多工况大规模工业过程模型参数估计

在对工业过程进行建模时,模型规模庞大,现场运行工况点较多。构造全联立参数估计模型,模型规模随着工况数的增加成倍扩大,在初值较差的情况下,求解收敛性差。针对此问题,本文提出1种目标序贯式参数估计方法,按照特定规则分批调整目标,逐步添加约束,使得目标分批逼近设定值,最后在新的初值基础上求解联立参数估计优化命题。本文以PTA氧化反应工段模型为例,对其反应动力学常数进行参数估计,结果表明,目标序贯式参数估计收敛性强。     

遗传算法在列车运行控制模型中的应用

针对轨道交通列车节约能耗、节省时间和提高舒适度等因素之间的冲突问题,建立了以工况转换点为求解目标的多约束条件下列车运行优化控制模型,并提出了弯道优行法的列车通行原则,优化了弯道运行策略.对模型进行分析,应用遗传算法对该问题进行求解,最后采用MATLAB软件进行仿真验证.仿真结果表明,该模型方法能够有效的优化列车运行模式,在运行时间只延长11.96%的情况下,能耗降低了33.27%,并保证了乘客的舒适度,最终得到了比较理想的运行策略.     

CBiA-PSL抽油井异常工况预警模型

油田生产过程中,油井受各种因素的影响容易发生泵漏、管漏等异常工况,会降低油井产出甚至导致躺井,对异常工况预警是油田智能化管理的重要任务.基于CNN-BiGRU联合网络,提出一种改进的网络结构CBiA-PSL模型(CNN BiGRU attention-positive sharing loss),用于油井异常工况预警....     

带有工况中心修正的多模型在线建模

针对运行工况频繁波动、单一模型难以描述过程特性的问题,提出了带有工况中心修正的多模型在线建模方案,包括工况识别机制、局部模型、多模型合成机制.工况识别机制根据工况特征变量分析工况范围,由相近度修正工况中心;局部模型采用Hammerstein模型,非线性增益由带有稳定学习算法的小波神经网络建立,线性模型由带控制量的自回归模型(ARX)建立;多模型合成机制采用加权求和方法.在线修正工况中心可反映工况的时间变化特性,参数稳定学习算法改善了模型精度和自适应能力.采用此方法建立污水处理过程化学需氧量(COD)软测量模型,结果表明,模型在工况大范围变化时仍具有满意预测效果.     

基于混合PCA模型的多工况过程监控方法

传统的多变量统计过程监控方法一般都假设过程只运行在一个稳定工况下,但很多实际工业过程往往具有多工况特征.针对这一问题,提出一种基于混合PCA模型的多工况过程监控方法.将混合高斯模型和PCA相结合,用改进的EM算法估计模型的工况数以及各工况的分布参数和主元数,并构建归一化的统计量实现对多工况过程的监控.TE过程的仿真研究表明,所提出的方法相对传统PCA方法能更精确地估计各工况的统计特性,从而更准确及时地检测出多工况过程的各种故障.     

基于神经网络的凝汽器变工况模型北大核心

汽轮发电机组冷端系统运行优化问题中,因凝汽器设备运行一段时间后污染结垢及设备老化而性能改变,传统的凝汽器变工况特性模型计算值与实际值偏差较大,影响优化效果。针对上述问题,以600MW汽轮机组凝汽器为研究对象,在大型历史数据集的基础上,采用BP神经网络建立了该机组凝汽器变工况特性模型,仿真结果表明机组背压的预测计算结果与实际数据误差在4.5%之内,大部分误差不超2.0%。基于上述模型对凝汽器变工况特性进行了计算及敏感性分析,结果表明机组背压对循环冷却水进口水温变化最为敏感,其次是负荷率变化,最后是循环水流量变化;在机组高负荷率和入口冷却水温较高时,增加循环水流量降低机组背压效果更加明显。     

ADCSM:一种细粒度汽车行驶工况模型构建方法

汽车行驶工况体现了汽车道路行驶的运动学特征,现有的行驶工况构建方法往往存在着构建粒度不细、精度不高的问题.为了解决工况构建的粒度和精度问题,提出了一种细粒度汽车行驶工况模型构建方法(Construction method of Automobile Driving Cycles based on SOM and Markov model,ADCSM).首先行驶数据进行Daubechies-4阶小波分析降噪,划分短行程,对短行程提取了10个特征,将短行程特征输入SOM神经网络,然后聚类到(1?3)神经网络中,得到聚类结果序列,并建立了马尔可夫模型,最终通过ADCSM算法完成工况构建.对所构建的工况进行了验证,并将所得工况与传统的K-means聚类构建方法的结果进行了比较分析.实验结果表明,ADCSM最终误差为4.07％,而传统的K-means误差为8.77％,ADCSM利用了SOM神经网络聚类的方法,比传统K-means方法聚类精度更高,并具备了工况自学习能力.ADCSM利用马尔可夫模型方法体现了城市行驶状况的转换关系,与传统K-means行驶工况构建方法相比粒度更细,故合成的行驶工况效果更好,更能反映城市特征.     

工业过程多模型建模及辨识方法研究

针对实际的工业过程建模中存在的多工况和采样延时这两大重要数据特征,首先利用LPV模型拟合多工况过程,选取线性ARX模型作为LPV的局部模型;同时将采样延时和数据的工况归属作为EM算法的隐含变量,然后对极大似然函数进行求解,辨识出各局部模型的参数;最后采用高斯权重函数将局部ARX模型融合为整体LPV模型。采用连续搅拌反应釜和三级高纯度精馏塔作为数据采样延时情形下的多工况过程建模仿真实例,在建立过程模型的同时准确地估计数据的采样延时。仿真结果表明该方法具有良好的建模效果,对于处理数据采样延时的多工况工业过程建模问题具有非常实用的价值。     

机立窑水泥煅烧控制系统的研制

１引言机立窑水泥煅烧过程化学反应复杂，热工参数离散，是一类非线性、多变量、大滞后及强干扰的复杂系统，所以难测、难控、难于获得确定的数学模型，也无法用经典与现代控制理论进行有效的控制。目前国内还没有与之相适应的批量控制装置，国外进口的同类装置价格又较昂...     

基于ECAMTL模型的小样本变工况轴承故障诊断

为解决小样本变工况轴承故障诊断中故障诊断模型参数多且泛化性能弱、故障诊断率低、诊断速度慢的问题，提出了将高效通道注意力(Efficient Channel Attention, ECA)机制与元迁移学习(Meta Transfer Learning, MTL)相结合的在线故障诊断方法。首先，将不同工况的原始振动信号转化为二维灰度图像，采用改进后的残差网络作为特征提取器进行特征提取。在不提升模型复杂度的情况下，增强了模型对重要特征的关注度，增强了模型的特征提取能力。之后，将提取到的特征与现场数据结合进行元训练，获得训练参数。最后，在元测试阶段，利用不同工况的元学习任务对模型进行微调，实现在线变工况轴承故障诊断。对比实验验证了本文方法的有效性和泛化能力。     

基于超图正则化的域适应偏最小二乘多工况软测量模型

针对流程工业中, 因多工况导致数据分布变化引起传统软测量模型预测性能恶化问题, 本文提出一种基于 超图正则化的域适应多工况软测量回归模型框架. 首先, 采用非线性迭代偏最小二乘回归算法为基模型, 在潜变量 空间利用历史工况数据重构当前工况数据, 以增强工况间的相关性, 有效减小数据分布差异; 同时, 对重构系数施加 低秩稀疏约束, 保留了数据的局部和全局子空间结构; 其次, 通过超图拉普拉斯正则项对域适应潜变量求解过程进 行约束, 避免在寻找潜变量过程中破坏数据结构. 最后, 利用交替方向乘子法优化求解模型参数. 在多个数据集上 的实验表明, 本文方法在多工况环境下可有效提高软测量模型的预测精度和泛化性能.     

立窑水泥煅烧的微机模糊控制

本文介绍了微机模糊控制在立窑水泥煅烧中的应用，运行结果表明这种控制具有很好的鲁棒性，获得了满意的控制效果。     

单片机温度自动测控系统在调整立窑偏火中的应用

在立窑熟料烧成过程中,窑内的偏火现象是难以避免的.这不仅严重影响熟料的质量,而且因偏火导致窑情不稳,极易造成炼边、结块、架窑甚至喷窑事故.传统的调整偏火,靠人工观察,采取减风,不均匀布料,拔大块等方法.不但费力,不安全,而且因为人为     

矿用液压支架综合工况评价模型研究

针对现有液压支架监测系统未实现液压支架综合工况全面监测和评价的问题,建立了液压支架综合工况评价模型。通过安装于支架顶梁、前连杆、底座上的姿态传感器得到顶梁与水平面夹角、前连杆与水平面夹角、底座与水平面夹角,结合评价模型计算采高、立柱总长度、平衡油缸总长度,综合分析液压支架姿态和受力状态,实现对支架支护工况的综合评价。     

一种基于多工况识别的过程在线监测方法

在包含多个工况的工业生产过程中,各个稳态工况之间存在着一定的过渡过程,虽然过渡时间较短,但其复杂的动态特性使得传统的过程监测方法难以获得满意的效果,为此提出一种基于多工况识别的过程监测方法.首先,通过窗口切割对基本稳态工况进行识别;然后,采用滑动窗技术确定过渡过程的起始和结束时间,并进一步基于差分分段技术对过渡过程的子阶段进行分类,考虑到各阶段数据的不同分布特性,利用独立成分分析和主元分析分别提取各阶段数据的非高斯和高斯信息;最后根据贝叶斯推断将3个统计量进行重构, 实现多工况过程的在线监测.通过TE过程的仿真研究,验证了所提出方法的可行性和有效性.     

基于图像随机分布模型的电熔镁炉工况识别

电熔镁炉制备电熔镁砂的工艺过程中,会交替出现正常熔炼、加料和欠烧等多种不同工况,其中,欠烧工况分辨难度最大且最为关键.目前,欠烧工况的识别主要依靠人工经验完成,这种方式的准确性取决于人的经验水平和生理状态,且工人劳动强度大,存在容易漏检误检的问题.对此,依据不同工况下炉口火焰图像中具有的动态特征,提出一种基于B样条(B-spline)动态网络动态特性的工况识别技术.首先,建立炉口火焰的线性动态系统模型来刻画系统的动态特性;然后,设计基于子空间主要角度的核函数来度量火焰动态模型相似度.对比实验表明,所设计的基于B-spline动态网络动态特性的工况识别技术具有更好的分类精度和更高的效率.