基于改进非负绞杀的多层感知机软测量算法

针对复杂过程数据驱动建模所面临的多变量、强耦合、非线性等问题,提出一种将灵敏度分析与非负绞杀(NNG)结合的多层感知机(MLP)软测量算法。首先,利用基于方差分解的灵敏度分析量化各输入变量与目标变量的关联程度,并计算各个变量的总灵敏度指数;其次,将总灵敏度指数嵌入NNG算法并与MLP神经网络结合,实现输入变量选择;最后,利用Friedman数据集和某石化企业汽油辛烷值预测验证提出算法有效性。实验结果表明:提出的算法克服了NNG算法系数估计有偏的缺点,有效降低了模型复杂度,提高了模型预测精度。

基于非负绞杀与OS-ELM的精矿品位在线软测量算法

针对选矿生产过程中亟待解决的浮选精矿品位在线测量问题,将非负绞杀(nonnegative garrote,NNG)算法嵌入在线序列极限学习机(online sequential extreme Learning machine,OS-ELM),提出一种基于OS-ELM及其输入变量选择的精矿品位在线软测量算法。首先通过参数优化获得训练好的OS-ELM预测模型,通过增量学习过程中新增样本或样本块,对网络输出权值进行递推更新;其次采用NNG算法对OS-ELM网络模型输入权值进行稀疏优化,剔除冗余变量,提高模型泛化性能;最后将算法应用于某矿企铜矿浮选过程铜精矿品位软测量,并与其它先进算法及现场载流X荧光品位分析仪测量结果对比。实验结果表明,所提算法能有效剔除冗余变量,提高精矿品位测量的准确性,实现浮选精矿品位的实时精确软测量。

基于Nonnegative Garrote的ARX和ARMA模型定阶方法

针对传统ARX和ARMA模型定阶方法计算量大和稳定性不强的缺点,提出采用非负绞杀法对ARX和ARMA模型进行定阶。通过分析ARX和ARMA模型的特点,对常规非负绞杀方法进行了改进,使其更适用于动态系统辨识问题,进而给出了相应的求解算法。仿真实验的结果表明了该方法的有效性,且在稳定性上优于传统的信息量准则法。

数据驱动的冷却水塔建模与节能优化操作

针对冷却水塔的节能操作给出了一种数据驱动的建模与优化方法。首先,基于冷却水塔实际运行数据,应用非负绞杀变量选择方法给出一个自适应模型用于描述冷却水塔过程,该模型对于冷却水塔出口水温具有良好的预测精度。根据变量选择结果,分析了外界空气温度与湿度对冷却能力的影响。然后,提出了基于模型的冷却水塔风机的优化操作策略,并进行实验将之应用于冷却水塔的操作。研究结果显示,基于模型的优化操作具有较大的节能空间。