数据校正在焦化碳一过程中的应用

化工生产过程中，开展测量数据的误差侦破与校正方法的研究具有十分重要的意义。针对焦化碳一过程中测量变量的稳态数据校正，采用残差检验方法进行数据协调和过失误差的识别、侦破，通过两层次变换进行数据分类，从而消除了已有算法中出现奇异矩阵的情况。校正后的变量满足物料和元素平衡要求，误差侦破的结果为仪表故障的排除等提供了参考依据；数据校正则提高了生产效率。     

MT-GLR在甲醇工厂数据协调中的应用

对用于过失误差侦破的MT-GLR联合算法进行了研究.改进后的算法利用MT法和GLR法联合确定可能含有过失误差的集合,综合利用这两种方法,使侦破所有过失误差的可能性大大增加.给出了该算法的设计思想及实施步骤,基于该算法并以甲醇工艺过程为背景,设计了一套实时数据协调和校正软件.该软件在某大型甲醇工厂中投入在线运行,在数据校正及过失误差侦破方面获得了良好的效果.     

基于改进PCA的软测量数据过失误差侦破

为提高软测量的模型精度,剔除建模数据中的过失误差,提出采用Bagging-PCA方法进行误差侦破。利用Bagging算法的集成思想,改善单变量大误差对经典PCA的影响,提高算法稳定性,实现数据的过失误差侦破。用该方法对丙烯浓度的软测量进行过失误差侦破,取得了良好的效果。     

广义似然比过失误差侦破方法的改进及应用研究

准确可靠的测量数据是工业过程优化和控制的重要前提,实际过程中由于过失误差的存在导致测量数据不准确,而传统的过失误差侦破方法常会出现过失误差分摊到其他测量数据上的现象.本文在研究广义似然比法(GLR法)过失误若侦破的原理及步骤的基础上,对GLR法的检验统计量进行改进,提出了2个变量同步侦破补偿的两两同步侦破法,即每次同时用2个变量计算检验统计量,并对相埘调节量大的测量数据进行补偿.两两同步侦破法与GLR法的实例考核结果表明,在相同显著性水平下,两两同步侦破法的总体检验能力和选择性比GLR法高,且犯第1类错误的概率比GLR法小.因此新方法提高了过失误差侦破率,降低了犯第1类错误的概率,能有效地对过失误差进行侦破和识别,且同步补偿后得到的补偿值更准确,有利于获得较为准确的过程数据.     

时间序列分析法用于常减压炼油装置测量数据校正

提高常减压炼油装置过程数据校正精度的有效手段是增加测量数据的冗余。通过对影响测量数据校正的因素进行分析，建立了时序平均值模型，提出了使用时间序列分析法来增加数据校正过程时间冗余的新方法，可在不增加测量点的前提下改善校正数据精度。采用常减压炼油生产装置的实际测量数据，对时间序列分析法的过失误差侦破能力、数据校正精度受时域值、过失误差大小的影响等进行了研究，探讨了时序法的可行性和实用性。结果表明，时序法可以快速有效地用于该装置的实时测量数据校正。     

数据校正技术在能源经营计量系统中的应用

基于矩阵分解方法对过程变量进行分类,提出了一种广泛适用的数据协调算法。总结了GT(global test)和GLR(generalized likelihood ratio)算法,提出了一种基于顺序补偿原理的多过失误差侦破算法,实现对复杂工艺流程中存在的多个过失误差进行高效定位和准确补偿。通过数据协调和过失误差侦破,成功地解决了能源经营计量网络中能源供求不平衡等问题,并且对仪表故障诊断提供了重要的指导意义。     

基于鲁棒估计的动态数据校正方法

针对目前动态数据校正方法存在的缺陷，本文在以前的工作基础上把基于鲁棒估计原理构造的鲁棒估计函数用于含异常点类型的过失误差的数据校正，Monte Carlo模拟结果及对TE问题的校正计算结果表明，这种基于鲁棒估计的过换误差侦破和数据协调同步方法可以在得到协调数据的同时很准确的侦破和识别出测量数据中所含的过失误差，具有较强的优越性。     

基于神经网络的多过失误差侦破方法的研究

基于神经网络的过失误差侦破方法具有简单、计算量小和适于在线应用的优点，并且相对于传统方法具有处理非线性问题能力较强的特点。但是在侦破多过失误差时，现有的直接侦破法和序列侦破法的侦破率较低。针对这一情况，本文提出了将神经网络和测量数据检验法相结合的侦破多过失误差的新方法，该方法首先利用神经网络较强的鲁棒性和容错能力对数据进行处理，然后再进行过失误差侦破。实例研究表明，这种方法能够有效地提高多过失误差共存时的侦破能力。     

软测量技术的数据预处理方法研究

针对软测量技术在线实施时的数据预处理问题，提出了基于聚类分析的过失误差侦破方法。该方法不需过程的先验知识和假设，直接面向数据，可十分方便地在线实现。将该方法与滑动平均滤波算法相结合，可以有效处理过程测量数据的过失误差和随机误差，从而提高软仪表估计的精度。在二元精馏塔底产品组分浓度软测量仪表在线进行的仿真中，应用该方法进行数据预处理，使进入软测量模型的过程数据更接近真实值，取得了很好的效果。     

基于“3σ法则”的显著误差检测

由于测量或传感器等其他原因造成测量数据中可能存在显著误差,直接进行数据校正会导致显著误差的扩散,影响数据校正结果的可靠性和准确性,因此在数据校正前,需要侦破识别并剔除含有显著误差的测量数据。现有的显著误差检测方法并不能完全识别显著误差,而且只能对有限的显著误差(小于等于3个)具有一定的检测效果,本文提出基于概率统计(3σ法则)的检测方法,识别效果优异,对3个以上的误差具有良好的侦破效果,并且采用显著误差同步补偿的方法,有效避免奇异矩阵的出现。     

Apriori算法在红外光谱数据挖掘中的应用

简要地介绍了在大规模数据库中挖掘关联规则的Apriori算法 ,给出了红外光谱数据库知识发现的空间表示方法 ,并根据红外光谱数据挖掘的特点改进了Apriori算法中支持度的计算与频繁集的确定过程 ,运用统计方法把挖掘结果形成可视的特征谱带 -化学基团规则式 ,通过具体的挖掘事例对挖掘结果进行分析与评价。挖掘出的规则式和波谱分析理论比较结果证明了挖掘结果的正确性 ,说明改进过的Apriori算法挖掘红外光谱数据库的有效性     

NURBS自由曲线曲面数据优化压缩方法

针对基于NURBS方法描述的自由曲线曲面模型,本文给出了一种基于控制点坐标差分数据的NURBS自由曲面的数据优化压缩复原方法。该方法以权因子为基础,利用离散余弦变换,对控制顶点坐标分量的差分值矩阵进行变换,然后进行量化压缩处理,在有效压缩数据的同时使传送的压缩数据中携带了压缩复原数据的累积误差。最后,通过对压缩复原图像与原始图像进行比较,说明了该数据优化压缩方法的有效性。     

超声波传感器在电动轮椅车上的应用研究

根据超声波测距原理,提出一种基于超声测距技术的电动轮椅车检测障碍物、避障的新方法.设计了超声波测距的发射、接收电路,测量数据经单片机用改进的算法处理校正后误差很小,获得较高的精度,可以达到cm级,完全满足室内电动轮椅车行驶时检测障碍物的要求.此种测距方法简单实用,在电动轮椅车上的应用也易于实现,具有一定的应用价值.     

基于覆盖的构造性学习算法SLA及在股票预测中的应用

覆盖算法是神经网络学习算法中的一个十分有效的方法，它克服了基于搜索机制的学习方法和规划学习方法计算复杂性高，难以用于处理海量数据的不足，为神经网络提供一个构造性的学习方法，但该方法是建立在所有训练样本都是精确的假设上的，未考虑到所讨论的数据具有不精确的情况，若直接将该方法应用于数据不精确情况，所得到效果不理想．主要讨论数据具有不精确情况下的时间序列的预测问题，为此将原有的覆盖算法进行改进，引入“覆盖强度”和“拒识样本”的概念，并结合这些新概念给出相应的覆盖学习算法(简称SLA)，最后将SLA算法，应用于金融股市的预测，具体应用到以上(海)证(券)综合指数构成的时间序列的预测，取得了较好的结果，这表明了SLA方法的可行性和应用前景。     

A Short Cut to Optimal Sequences

We propose a method of developing efficient programs for finding the optimal sequence, such as the maximum valued one among those that are acceptable. We introduce a method of deriving efficient algorithms from naive enumerate-and-choose-style ones. Our method is based on shortcut fusion, which is a program transformation for eliminating intermediate data structures passed between functions, and a set of auxiliary transformations. As an implementation of our method, we introduce a library for finding optimal sequences. The library consists of proposed transformations, together with functions useful to describe desirable sequences, so that naive enumerate-and-choose-style programs will be automatically improved.     

An improved synthesis method for multilayered neural networks usingqualitative knowledge

An improved synthesis method for the multilayered neural network (NN) as function approximator is proposed. The method offers a translation mechanism that maps the qualitative knowledge into a multilayered NN structure. Qualitative knowledge is expressed in the form of representative points, which can be linguistically described as, `when x is around x_i, then y_i is around y'. Synthesis equations for the translation mechanism are provided. After the direct synthesis of the initial NN, the NN is tuned by backpropagation (BP), using the training data. The direct synthesis decreases the burden on BP and contributes to improved learning efficiency, accuracy, and stability. It is demonstrated that the translation mechanism is also useful for incremental modeling, i.e., increasing the number of neurons, or representative points, based on the results of BP     

Three-dimensional forward and inverse models for gravity fields based on the Fast Fourier Transform

We present two improved Fortran programs for gravity forward modeling that computes the gravity effect caused by an anomalous density structure, and for gravity inverse modeling to determine the subsurface density contrast from observed gravity anomalies. The programs are shown to work successfully in some models and compared with other programs. A practical method is also suggested to use high frequencies in inverse modeling by suppressing amplification of error included in high frequencies. Enhancement in computational speed due to the Fast Fourier Transform method makes it straightforward and useful to apply these programs to various situations (a) in geophysical interpretations that require extensive data processing of large datasets, including a wide range of density contrasts and depths, and (b) in joint studies with other geophysical approaches such as the seismic method.     

多源遥感影像融合在太湖蓝藻监测中的应用

基于空间分辨率分别为1 100 m和500 m的NOAA/AVHRR和EOS/MODIS遥感数据,考虑遥感影像区域内各像素之间的区域特征,设计了基于小波分析的区域能量融合方法(REFS_wt),低频小波系数采用平均值而高频系数采用区域能量法,并与基于像素灰度值的区域能量法(REFS_pl)进行融合性能比较,结果表明REFS_wt法的融合性能明显优于REFS_pl。将此方法应用于太湖蓝藻监测,将空间分辨率较低的AVHRR影像蓝藻水华信息与较高分辨率的MODIS影像融合,得到较高分辨率的太湖蓝藻水华遥感监测图,融合图像信息量和清晰度都有所提高。     

Ant colony clustering analysis based intelligent fault diagnosis method and its application to rotating machinery

Fault diagnosis is crucial to improve reliability and performance of machinery. Effective feature extraction and clustering analysis can mine useful information from large amounts of raw data and facilitate fault diagnosis. This paper presents a novel intelligent fault diagnosis method based on ant colony clustering analysis. Vibration signals acquired from equipment are decomposed by wavelet packet transform, after which sub-bands of signals are clustered by ant colony algorithm, and each cluster as a set of data is analyzed from pattern of frequency band perspective for selecting intrinsic features reflecting operation condition of equipment, and thus fault diagnosis model is established to combine the extracted major features with given fault prototypes from historical data. The classification process for fault diagnosis is carried out using Euclidean nearness degree based on the established model. Furthermore, an improved ant colony clustering algorithm is proposed to adjust comparison probability dynamically and detect outliers. When compared with other clustering algorithms, the algorithm has higher convergence speed to meet requirements of real-time analysis as well as further improvement of accuracy. Finally, effectiveness and feasibility of the proposed method is verified by vibration signals acquired from a rotor test bed.     

基于模糊神经网络的道路交叉口交通控制方法

提出了一种基于模糊神经网络的道路交叉口交通控制方法，分别把关键车流信息和非关键车流信息作为控制输入，采用两级控制器结构，综合形成控制策略。仿真结果表明，与传统的定时控制方法和只考虑关键车流的情形相比，所提出的两级神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进。