基于OS-ELM的游梁式抽油机系统电动机负载扭矩的在线混合建模

由于难以掌握电动机工作效率与复杂动态负载的准确关系,游梁式抽油机系统普遍存在"大马拉小车"的现象。针对这个问题,研究负载动态变化下电动机负载扭矩的建模新方法,将"驴头"悬点载荷看作系统的负载,提出了基于OS-ELM的在线混合模型。首先根据采油工作原理,建立系统各机构的机理模型;然后针对模型中的主要不确定参数——井下摩擦力,建立基于OS-ELM的在线软测量模型,首先由历史生产数据离线训练得到初始结构,其次采用滑动窗口方法指导模型的在线更新。通过研究,井下摩擦力不再是依赖主观经验给定的定值,而是跟随系统变化的动态值,这更加符合实际生产工况。由一口生产井进行实例验证,仿真结果表明本文所提出方法是合理有效的。     

基于多数据空间全潜结构映射的化工过程性能评估方法

针对化工过程运行状态在线评估的问题,提出多数据空间全潜结构映射（multi-space total projection to latent structures,MsT-PLS）性能评估方法。该方法采用“离线建模,在线评估”的评估策略。首先对历史多数据输入空间进行全面分解,结合多数据空间基向量提取方法,剔除多数据输入空间中与质量变量无关信息的干扰。在与质量变量相关的多数据输入空间上,建立不同运行性能等级的离线数据网络分类模型,实现“离线建模”。“在线评估”阶段,以数据滑动时间窗为评估单元,将过程性能分为稳定和过渡性能等级,把在线数据与历史性能等级进行相似度匹配。利用过程变量相对贡献度,对性能变化起决定性影响的过程变量进行识别和贡献度分析,为系统性能劣化原因的识别提供了参考。最后,应用到乙烯裂解过程在线性能评估中,说明了本评估方法可以对系统进行准确的在线性能评估。     

篦冷机锤破轴端加装测速传感器

我公司的3条2　500t/d生产线由于在线运行时间长，其中篦冷机锤破等辅机设备在线运行时间超过8　000h。篦冷机锤破工作环境恶劣，而其传动连接方式是皮带传动，随着长时间的运转，皮带的张紧力变差，与传动轮的摩擦力相对减小，就很容易发生皮带打滑“丢转”或部分“脱落”等现象。但此时中控操作员仅凭借锤破电动机的电流波动值来判断故障，很难发现存在的运行隐患。经技术人员讨论，在破碎机轴端加装了测速传感器，实施连锁在线监测，彻底解决了这一问题。     

制备方法对Ni-Mo/Al2O3加氢催化剂性能的影响

以优化制备工艺为目的,研究不同制备方法对Ni-Mo/Al₂O₃加氢催化剂性能的影响。分别采用常规负载法、“一步成型法”和“沉淀打浆法”制备了Ni-Mo/Al₂O₃加氢催化剂,以氮气吸附（BET）、X射线衍射（XRD）、程序升温脱附（NH₃-TPD）、程序升温还原（H₂-TPR）和高分辨透射电镜（HR-TEM）等表征手段对3种方法制备的催化剂进行分析,并以50mL高压加氢装置考察了催化剂的反应性能。研究结果表明,与负载法相比,采用“一步成型法”和“沉淀打浆法”制备催化剂,孔容和比表面积大幅提高,但物相形态并没有发生转变;“一步成型法”制备的催化剂酸分布呈现出强酸比例升高的趋势,金属还原性及分散度也比负载法有所下降,“沉淀打浆法”制备的催化剂则显示出较高的中强酸量比例,金属还原性与分散度亦优于负载法催化剂。对催化剂的评价结果显示,针对不同的原料,3种催化剂均具有较好的加氢脱硫、脱氮和芳烃饱和活性,但总体上“一步成型法”制备的催化剂活性较负载法有所不足,而“沉淀打浆法”制备的催化剂活性则优于负载法,评价结果与催化剂的表征分析相吻合。     

基于动态补偿逆的非线性RBF内模控制及其应用

针对非线性不确定系统和传统的非线性内模控制在控制上存在的不足,提出一种基于动态补偿逆的非线性不确定系统RBF内模控制,在引入RBF建立逆模型的同时,将无模型自适应控制方法作为附加控制器,用于模型偏离被控对象时在线修正逆模型。仿真结果表明,本文提出的方法不仅对系统的常量摄动具有较好的鲁棒性,对时变不确定性仍然保持较好的跟踪效果,具有较好的实时性、鲁棒性和在线校正功能。     

基于模糊评估自适应更新的油井动液面软测量建模

针对常规动液面软测量方法在面对复杂、多变的工况时缺乏有效的模型更新机制、预测精度不足等问题,提出了一种基于模糊评估的自适应更新建模策略,通过基于模糊推理产液量变化趋势拟合的模型性能评价模块,动态更新模型,实现对原测量模型的反向推理验证。首先离线建立不同工况的动液面多模型预测集,然后根据产液量拟合优度指标对动液面在线输出模型进行实时的输出评估判断,利用相似样本数据进行模型的在线更新,使其能不断适应油井的工况变化,自适应获得更加准确的软测量模型。最后通过辽河油田现场生产数据验证表明,该方法能够有效提高模型的预测精度和泛化能力,可以满足油田现场的生产需求。     

基于Kriging和NSGA-Ⅱ的辅以困气改善的熔接痕优化策略

从熔接痕的成型机理出发,考虑了困气状况和熔合温度对熔接痕熔合质量的影响,提出一种以困气改善辅助提升熔接痕熔合质量的方法,建立了以“气穴面积”和“熔接痕处流动前沿温度”为熔接痕熔合质量指标的多目标评价体系,并构建了一种基于Kriging模型和非支配排序遗传算法（NSGA-Ⅱ）的多目标寻优策略,以实现工艺参数的择优选择。以多孔板熔接痕优化为例,选用拉丁超立方抽样（LHS）设计实验,建立并检验反映工艺参数和优化目标之间影响规律的Kriging模型,采用NSGA-Ⅱ确定多目标优化问题的Pareto前沿及其最优解。仿真及生产实验结果表明所建立的多目标优化策略能有效实现熔接痕的多目标优化,同时以困气改善辅助提升熔接痕熔合质量的方法效果显著。     

基于多动态核聚类的间歇过程在线监控

针对传统的多元统计监测方法不能有效检测工业过程中由于初始条件波动较大所引发的弱故障问题,提出一种基于多动态核聚类的核主元分析(DKCPCA)监控策略,实现多阶段间歇过程的弱故障在线监控.该方法首先针对过程中各阶段每一批次数据结合自回归移动平均时间序列模型(ARMAX)和核主成分分析(KPCA)方法分别建立动态核PCA模型,然后根据各批次模型间载荷的相似性采用分层次聚类方法进行聚类,最后将聚在一起的批次数据进行展开重新再建立动态核PCA模型,随着聚类数目的不同从而建立多个类模型.当在线应用时给出了多模型选择策略,以提高监测精度.将此方法应用于青霉素发酵过程的监控中,监测结果表明此方法取得了比DKPCA和MKPCA更好的监测性能.     

基于相似度网格模型的在线经济性能分级评估方法

针对经济性能评估方法中目标函数难以在线计算问题提出一种基于过程数据的在线经济性能分级评估方法。采用自回归潜结构映射（AR-PLS）算法对输入数据矩阵进行分解,在与输出潜变量相关的子空间上建立不同性能等级的离线模型,从而排除无关变化的干扰。然后采用“先标定分区,再对比邻级相似度”的策略设计一个相似度网格模型,将过程性能分为稳定性能级状态和过渡状态,并对离线模型中未出现过的因素造成的性能变化进行识别,以进一步丰富离线数据库。对于不属于最优性能级的过程数据,能够根据变量贡献度诊断造成性能变差的原因。乙烯裂解过程的现场数据测试实验表明本方法可以及时、准确地检测到经济性能的偏移。     

基于CFDL_MFAC的多驱动系统协调控制的研究

针对多电机驱动的生产输送系统存在功率不平衡的现象,采用了一种基于紧格式动态线性化的无模型自适应控制方法来设计系统的控制器。该方法仅利用系统的I/O数据,无需对系统进行建模,就可实现对PID 3个参数的在线实时调整。经过仿真研究验证,采用笔者提出的方法,系统响应速度快、鲁棒性强、适用范围广,使电机能获得较满意的控制性能和跟随精度,控制效果优于传统PID方法。     

基于神经网络的常压塔柴油凝点软测量的研究与应用

研究某炼油厂常压塔三线柴油凝点的软测量建模问题,分析过程变量对柴油凝点的影响。基于在线分析仪6min采样数据,利用前向网络和时延前向网络(TDNN)分别建立了三线柴油凝点的静态软测量模型和动态软测量模型,并结合在线分析仪对模型实现了在线修正。通过两种模型的仿真和在线实施效果,表明基于神经网络的软测量模型取得了较好的应用效果,而且动态模型的实施效果优于静态模型。     

基于改进的快速搜索聚类算法和高斯过程回归的催化重整脱氯前氢气纯度多模型建模方法

氢气是催化重整反应的重要副产物之一,建立氢气纯度软测量模型有助于指导生产。针对催化重整过程工况复杂多变、单一软测量模型难以满足精度要求,提出了一种基于改进的快速搜索聚类算法和高斯过程回归的多模型软测量建模方法。首先,针对快速搜索聚类算法中截断距离是由人为设定的问题,提出了一种截断距离确定方法。并用该改进算法对历史数据进行自动分类,建立各个数据子集的高斯过程回归模型,使各子模型在最大程度上反映不同工况点。然后,针对聚类后得到的带有类别标签的历史数据,建立类别辨识模型,与各子模型相结合,形成开关模式的组合模型。最后,将该建模方法应用于连续催化重整装置,建立了脱氯前氢气纯度的在线计算模型。结果表明,该多模型建模方法具有较高的预测精度,优于传统的单一模型,有一定的实用价值。     

Soft sensor model derived from Wiener model structure: modeling and identification

The processes of building dynamic and static relationships between secondary and primary variables are usually integrated in most of nonlinear dynamic soft sensor models. However, such integration limits the estimation accuracy of soft sensor models. Wiener model effectively describes dynamic and static characteristics of a system with the structure of dynamic and static submodels in cascade. We propose a soft sensor model derived from Wiener model structure, which is an extension of Wiener model. Dynamic and static relationships between secondary and primary variables are built respectively to describe the dynamic and static characteristics of system. The feasibility of this model is verified. Then the expression of discrete model is derived for soft sensor system. Conjugate gradi-ent algorithm is applied to identify the dynamic and static model parameters alternately. Corresponding update method for soft sensor system is also given. Case studies confirm the effectiveness of the proposed model, alternate identification algorithm, and update method.     

基于局部线性嵌入的测地线流式核多工况软测量建模方法

针对复杂工业过程在多工况条件下缺乏标记样本无法进行软测量建模,而原有模型失准问题,研究了一种局部线性嵌入（locally linear embedding, LLE）和测地线流式核（geodesic flow kernel, GFK）相结合的无监督软测量建模方法。该方法首先通过局部线性嵌入提取各个工况间的公共模式信息,然后将已知工况数据和未知工况数据的公共模式信息投影到流形空间,利用测地线流式核框架在流形空间上实现域迁移,以减小不同工况间数据的分布差异。最后用偏最小二乘回归法建立软测量模型,得到主导变量的软测量值。通过对TE过程中不同工况下的成分变量软测量和不同工况下的球磨机负荷参数软测量结果,验证了所提算法的实用性和有效性。     

基于迁移变分自编码器-标签映射的湿式球磨机负荷参数软测量

在工况改变时，湿式球磨机的实时数据和建模数据分布不一致，不满足传统软测量建模方法要求的数据同分布假设，导致模型失准和性能恶化。为此，引入迁移学习思想，提出一种基于迁移变分自编码器-标签映射的软测量模型，实现多工况下湿式球磨机负荷参数的准确测量。首先，迁移目标域数据编码得到的隐变量分布参数，对源域数据对应隐变量进行拟合，再解码得到迁移数据；然后采用相似性度量选取相似样本构建标签映射模型，并得到映射标签；最后使用迁移数据和映射标签构建出最终的软测量模型。实验结果表明，该软测量方法显著优于现有方法，适用于多工况下的软测量建模。     

选择性集成LTDGPR模型的自适应软测量建模方法

随着时间的增加,传统时间差（TD）模型会出现性能显著下降的问题。为了提高TD模型的可靠性和预测精度,同时考虑过程的时滞特征,基于一种选择性集成策略,提出一种局部时间差高斯过程回归（LTDGPR）模型的自适应软测量建模方法。首先,提取出数据库中的时滞动态信息,对建模数据进行重构;然后,采取局部化策略对差分后的重构样本进行统计划分,得到LTDGPR模型集。对于新来的输入样本,选择部分泛化能力强的LTDGPR模型进行集成,估计出含一定时间差的主导变量动态偏移值;最后,基于TD模型思想对当前时刻主导变量值进行在线预测。通过脱丁烷塔过程的数据建模仿真研究,验证了所提方法的有效性和精度。     

Dynamic gray‐box modeling for on‐line monitoring of polymer extrusion viscosity

Melt viscosity is a key indicator of product quality in polymer extrusion processes. However, real time monitoring and control of viscosity is difficult to achieve. In this article, a novel “soft sensor” approach based on dynamic gray‐box modeling is proposed. The soft sensor involves a nonlinear finite impulse response model with adaptable linear parameters for real‐time prediction of the melt viscosity based on the process inputs; the model output is then used as an input of a model with a simple‐fixed structure to predict the barrel pressure which can be measured online. Finally, the predicted pressure is compared to the measured value and the corresponding error is used as a feedback signal to correct the viscosity estimate. This novel feedback structure enables the online adaptability of the viscosity model in response to modeling errors and disturbances, hence producing a reliable viscosity estimate. The experimental results on different material/die/extruder confirm the effectiveness of the proposed “soft sensor” method based on dynamic gray‐box modeling for real‐time monitoring and control of polymer extrusion processes. POLYM. ENG. SCI., 2012. © 2012 Society of Plastics Engineers     

一种基于时序误差补偿的动态软测量建模方法

针对目前静态软测量建模方法无法反映工业过程动态信息,造成预测模型精度低、鲁棒性差等问题,提出了一种基于最小二乘支持向量机(LS-SVM)和自回归-滑动平均模型(ARMA)的软测量建模方法。首先,建立了基于LS-SVM的软测量模型,利用ARMA模型对预测误差的动态估计,通过增加动态校正环节,实现了对静态模型的动态校正以改善系统动态响应特性。最后将上述方法用于乙烯精馏过程中乙烷浓度的软测量建模,仿真结果表明:与单一使用LSSVM模型相比,该方法具有跟踪性能好、泛化能力强等优点,是一种有效的软测量建模方法。     

Dynamic soft sensor development based on Gaussian mixture regression for fermentation processes

The dynamic soft sensor based on a single Gaussian process regression (GPR) model has been developed in fermentation processes.However,limitations of single regression models,for multiphase/multimode fermentation processes,may result in large prediction errors and complexity of the soft sensor.Therefore,a dynamic soft sensor based on Gaussian mixture regression (GMR) was proposed to overcome the problems.Two structure parameters,the number of Gaussian components and the order of the model,are crucial to the soft sensor model.To achieve a simple and effective soft sensor,an iterative strategy was proposed to optimize the two structure parameters synchronously.For the aim of comparisons,the proposed dynamic GMR soft sensor and the existing dynamic GPR soft sensor were both investigated to estimate biomass concentration in a Penicillin simulation process and an industrial Erythromycin fermentation process.Results show that the proposed dynamic GMR soft sensor has higher prediction accuracy and is more suitable for dynamic multiphase/multimode fermentation processes.     

基于核慢特征回归与互信息的常压塔软测量建模

针对工业过程的非线性及动态特性,提出了一种新的慢特征回归软测量方法。该方法首先通过添加时延数据构造动态数据集,利用互信息最大化准则筛选变量从而减少信息冗余的影响。同时该方法在慢特征分析的基础上引入核函数扩展,加强模型处理非线性数据的能力,并将获得的核慢特征用于回归建模。核慢特征分析通过分析样本的变化,提取具有缓慢变化特征的成分,可以有效地刻画工业过程的变化趋势,提升回归模型精度。最后该方法的有效性在常压塔常顶油干点与常一线初馏点的软测量模型中得到了验证。