全面描述过程特性而导致模型预测精度较低的问题,提出一种FCM-ABC-MKRVM多模型融合软测量建模方法。首先采用模糊C均值聚类算法(FCM)将训练样本划分为多个子类,并确定各子类的聚类中心;然后通过训练各子类样本建立多核相关向量机(MKRVM)子模型,其中采用人工蜂群算法(ABC)优化核函数参数和组合权重因子;在模型预测阶段,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最终的模型预测输出。将该建模方法应用于聚丙烯熔融指数软测量研究中,仿真结果表明:与MKRVM模型和ABC-MKRVM模型相比,基于FCM-ABC-MKRVM多模型融合的熔融指数软测量模型具有更佳的预测精度,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。(本文来源于《控制工程》期刊2019年10期）
徐海霞[6]（2019）在《基于仿射传播聚类的多模型软测量建模研究》一文中研究指出发酵过程数据量庞大,基于该数据建立的单一化软测量模型存在计算负担沉重,计算精度不良等问题。为有效解决以上问题,结合仿射传播聚类算法和神经网络提出一种改进的多模型软测量建模方法。采用仿射传播聚类算法能较为准确地确定系统的划分数目,有效地解决了传统聚类算法中聚类数目需提前给定、分类精度取决于数据分布、收敛速度慢等问题;针对已划分好的聚类个数建立相应的神经网络子模型。以红霉素发酵为工程背景,将所提方法运用在生物量浓度监测上,结果阐明所建改进的多模型软测量方法计算时间和预测精度得到了良好的改善。(本文来源于《控制工程》期刊2019年10期）
李思思,阎高伟,闫飞,程兰,杜永贵[7]（2019）在《半监督多源域适应集成的球磨机负荷参数软测量》一文中研究指出针对球磨机工况改变后,历史数据与待测数据分布差异导致的模型失配问题以及待测工况样本少的问题。研究了基于半监督域适应的球磨机负荷参数软测量方法。该方法考虑输出标签对特征变换矩阵的影响,首先集成约束条件寻找特征变换矩阵,将历史数据和待测数据投影到公共子空间;然后根据投影后的历史数据及少量有标签的待测数据建立回归模型,获得无标签待测数据负荷参数;考虑到不同工况历史数据有信息互补的特点,建立基于半监督多源域适应集成的软测量模型,进一步提高软测量模型的准确性。基于实验室球磨机多工况实验的数据测试,表明该方法能够有效提高球磨机负荷参数的预测精度。(本文来源于《振动与冲击》期刊2019年19期）
刘剑,张凌波,王潇凌[8]（2019）在《基于混沌菌群算法改进BP神经网络的焦炭塔生焦高度软测量建模》一文中研究指出把混沌寻优思想引入菌群优化算法中,利用Logistic映射的遍历性、随机性及对初值的敏感性等,对当前菌群群体中的最优细菌进行混沌寻优,以预防算法"早熟"。同时,用混沌菌群算法优化BP神经网络过程,建立延迟焦化生焦高度斜率预测模型。仿真结果表明:该模型具有较高的精度和较好的泛化能力,能够实现生焦高度的实时监测。(本文来源于《化工自动化及仪表》期刊2019年10期）
赵帅,史旭东,熊伟丽[9]（2019）在《一种分层集成的高斯过程回归软测量建模方法》一文中研究指出针对一些化工过程呈现显着的非线性和多阶段特点,提出一种分层集成的高斯过程回归软测量建模方法。采用高斯混合模型将过程数据划分为不同的操作阶段;对各阶段的数据进行主元分析,依据各辅助变量在主元空间上的贡献度,将各阶段数据划分成若干子空间并建立相应的高斯过程回归模型;再对子空间模型输出进行均值融合,得到第一层集成输出;采用后验概率对各阶段局部预测进行融合,得到第二层集成输出。通过对工业数据的实验仿真,验证了所提方法的有效性。(本文来源于《系统仿真学报》期刊2019年10期）
王鹏,龚盼,冯定,涂忆柳[10]（2019）在《基于随机森林算法的井下原油含水率软测量方法》一文中研究指出井筒产出液实时测量是获得井下产液信息的关键步骤,是实现智能井的重要前提,但由于井下环境的复杂性,油水混合物状态本身的不确定性,缺少较好的方法能在井下较好地完成产出液各成分含量的计量。针对井下油、水两相混合计量的问题,提出了一种结合机器学习算法的井下原油含水率软测量方法。结合采油工程需要,可将原油含水率以10%的间隔划分成11个类别,将不同原油含水率对应的物理属性作为测量对象,利用随机森林算法对已知样本进行学习分类,得到原油物理属性与含水率之间的关系,进而实现对原油含水率的测量。最后,通过设计的室内实验,对提出的软测量方法进行了验证,结果表明利用该方法预测原油含水率,得到的结果与实验值一致,可以初步满足工程对井下原油含水率测量的需求,为井下测量提供一了种新的思路。(本文来源于《计量学报》期刊2019年05期）
软测量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
湿式球磨机运行过程中需要对多个负荷参数进行监测,然而运行工况改变会导致实时数据和建模数据的同分布假设不再成立。针对传统软测量方法不能考虑负荷参数之间的关联性,以及多工况情况下建模数据和实时数据概率分布变化引起的模型性能恶化问题,有针对性的引入迁移学习策略与多任务学习机制,建立一种基于多工况迁移学习的湿式球磨机负荷参数软测量模型。首先采用联合分布适配在降维过程中共同适配不同工况的边缘和条件分布,然后利用多任务最小二乘支持向量机方法对磨机负荷参数进行回归预测。实验结果表明,该软测量方法显着优于现有的方法,适用于多工况情况下的软测量建模。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
软测量论文参考文献
[1].乔源,王建峰,杨永存,赵文杰.基于神经网络的飞灰含碳量软测量模型及实现[J].电力科学与工程.2019
[2].贺敏,支恩玮,程兰,阎高伟.基于多工况迁移学习的磨机负荷参数软测量[J].控制工程.2019
[3].李康,王魏,林少涵.基于GA-SVR的海水养殖过程软测量建模[J].控制工程.2019
[4].苏勇,张勇,巫学前.基于JITL的电量预测高斯软测量建模研究[J].电力大数据.2019
[5].张洪德,夏陆岳,刘勇,潘海天.FCM-ABC-MKRVM多模型融合软测量建模[J].控制工程.2019
[6].徐海霞.基于仿射传播聚类的多模型软测量建模研究[J].控制工程.2019
[7].李思思,阎高伟,闫飞,程兰,杜永贵.半监督多源域适应集成的球磨机负荷参数软测量[J].振动与冲击.2019
[8].刘剑,张凌波,王潇凌.基于混沌菌群算法改进BP神经网络的焦炭塔生焦高度软测量建模[J].化工自动化及仪表.2019
[9].赵帅,史旭东,熊伟丽.一种分层集成的高斯过程回归软测量建模方法[J].系统仿真学报.2019
[10].王鹏,龚盼,冯定,涂忆柳.基于随机森林算法的井下原油含水率软测量方法[J].计量学报.2019
论文知识图
