专利交易市场

一种基于拓扑引导时间卷积网络的发酵过程软测量方法，属于发酵过程软测量技术领域。其包括以下步骤：1)数据的获取和整合：使用仿真平台获取不同工况下的青霉素发酵过程，并且对获取的数据进行划分、收集和整合；2)数据选择：对数据进行选择，去除冗余无用的数据并建立变量之间因果图；3)构建TGTCN模型并进行训练；4)模型预测。本发明方法采用基于拓扑引导时间卷积网络的发酵过程软测量方法，利用图注意力网络和时间卷积网络，在时间和空间维度上对数据进行提取，增加了模型的泛化性，能够对不同发酵过程的关键产品质量进行精准测量。

本发明涉及水泥熟料生产过程软测量技术领域，公开了一种基于对抗因果学习的水泥熟料游离氧化钙软测量方法，包括以下步骤：(1)数据的获取和整合；(2)数据选择；(3)建模训练；(4)模型预测；本发明方法一种基于对抗因果学习的水泥熟料f‑CaO软测量方法，提高了水泥熟料生产过程关键变量的预测效果，具有普遍性和通用性。

本发明公开了一种基于卷积神经网络的4‑CBA含量的动态软测量方法，用于计算PTA氧化过程产生的4‑CBA含量，方法首先基于卷积神经网络构建动态软测量模型的输入与输出的映射关系，并将PTA氧化过程中有关可测变量的时间序列数据块作为动态软测量模型的输入，将4‑CBA作为输出；该方法将时间序列数据块输入到卷积层和池化层交替分布的卷积神经网络中，其中，卷积层和池化层均为2层，第一层池化采用一维最大池化提取卷积后的特征，第二层池化采用与卷积层输出的特征图大小相等的最大池化进行采样，并将最后一层池化的输出使用线性函数计算得到输出结果，该结果与4‑CBA分析数据进行比较并更新参数；本发明的动态软测量模型简单易实现，提高了模型的测量精度。

本发明提供了一种基于软监测的流量预测方法，即采用以功率代替流量的软测量方法，对于比转速在120以下的离心泵，在性能进行监测时，只监测电机的功率值P就可以较为精确的预测出流量值Q1，通过测量或者监测获得出现磨损后的离心泵密封环间隙值δ与未出现磨损的离心泵密封环初始间隙值δ0，并计算得到两者的差值并作无量纲化，得到无量纲间隙差值Δδ'。在实际运行中，通过实时监测获得的电机的功率值P预测得到流量值Q1，同时采用无量纲间隙差值Δδ'对所述流量值Q1进行修正。

本发明公开一种基于SFA‑RBFNN模型的聚丙烯熔融指数软测量方法，结合使用SFA与RBFNN解决聚丙烯熔融指数软测量问题，并同时考虑RBFNN隐层神经元的中心点向量的优化问题，从而使基于SFA‑RBFNN模型的聚丙烯熔融指数软测量精度得到有效保障。具体来讲，本发明方法首先通过SFA提取聚丙烯过程输入变量中的缓慢变化的特征，然后利用提取的缓慢变化特征做为RBFNN模型的输入，从而使用能反应数据缓慢变化的本质特征来软测量聚丙烯熔融指数。与此同时，使用差分进化算法优化求解RBFNN隐层神经元的中心点向量，从最小化估计误差的角度实施对聚丙烯过程熔融指数的软测量。

本发明公开一种亚硝态氮浓度软测量预测方法，采集养殖水厂数据，运用主成分析法对数据进行辅助变量的选取，获得温度、pH、溶解氧、氧化还原电位这4个影响亚硝态氮浓度的辅助变量，同时测定水体中亚硝态氮的浓度，对数据进行预处理，建立基于ELM亚硝态氮的浓度软测量预测模型；采用拉丁超立方抽样对SSA种群进行初始化操作，在樽海鞘领导者位置更新中引入Logistic映射与非线性动态权重策略；在追随者位置更新中，引入引力搜索策略，得到LGSSA；使用LGSSA对ELM极限学习机进行参数优化，获得最佳参数，并将最优参数和测试数据样本输入到ELM预测模型中得到预测结果。与现有技术相比，本发明能够有效地预测水体亚硝态氮浓度，提高软测量预测模型精度。

本发明公开一种基于集成正交成分最优化回归分析的软测量方法，旨在解决如何集成考虑多种类型的正交成分回归算法，并使用最优化的思想建立软测量模型这一问题。具体来讲，本发明方法首先分别利用主成分回归(PCR)算法、独立成分回归(ICR)、和偏最小二乘回归(PLSR)算法建立三个正交成分回归模型，然后利用回归模型的预测值再次预测质量数据，所不同的是利用回归模型预测值再次预测质量数据时是采用粒子群算法得到回归系数向量。与传统方法相比，本发明方法考虑了多个正交成分回归模型，并通过最优化的回归系数向量预测输出质量指标。因此本发明方法对质量指标的预测精度不会低于其中任何一种回归模型，软测量性能得到了充分保证。