基于PSO-LS-SVM的主蒸汽流量测量

为提高火电机组主蒸汽流量的测量精度,提出了最小二乘支持向量机的建模方法,同时利用粒子群优化算法对最小二乘支持向量机的参数进行优化,按照机理分析选择相应的运行参数作为输入,利用该模型对主蒸汽流量进行预测计算。计算结果表明:利用粒子群优化最小二乘支持向量机的建模方法提高了主蒸汽流量的测量精度。     

基于同步优化的代价敏感支持向量机优良类操作模式识别

针对氧化铝蒸发过程操作模式集中类别不平衡和噪声特征问题,提出基于同步优化的代价敏感支持向量机操作模式识别方法。对氧化铝蒸发过程机理进行分析,该过程的输入条件、操作参数和状态参数被选为原始操作模式,利用离散的粒子群算法优化操作模式的特征集,选择最优特征子集作为最终的操作模式;同时利用连续的粒子群算法优化代价敏感支持向量机的核参数和误分类代价参数,自动搜索和确定最优的核参数和误分类代价参数。工业应用结果表明,与粒子群优化操作模式特征子集或粒子群优化核参数和误分类代价参数相比,所提出的方法优良类操作模式识别高,误分类代价低。     

炼油厂碳排放特征及催化裂化装置CO_2减排研究

调研分析了2012—2014年我国炼油厂的碳排放特征,运用物质流分析方法,建立了催化裂化装置系统的碳素流模型和评价指标体系。在此基础上,结合现场运行数据,分析了催化裂化装置的碳素流动,并运用数学规划方法对主要影响因素进行了优化分析。研究结果表明,直接排放是炼油厂碳排放的主要形式,催化裂化装置是石油炼制过程碳排放的主要装置,反应再生子系统是催化裂化装置的主要碳排放源,注入渣油量和加热炉燃烧效率是影响反应再生子系统的主要因素。     

基于小波去噪和改进型PSO-SVM的微波加热温度预测模型研究

针对微波加热过程的非线性相关性和时滞性,提出基于相关原则优化阈值的小波去噪和改进型粒子群算法优化支持向量机相结合的微波加热褐煤温度预测方法。采用相关原则优化阈值的小波对微波加热褐煤温度进行提取,通过引入相似度函数和控制参数α改进粒子群算法,用于优化微波加热褐煤温度支持向量机预测模型的惩罚系数C、不敏感损失函数参数ε、核函数参数g等3个直接影响温度预测精度的参数。相似度函数增大,粒子随机变异率增大;迭代次数增加,控制参数α减小。仿真实验结果表明,优化后的支持向量机回归预测模型提高了微波加热褐煤温度预测的准确率,为微波干燥褐煤控制方法的研究提供一种可供参考的数学模型。     

改进粒子群算法优化SVM的水泥烧成系统故障诊断

在基本粒子群算法的基础上,通过引入自适应变异算子、交叉算子和新的惯性权重,提出一种采用改进粒子群(IPSO)算法对支持向量机(SVM)参数进行优化的分类器模型。选取UCI公共数据集中的Iris、Wine和Seed对其分类性能进行验证。最后,将IPSO-SVM分类器应用于水泥烧成系统的故障诊断中,结果表明:该分类器具有更快的收敛速度、更好的全局收敛能力和更高的故障诊断精度。     

基于改进粒子群优化LSSVM的水泥熟料fCaO软测量

针对水泥熟料fCaO含量难以在线实时测量,提出了一种基于最小二乘支持向量机的软测量建模方法。针对最小二乘支持向量机模型的2个难点进行了改进:首先利用样本间的马氏距离来衡量样本的相似程度,删除样本中部分相似样本,提高最小二乘支持向量机模型的稀疏性,从而减小了模型的运算量。然后利用改进的粒子群优化算法对最小二乘支持向量机模型的2个重要参数进行迭代寻优,克服了常规交叉验证法或网格搜索法等参数选择方法的盲目性。最后将基于粒子群最小二乘支持向量机软测量模型用于熟料fCaO含量的实例仿真。结果表明,该方法具有收敛性好、预测精度高、泛化能力强等优点。     

基于蝙蝠算法优化支持向量机的滚动轴承故障诊断

支持向量机中参数的选择会直接影响滚动轴承故障诊断的分类效果,基于此提出一种采用蝙蝠算法优化支持向量机的故障诊断模型,以提高分类的准确率.首先将采集到的振动信号进行集成经验模式分解,分解后得到一系列模态函数分量IMF,并将计算得到的各个分量的能量熵作为信号的特征向量,将所构造的特征向量输入到蝙蝠算法优化的支持向量机BA-...     

基于变异CPSO算法的LSSVM蒸发过程软测量

在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某氧化铝厂蒸发过程为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化铝蒸发过程软测量模型,并与PSO-LSSVM、LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于5%的样本达到92.5%,最大相对误差仅为8.1%,均方差MSE为0.05153,模型具有较高的精度,其现场实施结果表明基本可以实现出口浓度的实时在线预估。     

基于PSO-LSSVM的研究法辛烷值预测建模

针对现存的红外线分析仪表无法在线分析抗爆剂对成品油研究法辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化的最小二乘支持向量机方法,以粒子群优化的方法来选取最小二乘支持向量机的模型参数,在克服了交叉验证法耗时与盲目性问题的同时,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点,将其应用于汽油调合系统中研究法辛烷值的预测.仿真结果表明,该模型的估计值与实际化验值吻合得较好.     

用于水泥熟料fCaO预测的多核最小二乘支持向量机模型

针对水泥熟料游离氧化钙(fCaO)含量预测模型辨识的问题,考虑到单一核函数无法显著提高模型精度,采用多项式核函数、指数径向基核函数和高斯径向基核函数组合构建等价核的方法,建立了多核最小二乘支持向量机水泥熟料fCaO预测模型。同时,利用改进的粒子群优化算法对多核最小二乘支持向量机模型的6个待确定参数进行迭代寻优,避免了模型参数人工选取的盲目性。最后将基于改进粒子群的多核最小二乘支持向量机模型应用于熟料fCaO含量的实例仿真。结果表明,建立的水泥熟料fCaO含量预测模型精度高、泛化能力强。     

一种基于PSO算法的闭环辨识方法

闭环模型辨识一直是工业先进控制领域中的一个主要课题。而现在基于粒子群优化算法PSO的辨识,大多都是连续开环系统的辨识。离散闭环模型辨识在计算机控制、运算量等方面比连续开环系统的辨识有较大的优势。文中讨论了PSO的时变惯性权重算法与参数初值的设置和选择方法。通过仿真实验表明,PSO与最小二乘递推算法相比,在有效性和一致性方面,有着明显的优势。PSO算法是一种有效地解决优化问题的群集智能算法,它的突出特点是算法中需要选择的参数少,程序实现简单,并在种群数量、寻优速度等方面较其他进化算法具有一定的优势。该方法在实际项目的应用中取得了较好的效果,应用前景广阔。     

基于粒子健康度的快速收敛粒子群优化算法

针对现有粒子群优化算法在工程应用中,特别是在粒子维数较高的情况下,很容易发生早熟收敛等缺点,提出了一种基于粒子健康度的快速收敛粒子群优化算法(HPSO)。给出了粒子健康度的概念及计算方法。该算法通过动态监控粒子的健康度指标,对健康度较低的粒子单独进行变异操作。从而可以在保护健康粒子继续搜索最优值的同时,有效“治疗”非健康的早熟粒子,提高了整个粒子群的寻优能力及跳出局部最优值的能力。然后通过大量的标准测试函数对其进行测试,并将其与标准粒子群优化算法(SPSO)、权重递减的粒子群优化算法(WPSO)进行对比。测试结果表明,在粒子维数较高的应用中HPSO算法的收敛速度更快,效率更高。     

新冒落带高度算法FOA-SVM预计模型

针对顶板冒落带高度问题提出新的预计模型,通过搜集众多矿井的实测数据,在支持向量机理论基础上建立预计模型。采用果蝇优化算法对预计模型进行优化训练,建立FOA-SVM预计模型,利用实测数据对模型的预计结果进行检验,预计结果较为准确,比PSO-SVM模型和GA-SVM模型结果稳定性好计算精度高。     

基于PSO-SVR算法的燃煤锅炉结渣特性预测

针对燃煤锅炉结渣特性的有限样本、非线性和高维数问题,提出了一种基于粒子群优化（PSO）和支持向量回归（SVR）的预测模型。对于支持向量回归机在建模中存在的参数选取问题,采用改进的粒子群算法（PSO）对模型参数进行优化,该方法结合了PSO的快速全局优化能力和SVR的结构风险最小化理论,精确地逼近非线性映射关系的能力。仿真结果表明：相比遗传算法（GA）SVR预测模型和模拟退火（SA）SVR预测模型,PSO-SVR模型预测燃煤锅炉结渣特性具有较高的准确率。     

Surrogate-model-based,particle swarm optimization,and genetic algorithm techniques applied to the multiobjective operational problem of the fluid catalytic cracking process

Abstract

This article provides a concise multiobjective optimization methodology for an industrial fluid catalytic cracking unit (FCCU) considering stochastic optimization techniques, genetic algorithms (GA) and particle swarm optimization (PSO), based on surrogates or meta-models in order to approximate the objective function. A FCCU was considered and simulated in an AspenONE process simulator. In addition the article examines the claim that PSO has the same effectiveness (finding the optimal global solution) as GA, but with significantly better computational efficiency (fewer function evaluations). The optimization results obtained with the PSO technique, based on the evaluation of less functions and adjustment of less parameters, showed a 3% increase in yield of naphtha as compared to results obtained with the GA technique. Finally, the results of the optimization obtained with the stochastic optimization techniques were compared and analyzed with a deterministic one. The performance targets of the multiobjective operational optimization supported the FCCU design and production planning to ensure refinery profitability and a regulatory environment.     

基于MSPCA的FPSO典型生产流程故障诊断系统的设计与实现

针对传统主元分析单尺度建模的局限性,以小波分析和主元分析理论为基础,应用多尺度主元分析方法(MSPCA)对浮式油轮生产储油卸油系统(FPSO)进行故障检测与诊断系统的设计与实现。以MSPCA为故障诊断算法,以Microsoft Visual Basic和Matlab为开发平台,以FOXBORO I/A、AIM*OPC Server为数据传输平台,采用FPSO仿真系统作为数据环境,建立了基于MSPCA的FPSO典型生产流程的故障诊断系统,实现油气水分离过程的故障检测与诊断。结果表明:基于MSPCA的FPSO故障诊断系统结构设计合理,在油气水分离系统的故障检测与诊断过程中取得较好的应用效果。     

基于粒子群优化算法的球磨机制粉系统PID-ANN解耦控制器

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象,其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合,神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有很高的工程实用价值。     

基于自适应量子蚁群算法的石脑油裂解炉故障诊断

针对实际生产过程中缺乏故障数据,采用适合小样本问题的支持向量机对石脑油裂解炉进行故障诊断。为了消除高维数据及系统噪声对故障诊断的干扰,将量子编码引入蚁群算法,提出一种新的自适应量子蚁群算法进行故障特征选择以进一步提高诊断性能。数值仿真实验结果显示,提出的自适应量子蚁群算法具有更好的全局寻优性能;对石脑油裂解炉传感器故障的诊断结果表明自适应量子蚁群算法能快速、准确地搜索到关键故障特征,有效地提高了支持向量机故障诊断的正确率和鲁棒性。     

催化裂化装置反再系统动态模拟精细化与控制系统“工艺优先”配对设计

催化裂化是目前炼油厂中的核心加工工艺,其反应-再生系统是一个多变量紧密耦合的复杂系统,动态模拟和控制系统设计难度较大。目前,催化裂化装置在进行动态建模时设置了大量假设条件,与实际状况存在诸多不符,另外当前的控制回路配对方法未考虑工艺要求,也不适用于催化裂化这样的开环不稳定系统。基于以上原因,以已建立的反应-再生系统数学模型为基础,建立精细化动态模型,对反应器和再生器模型进行真实逼近,不再忽略气相动态变化,将原模型中气相对时间的导数项恢复,通过离散化的分布参数系统模型,对离散化模型中每段提升管和烧焦罐的时变变量加入时滞。仿真结果表明,精细化动态模型更加接近实际化工生产过程。根据上述模型搭建仿真平台,通过对不稳定的反再系统进行工艺优先的控制系统设计,首先根据化工工艺设计控制回路保证系统的稳定性,然后基于相对增益阵方法设计剩余变量配对,在降低了高维系统设计复杂度的同时保证了生产过程安全。设计结果表明,对于催化裂化装置反再系统,基于工艺特性完成控制回路配对后,剩余变量无须再添加多余的控制回路就能保证控制系统的稳定性和适当的控制性能。     

基于EMD奇异值熵和GASVM的转子系统故障诊断方法

提出一种基于经验模态分解(EMD)和奇异值熵的转子系统故障特征提取方法,克服了奇异值分解相空间重构参数难以选择的问题。然后将奇异值和奇异值熵作为故障特征输入到支持向量机(SVM)中,利用遗传算法(GA)对支持向量机进行参数优化,实现了故障的精确诊断。最后通过对转子不平衡、碰摩和不平衡-碰摩耦合3种故障的正确诊断,证明该方法的有效性。