基于多阶段动态PCA的发酵过程故障监测

针对间隙发酵过程具有多阶段、批次不等长,且过程动态非线性往往与发酵阶段密切相关等特点,提出一种基于多阶段动态主元分析(principal component analysis,PCA)的故障监测策略.该方法采用高斯混合模型(Gaussian mixture model,GMM)对过程数据进行聚类,能客观反映不同阶段操作模态的数据分布特点,可实现子阶段划分.针对各批次阶段划分后存在的不同步问题,采用动态时间错位(dynamic time warping,DTW)方法对各阶段进行轨迹同步,对同步后的子阶段建立动态PCA模型.最后以工业青霉素发酵过程和重组大肠杆菌制备白介素-2发酵过程为背景,采用多阶段动态PCA策略对其进行故障监测,发现算法能有效降低运行过程的漏报和误报率,验证了算法的有效性。     

基于MLFDA的化工过程故障模式分类方法

Fisher判别分析(FDA)是一种有效的化工过程故障模式分类方法,但是其忽视了数据局部结构信息的挖掘。针对该问题,提出一种多块局部Fisher判别分析(MLFDA)方法,以更有效地识别化工过程故障。从变量和样本两个维度来分析数据的局部结构特性。针对变量维度的局部信息挖掘问题,设计了一种基于变量与数据集主元空间的相关度的变量分块方法,将全局过程变量划分为多个局部变量块。进一步考虑到样本维度的局部结构特性,应用基于局部权重因子的局部Fisher判别分析(LFDA)为每个局部变量块构建分类器。提出一种基于分类性能加权的多分类器集成方法,以融合不同分类器的决策结果。在Tennessee Eastman过程上的仿真结果说明,MLFDA方法具有比传统的FDA和LFDA方法更低的故障误分类率。     

间歇过程子阶段PCA建模和在线监测

针对间歇过程的多阶段特性,提出一种新的子阶段主元分析(principal component analysis,PCA)监测方法.首先,将间歇过程三维数据沿时间片展开,采用模糊模式识别方法计算相邻时间片负载矩阵变量方向重心的格贴近度,以最小贴近度为原则,根据格贴近度的变化,实现子阶段的划分;然后,在划分的子阶段内采用一种先沿批次后沿变量的改进展开方式建立PCA监控模型;最后,将该算法应用于青霉素发酵仿真系统的在线监测.结果表明该方法在监控过程中能够有效降低误报和漏报.     

CPV（1）分段法在间歇过程中的应用

研究一种批次过程阶段划分方法．首先,将间歇过程数据按照批次方向展开成二维数据,某采样时刻到末采样时刻的数据构成对应于该时刻的数据段．然后对每一数据段进行主元分析,获得第一主元贡献率．最后,采用第一主元贡献率的变化来表征批次内部阶段的转变,对批次过程划分阶段．将该方法应用于青霉素仿真发酵过程,分段结果明显与实际菌体生长阶段一致．将该方法应用于实际的半导体生产过程数据中,分段结果验证了分段理论的有效性．     

基于AFSA-BPNN的MRVM模型非线性融合建模

针对化工过程强非线性和多工况的特性,提出了一种基于BP神经网络(BPNN)有效非线性融合多关联向量机(MRVM)的建模方法.首先选择不同的核函数,采用样本数据建立单一RVM子模型;然后利用BPNN的强非线性拟合能力,对各子模型的预测信息进行非线性融合,并采用人工鱼群算法(AFSA)对BPNN的初始权重和阈值进行优化;最终建立MRVM非线性融合模型.将该建模方法应用于甲醇制烯烃生产过程(MTO)乙烯收率预测研究中,研究结果表明:与单一RVM模型和最优加权组合模型相比,基于MRVM的非线性融合模型具有更佳的预测精度.     

多特征融合的相关滤波红外单目标跟踪算法

针对红外单目标跟踪问题,提出一种多特征的相关滤波目标跟踪算法。该算法融合了图像的卷积特征和差分特征,使用卷积特征和差分特征分别训练相关滤波模型。在跟踪阶段,对两种特征的相关滤波模型得到的响应图动态融合,利用动态融合的响应图来确定目标的最终位置,使用得到的目标位置分别更新相关滤波模型。在林雪平热红外数据集上进行了实验验证,与一些经典的跟踪算法进行了对比,表明该算法拥有更高的跟踪准确率。     

基于异类传感器多模型融合方法的研究

低空/超低空的突防对国土防空提出了严峻的挑战。针对融合问题中多源、不同维度和异步等特征问题,通过多个传感器有机地结合,利用多源异类传感器进行数据融合,提出了基于熵的交互式多模型的异类融合方法,并设计了两种异类传感器集中式的数据融合策略。最后通过仿真实验对比分析了两种方法。仿真结果表明采用序贯滤波的融合方法具有较好的融合性能。     

模糊C均值聚类在萃取精馏塔软测量中的应用

丁二烯萃取精馏过程中 ,副产品抽余液 (BBR)的质量 (丁二烯含量 )和很多工艺参数有关 ,工艺参数之间又是相互关联、耦合的 ,并具有噪声。应用主元分析法 (PCA)将这些工艺数据进行压缩和抽提 ,解决了工艺参数间的相关问题 ,同时去掉了一些信息量不大 ,并带来噪声的主成分。用模糊C均值聚类算法将训练集分成具有不同聚类中心的子集 ,每一子集用径向基函数 (RBF)网络进行训练来获得子模型 ,然后用模糊聚类产生的隶属度将各子模型的输出加权求和得到BBR中顺丁烯的含量 ,由顺丁烯的含量来估计丁二烯含量。结果表明 ,这种软测量算法具有较好的建模效果 ,由于采取了数据分组训练 ,大大节省了建模的训练时间 ,比单纯的基于神经网络的方法要快得多。这种方法有很好的泛化结果和预报精度 ,对工艺操作具有指导意义     

MPLS技术及在电力通信网中的应用

MPLS技术是近年来提出的一种实现IP over ATM的较好方案，就MPLS的产生背景、基本原理、框架结构，关键技术等展开叙述。MPLS的技术融合了IP技术和ATM技术的各自有点，可以保证如语音传递，视频服务、多媒体信息传输等新应用业务按各应用的特性正确予以传递，MPLS网络中数据的传输靠标签引导，标签是固定长度的，无结构的值。采用MPLS流量工程可以避免引起网络阻塞为用户提供更好的服务。该文最后针对电力系统关键业务对传送性能的要求，阐述了如何在电力通信网中利用MPLS技术传送关键业务。     

基于两阶段风险分析的水库群汛期运行水位动态控制模型

水库(群)实时调度能结合有效的水文预报信息对水库在实时运行层面权衡防洪与兴利效益具有指导意义。然而,水文预报信息的利用面临着不可规避的不确定性问题,故水库(群)实时调度运行需要考虑风险控制方法的研究。针对耦合水文预报的水库群汛期运行水位动态控制问题,提出了可考虑各水库不同预见期长度、不同预报精度的两阶段风险率计算方法,并将其应用于构建水库群汛期运行水位动态控制模型。首先,两阶段风险率思想是将未来调度时段按预见期节点分为预见期以内和预见期以外两个阶段,预见期以内考虑径流预报不确定性带来的风险,采用集合预报思想统计多组预报径流情景在预见期以内的失事概率,预见期以外考虑因预见期末水位过高难于应对后续洪水的潜在风险,根据历史设计洪水的调洪演算试算风险率。其次,基于所提出的两阶段风险率方法构建以发电量最大为目标函数的水库群汛期运行水位动态控制模型。研究结果表明：提出的两阶段风险率计算方法可兼顾考虑实时调度阶段由径流不确定性引起的预见期以内、预见期以外的潜在风险;基于两阶段风险分析构建的水库群优化调度模型,可求解得出的水库群系统库容动态最优决策过程,且该优化调度模型可在不增加汛期防洪风险的基础上提高水库群系统的发电效益,即2010年汉江流域五库系统在夏汛期可提高总发电量2.30亿kWh。     

一种基于Hartigan-Wong和Lloyd的定性平衡聚类算法

基于传统的Hartigan-Wong聚类算法会产生不平衡聚类结果的缺点,提出一种新的聚类算法Charl,这种算法会改进聚类结果的平衡性但不要求绝对平衡。 结合Lloyd算法和Hartigan-Wong算法的思想,Charl算法采用一种自适应性的动态调整策略来调整平衡程度。跟Lloyd算法一样,Charl算法以批处理的方式更新中心,所以具有计算高效的性质。在13个数据集上进行的试验表明,Charl方法不仅产生了平衡的聚类结果,并且同时得到了比Lloyd算法更低的代价函数值和更好的聚类性能(聚类准确率、归一化互信息、聚类时间等)。这种定性平衡聚类算法也明显优于严格平衡的聚类算法。     

Quality prediction and control of tube hollow

The quality prediction of tube hollow model based on the variance staged multiway partial least square (MPLS) method was proposed.The key aspects of staged decomposition of the productive data,calculation of the variance value,modeling,and on-lined prediction in the variance-staged MPLS method were introduced.Based on the model,iterative optimal control method was used for quality control of tube hollow.The experimental results show that the obvious benefits of this method are low maintenance cost,good real...     

改善式BVEDA求解多目标调度问题

针对以最小化最大完工时间、最小化最大拖期和最小化总流程时间为目标的置换流水车间调度问题(permutation flow shop scheduling problem, PFSP),基于双变量分布估计法(bi-variable estimation of distribution algorithm, BVEDA)提出改善式双变量分布估计算法(Improved BVEDA, IBVEDA)进行求解。利用BVEDA中双变量概率模型进行区块构建,根据组合概率公式进行区块竞争和区块挖掘,借用高质量的区块组合人造解,提高演化过程中解的质量;针对算法多样性较差的特点,设计在组合人造解的过程中加入派工规则最短处理时间、最长处理时间和最早交货期,将上述方法并行演化,通过top10的权重适度值总和动态调整上述方法处理的解的数量,最后利用帕累托支配筛选和保存非支配解。试验使用C++代码在Taillard标准算例上测试,IBVEDA与SPGAⅡ和BVEDA比较,并绘制解的分布图证实算法的有效性。     

沥青混合料车辙进程影响因素及预估模型研究

采用汉堡车辙试验系统进行车辙试验,分析荷载作用次数、试件厚度、温度、混合料力学性能对沥青混合料车辙进程的影响,建立了以上影响因子与车辙深度的关系,并建立了沥青混合料车辙预估模型;通过AC-13、AC-16和AC-20这3种混合料、40℃、50℃、60℃3种温度下的大量室内车辙试验数据确定了模型参数。结果表明,车辙深度与荷载作用次数呈乘幂关系增加,与温度呈指数关系增长,与混合料重复加载试验力学性能参数εp/Fn呈乘幂关系,而与试件厚度关系不显著,根据建立的车辙预估模型得到的车辙预估值与实测值误差基本不超过±10%,进而通过9条路段的车辙实际调研数据对模型参数进行了修正,得到了实际路面车辙预估模型,可以为路面混合料设计提供参考。     

浑水异重流两相流模型的比较研究

运用双流体模型(Euler Model)和相间相对速度建立在代数滑移模型基础上的混合模型(MASM),对水槽浑水异重流进行数值计算。将计算结果和实测值比较,发现Euler Model和MASM模型均能较准确地描述异重流动,但在计算得到异重流头部厚度值时,二者存在差别。依据颗粒运动规律分析,Euler Model过度强调颗粒跟随性,使得颗粒沉降速度偏大,头部厚度值偏小,MASM考虑了界面附近颗粒的扩散,与实际情况更吻合;因此,MASM更适宜浑水异重流的数值模拟。     

基于多向核熵偏最小二乘的间歇过程监测及质量预测

针对间歇过程数据的批次不等长和强非线性的特点,结合核偏最小二乘和核熵分析,提出了多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)的过程监测及质量预测方法.该方法将三维历史数据沿新的展开方式展开,克服了批次不等长和数据缺失的问题,通过核映射将过程数据从低维输入空间映射到高维特征空间,实现变量之间非线性相关关系的线性转换,解决了数据的非线性特性;根据核熵的大小将特征值和特征向量进行排序并对数据进行降维,弥补了MKPLS方法只按照数据特征值的最大化进行降维的不足.同时,引入核特征提取算法降低核空间的计算量,使其能够在线应用.数值实例和实际工业过程数据的验证效果表明:MKEPLS方法不仅能对故障进行有效监控,提高故障的报警率,同时还能对最终产品质量进行预测.     

基于免疫优化的产品系统可靠性参数区间预测方法

针对当前系统可靠性预测方法的不足,提出一种基于免疫优化的区间预测方法.构建可靠性参数预测神经网络模型,由极端学习机（ELM）算法进行训练,并以修正BFGS法对网络的左侧权值和阈值进行调整.在由该网络得到的预测点值和网络权重的基础上,根据非线性回归模型构建可靠性参数的区间预测值（PI）,PI的质量取决于网络结构和权衰减调节参数.结合PI的覆盖率和平均区间比例长度提出一种新的PI综合评价指标,以此衡量PI的质量;引入免疫优化算法优化区间预测值和网络结构,以最小化综合评价指标为成本函数,寻求决策变量,即网络隐层神经元个数和权衰减调节参数的最优值.将提出的方法和理论应用于某系列数控车床的可靠性参数平均无故障时间的预测,证明了其预测性能优于传统方法.     

分液联箱内有机工质气液分离过程数值模拟及对比研究

为获得不同工质对分液联箱内气液分离过程的影响作用,以相同的进口流量和进口干度作为对比基准开展数值模拟研究。基于VOF （Volume of Fluid）多相流模型,模拟6种工质气液分离过程,物性变量为密度、黏度和表面张力。结果表明,受液气密度比的影响,工质的气液分离状态会发生转变,R134a气液分离性能最好;而根据对工质环保性能的要求,R1234ze （E）对R134a具有良好的可替代性,并给出了其他工质提高气液分离性能的优化方向。     

基于链接的无线传感器网络簇中可信模型

通过引入社会网络中链接的概念,提出1种无线传感器网络簇中可信模型,以更有效地检测非正常节点。模型把对节点的信任分成持久信任和即时信任,在即时信任和持久信任的基础上计算每个节点的信誉,利用信誉检测非正常节点。通过实验分析了阀值的取值并将本研究模型与其他模型进行比较。实验结果表明,在检测非正常节点方面,基于链接的簇中可信模型比GTMS(group-based trust management scheme)和RFSN(reputation-based framework for sensor network)更为优秀。