基于两层分块GMM-PRS的流程工业过程运行状态评价

过程运行状态评价旨在实时判断运行性能优劣程度,并追溯导致非优运行状态的原因,指导操作人员进行生产调整,保证企业经济效益.因此,对过程运行性能优劣评价的研究具有重要的理论和应用价值.本文针对定量、定性变量共存的流程工业过程运行状态评价问题,提出基于两层分块混合模型的评价方法.将流程工业过程根据其物理特性和管理方向划分子块,产生子块层和全流程层.在定量信息占主导地位的子块内,建立定量的高斯混合模型（Gaussian mixture model,GMM）.在定性信息占主导地位的子块内,建立定性概率粗糙集（Probabilistic rough set,PRS）模型.综合各子块运行状态信息,进一步判定全流程运行状态等级.针对非优运行状态等级,本文提出基于贡献率的非优原因追溯方法,在非优子块内进行原因追溯.最后,将所提方法应用于某黄金湿法冶炼生产过程,说明所提方法的可行性和有效性.     

有色冶金过程不确定优化方法探讨

有色冶金过程受原料来源多样、工况条件波动、生产成分变化等因素的影响,存在大量的不确定性,严重影响了冶炼生产的稳定性与可靠性.鉴于此,综述不同类型不确定性优化问题的描述方法,具体包括概率不确定优化问题、模糊不确定优化问题和区间不确定优化问题.通过分析有色冶金生产过程的特点与需求,以3种典型的有色冶金过程不确定优化问题为例,探讨不同类型的有色冶金过程不确定优化方法.针对氧化铝生料浆配料过程的概率不确定优化问题,采用基于Hammersley sequence sampling(HSS)的方法实现不确定模型的确定性转换;针对湿法炼锌除铜过程的模糊不确定优化问题,采用基于模糊规则的方法进行确定性评估;针对锌电解分时供电过程的区间不确定优化问题,采用基于min-max的方法求解鲁棒解.工业运行数据均验证了上述方法的有效性.     

基于区间T-S 模糊模型的运动模式预测

针对一类复杂的生产过程,提出一种基于运动模式的预测模型.针对该方法中模式类别变量的度量问题,提出采用区间数对定义在模式运动"空间"上的模式类别变量进行度量.为了描述模式在模式运动"空间"的运动,对作者先前提出的区间T-S模糊模型进行了改进,并采用改进后的区间T-S模糊模型建立基于模式类别变量的预测模型.最后,以烧结生产过程实际运行数据为例验证了所提出建模方法的有效性.     

有色冶金净化过程建模与优化控制问题探讨

净化过程是有色金属湿法冶炼的关键工序.它通过置换沉淀的方式去除有色金属矿物浸出液中的杂质金属离子,为后续电解过程提供高纯度的金属电解液,其控制效果直接影响最终金属产品的质量、生产成本以及生产全流程的稳定性.目前,入矿来源混杂、反应机理复杂等因素制约了净化过程的高效和绿色生产.从净化过程工艺与反应机理的特点出发,提炼了净化过程各除杂工段在建模和优化控制中的共性问题,对净化过程建模与优化控制方法的研究现状进行了综述,并以湿法炼锌净化过程为例,较详细地介绍了在沉铁、除铜、除钴工序建模和优化控制方面的最新研究成果.最后结合自动化技术的发展新动向,对湿法冶金净化过程自动化的未来发展趋势进行了展望.     

基于多维区间T-S 模糊模型的多维运动模式预测

与传统的在欧氏空间建立系统动力学模型不同, 基于运动模式的建模是在模式运动空间中刻画系统的动力学特性. 首先, 提出一种基于粒子群优化和四叉树空间划分的多维模式运动空间的构建方法, 为了定量描述多维模式的运动, 采用多维区间数度量多维模式类别变量; 然后, 定义一种多维区间T-S 模糊模型, 并以此构建多维运动模式的预测模型; 最后, 以烧结生产过程的实际数据为例, 验证了所提出预测模型的有效性.

     

复杂生产流程协同优化与智能控制

我国流程行业原料来源复杂,如何优化调控工艺指标使复杂生产流程适应原料波动,是保障产品质量、降低物耗能耗的关键.本文结合全流程、工序、反应器等不同生产层级的工艺特点,系统研究复杂生产流程协同优化和智能控制方法.针对全流程多工序关联的特点,提出了操作模式优化方法和操作模式动态匹配的全流程多工序协同优化方法;针对单元工序多反应器级联的特点,分析了工序内不同反应器的物质转化效率差异,提出了反应器指标梯度协同优化方法;针对反应器多反应共存、工况多变的特点,研究了基于完备状态空间的动态特性描述框架,建立了竞争-促进反应体系机理模型,提出了工况全覆盖的模型参数自主辨识方法和基于分工况智能综合调节的反应器操作参数精细化调控方法.通过锌冶炼智能工厂建设案例阐述了所提方法在提高工艺原料适应能力、生产效率、质量稳定性等方面的成效.最后,结合我国流程行业智能化发展现状和需求,分析了需进一步研究的问题.     

基于工序指标耦合关系分解的选冶全流程分层优化方法

针对某选冶全流程分层优化中工序指标众多且各工序指标之间存在一定耦合关系的问题,提出一种基于工序指标耦合关系分解的全流程分层优化方法.该方法是在全流程分层优化的基础上,利用两个指标实现对工序指标的分解,进而将工序层优化问题转换为相应的子优化问题.这种方法能够简化原始的工序层优化问题,提高选冶全流程分层优化问题的求解效率,且具有较高的全局收敛性.仿真结果表明,相比于常规全流程优化方法以及单纯的全流程分层优化方法,所提出的优化方法具有较好的性能.     

氧化铝生料浆制备过程的智能优化控制方法

生料浆制备过程由配料和调槽两个子过程组成.针对该过程的工艺特点以及不确定性大、原料成分波动等过程特性,提出一种智能优化控制方法.将生料浆制备过程的优化目标分解为两个子过程的优化目标,采用模型预设定、指标在线预报、基于模糊规则的前馈和反馈补偿方法实现了配料子过程的优化控制,采用粒子群算法实现了调槽子过程的优化控制,从而最终实现了生料浆制备过程的优化控制.工业应用的结果表明了所提出方法的有效性.     

基于数据的湿法冶金全流程操作量优化设定补偿方法

湿法冶金过程具有反应机理复杂、工艺流程长、工序众多等特点,由于模型误差等因素,基于模型得到的生产过程最优工作点不是实际生产过程的最优工作点.如何保持湿法冶金生产流程运行在经济效益最优的状态成为生产优化控制的难点.本文提出了一种基于数据的湿法冶金过程操作量优化设定补偿方法.该方法在基于模型得到的最优工作点基础上,采用即时学习（Just-in-time learning,JITL）的思想,在当前工作点附近利用历史数据建立操作量补偿值和经济效益增量的相关模型,优化求解在当前工作点下,使经济效益增量最大化的操作量补偿值,施加到生产流程,并在新工作点进行迭代补偿.将所提出的方法仿真应用于某精炼厂的湿法冶金生产流程,仿真结果验证了所提出方法的有效性.     

基于GMM的多模态过程模态识别与过程监测

多模态复杂过程的多变量、多工序、变量时变性以及模态转换时间不确定等多种原因, 导致面向多模态生产过程的监测问题十分复杂. 对此, 基于高斯混合模型的监测方法, 结合定性知识和定量知识, 解决了多模态过程监测中离线数据模态划分、稳定模态和过渡模态的监测模型建立以及在线数据的模态识别等关键问题, 最终实现了对多模态过程的监测.     

基于可拓集的信息安全风险评估

针对信息安全风险评估中风险要素关系复杂、评价因素难以准确度量的问题,以威胁为中心组织风险要素、建立风险评估模型并实现基于可拓集的风险评价方法。此模型应用资产、弱点和控制措施对威胁发生可能性和后果进行评估,并呈现系统风险的层次结构。基于此模型,可拓集方法将评价因素的定性表达区间化并利用区间关联函数实现定性向定量的转化,然后根据定量的风险关联度向量对系统风险做出定性的判决,从而实现系统风险的定性与定量相结合的评估。具体的实例分析表明了此方法的可行性和有效性。     

基于分层分块结构的流程工业过程运行状态评价及非优原因追溯

过程运行状态评价是指在安全生产的前提下,对过程运行性能优劣程度做出评判,并对非优运行状态追溯原因,以指导操作人员进行生产调整.针对含不确定性的流程工业过程运行状态评价问题,本文提出分层分块评价结构.同时,考虑到实际生产过程中大量存在的不确定性信息,采用粗糙集对每个子模型进行建模,建立过程变量、工艺指标与综合评价指标间的关系.最后,将所提方法应用于一个金湿法冶金过程中,验证所提方法有效性.     

草酸钴合成过程批次间自适应优化

本文以钴湿法冶金过程草酸钴合成为背景,研究基于多向偏最小二乘回归(MPLS)模型的草酸钴平均粒度批次间自适应优化策略.本文首先利用MPLS方法建立草酸钴平均粒度的数据模型;针对模型不确定性情况下难以获得最优操作变量的问题,提出利用批次间修正项自适应优化方法,使迭代优化结果逐渐趋向于实际最优值;本文还通过引入T2统计量软约束将优化结果限制在数据模型的有效区间之内.数值仿真表明该方法可以有效解决草酸钴合成过程的批次间自适应优化问题,且与传统两步方法和迭代学习控制相比具有更好的优化效果.     

基于模糊操作模式的砷盐除钴过程操作参数协同优化

针对湿法炼锌砷盐除钴过程工况变化频繁和操作参数之间具有强耦合关系,导致操作参数优化困难的问题,提出了一种基于模糊操作模式的操作参数协同优化方法.根据大量的砷盐除钴工业运行数据,提炼初始操作模式库,根据入口工况参数,采用模糊匹配方法检索出相似操作模式,在操作模式重用时综合考虑系统参数缓慢变化和资源消耗的特点,然后采用灰色模糊最小二乘支持向量机（Least squares support vector machine,LSSVM）评估操作模式重用后的操作参数的可行性,并根据评估结果采用模糊专家规则修正操作参数.在工况发生变化时,系统能自动优化设定操作参数.工业验证结果表明,本文提出的操作参数协同优化方法保证了生产稳定,可有效提高净化后溶液中钴离子浓度的合格率和降低锌粉的消耗.     

基于可拓集的软件工程安全监理的研究

针对软件工程的信息安全监理中各风险因子间的关联性及评价因素难以精确度量的问题,将可拓集方法与软件工程中信息风险因子结合,建立风险评估模型并实现基于可拓集的安全监理方法.基于该监理模型,可拓集方法将评价因素的定性表达区间化并利用区间关联函数实现定性定量的转化,从而实现风险的定性与定量相结合的评估,达到更好的监理效果.     

金氰化浸出过程实时优化

本文以某湿法冶炼厂金氰化浸出过程为背景,建立了动态机理模型,为提高模型参数辨识精度,提出了基于Tikhonov正则化思想利用含噪声的浓度测量数据估计动力学反应速度的策略.为减小模型与实际过程不匹配对实时优化结果的影响,提出了基于对数–线性闸–罚函数和输出反馈的直接输入自适应方法,加入闸–罚函数后,该方法可以解决含有不等式约束的优化问题,将其应用到金氰化浸出过程实时优化中,仿真结果表明在输出测量值无噪声时,该方法能很快地局部收敛到实际过程的最优设定点;而当测量噪声较小或对目标函数影响较小时,该方法也显示出了优越的性能,而且只需要过程标称模型和实际输出,不需要求实际过程数据梯度,受测量噪声影响较小,更易于实际实施,这为湿法冶金全流程优化控制的顺利实施奠定了重要基础.     

D-FNN based soft-sensor modeling and migration reconfiguration of polymerizing process

A soft-sensor modeling method based on dynamic fuzzy neural network (D-FNN) is proposed for forecasting the key technology indicator convention velocity of vinyl chloride monomer (VCM) in the polyvinylchloride (PVC) polymerizing process. Based on the problem complexity and precision demand, D-FNN model can be constructed combining the system prior knowledge. Firstly, kernel principal component analysis (KPCA) method is adopted to select the auxiliary variables of soft-sensing model in order to reduce the model dimensionality. Then a hybrid structure and parameters learning algorithm of D-FNN is proposed to achieve the favorable approximation performance, which includes the rule extraction principles, the classification learning strategy, the precedent parameters arrangements, the rule trimming technology based on error descendent ratio and the consequent parameters decision based on extended Kalman filter (EKF). The proposed soft-sensor model can automatically determine if the fuzzy rules are generated/eliminated or not so as to realize the nonlinear mapping between input and output variables of the discussed soft-sensor model. Model migration method is adopted to realize the on-line adaptive revision and reconfiguration of soft-sensor model. In the end, simulation results show that the proposed model can significantly enhance the predictive accuracy and robustness of the technical-and-economic indexes and satisfy the real-time control requirements of PVC polymerizing production process.     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.