基于集成迁移学习的机械钻速预测

在钻井过程中, 钻速是指机械钻头破岩加深钻口的速度, 是反映钻井效率的一个重要指标. 近年来机器学习方法被应用于机械钻速预测, 然而实践中发现这些方法应用于新油田时, 预测精度显著下降, 主要原因是新油田可供学习训练的数据通常很少甚至完全缺失. 因此提升针对新油田的机械钻速预测性能是一个有待解决的问题. 针对该问题, 本文提出了一种基于迁移学习的跨油田机械钻速预测方法, 构建了一种带物理约束的集成迁移回归模型预测新油田的机械钻速. 在真实钻井数据集上的实验表明, 本文提出的机械钻速预测方法是有效的, 预测精度也显著优于目前主流的同类方法.     

基于Netgen的层状地质体四面体网格划分方法

为解决三维地质建模中难以表达层状地质体内部属性的问题,将有限元网格划分方法应用于层状地质体建模中,研究基于Netgen进行层状地质体四面体网格划分的方法.以地质钻探数据为数据源,按照钻孔数据分层构建三维表面模型,用三角面片的集合构成封闭的包围壳来描述层状地质体的外部形状;结合Netgen强大的几何自适应和细部划分控制功能,用四面体网格划分方法对形成的三维表面模型进行空间区域划分,从而实现对复杂形状的层状地质体三维模型构建,并分析Netgen的输入、输出数据结构和地质钻探数据到STL格式的三维模型数据、STL格式数据到Netgen网格划分结果数据的生成过程.某矿区多个岩层的模型构建证明该方法稳定、可靠且有效.     

A new methodology for optimization and prediction of rate of penetration during drilling operations

Predictive models have been widely used in different engineering fields, as well as in petroleum engineering. Due to the development of high-performance computer systems, the accuracy and complexity of predictive models have been increased significantly. One of the common methods for prediction is artificial neural network (ANN). ANN models in combination with optimization algorithms provide a powerful and fast tool for the prediction and optimization of processes which take a large amount of time if they are simulated using common simulation technics. In the present paper, to predict penetration rate during drilling process, several ANN models were developed based on the data obtained from drilling of a gas well located in south of Iran. Regarding the R2 and RMSE values of the developed models, the best model was selected for prediction of penetration rate. In the next step, artificial bee colony algorithm was used for optimization of the parameters which are effective on rate of penetration (ROP). Results showed that the model is accurate enough for being used in the prediction and optimization of ROP in drilling operations.     

基于并行子空间优化的企业命名实体识别

针对企业命名实体的识别任务的过程复杂、学科交叉、实时性差等难点,提出了一种基于并行子空间优化的方法.首先,建立系统的目标-约束方程完成系统级优化;其次,再通过构建文字检测、文字识别两级模型,并考虑现存不同模型的优缺点进行模型选择的方法对涉及学科进行并行优化;随后,再使用图像阈值、灰度化、霍夫变换等算法构建两级模型的衔接;最后,通过仿真实验,验证了本文方法相比其他两级文字检测识别模型的识别准确率提高了9％,推理速度提升约20％.     

求解包含复杂关联约束的JSSP 的二级嵌套混合算法

作业车间调度问题(JSSP)包含“设备分配”和“工序排序” 2 个相互耦合的子问题,目 前的研究主要集中于工序串行的小规模问题。如果工序之间还存在并行、甚至嵌套等复杂关联 约束,则可行域性状非常复杂,当规模较大时,甚至难以求得可行解。针对以上难点问题,在 分别发挥遗传算法求解“分配问题”和蚁群算法求解“排序问题”的优势基础上,提出了二级嵌套 模型及其基本思路。通过一系列改进策略,如：基于工序的整数编码策略、基于设备类型的多 节点交叉策略、设备类别区间内基因互换的变异策略、基于逆向遍历的可行路径形成策略、基 于最短加工时间的信息素播洒与更新策略等等,构造了集成遗传算法与蚁群算法于同一循环体 的二级嵌套混合算法。针对中等规模问题,分别采用遗传算法、蚁群算法、二级嵌套蚁群算法、 遗传算法与蚁群算法相结合的二级嵌套混合算法,进行了对比试验研究。结果验证了所提算法 的可靠性和优越性,为求解包含复杂关联约束的JSSP 提供了新思路和新方法。     

A two-level delimitative and combinatorial algorithm for discrete optimization of structures

In this paper, a two-level delimitative and combinatorial algorithm for a kind of (0,1,2) programming is proposed and applied to discrete optimization of structures. The algorithm generates all combinations in a certain order of magnitude of the function of the objective by using a two-level generating method and eliminates the majority of infeasible or nonoptimum combinations by using a two-level delimitative algorithm, so that computational efficiency is greater. Additionally, a (0,1,2) programming model of discrete structural optimization is established and the local optimum solution can be obtained by using this algorithm, thus it provides a method to judge whether or not the approximate optimum solution obtained by the heuristic algorithm is a local optimum solution.     

基于数据子空间PLS建模技术的热轧轧制力优化设定

针对机理模型难以刻画的热轧精轧生产过程, 采用基于数据子空间的偏最小二乘方法建立热轧轧制力数据模型, 并构建轧制力优化模型, 利用改进的粒子群优化算法对优化模型计算求解. 结果表明, 使用数据驱动方法建立的轧制力数据模型能够揭示精轧过程轧制力的机理规律, 可以替代机理模型在实际系统中的应用. 通过对整体优化模型的求解, 可以提高热轧精轧产品的质量, 降低能源消耗, 表明基于数据驱动的建模和优化方法在实际生产中具有较大的应用价值.

     

铅锌烧结过程质量产量的智能集成优化控制

针对铅锌烧结过程具有大滞后、多约束的特点,建立烧结块质量产量神经网络预测模型和优化控制模型,提出一种融合聚类搜索粗优化和混沌遗传细优化的智能集成优化控制方法.首先采用模糊聚类算法进行优化样本查询,所得结果作为问题的次优解;然后采用最优保存对简单遗传混沌算法进行二次优化,求取问题的最优解;最后对智能集成方法进行实际验证,系统运行结果表明.该方法较好地实现了高产、优质的生产目标.并且具有全局收敛性和工业有效性,为解决复杂工业过程的优化控制问题提供了一种有效、实用的新思路.     

定向钻具姿态的双线性补偿控制策略

在地质钻进过程中,钻具运动具有复杂非线性特性,因而很难有效实现钻具姿态的控制.对此,提出一种面向定向钻具姿态的双线性补偿控制策略,以实现对非线性钻具运动的准确控制.首先,通过分析定向钻具运动特性,建立定向钻具的运动模型,针对运动模型存在非线性和耦合特性,利用泰勒展开法和双线性逼近变换技术对钻具运动模型进行变换;然后,运用双线性补偿控制思想扩展局部线性控制范围和优化控制效果.仿真结果表明,所提出的控制策略能够简化定向钻具控制过程,提高定向钻具控制的准确性,具有较好的稳定性.     

端边云协同的复杂工业过程运行控制智能系统

针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.     

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.     

考虑能见度影响的公路隧道照明动态优化与智能控制

为解决不同能见度影响下公路隧道实际路面亮度变化过大以及由此引起的行车安全与能源虚耗问题, 本文提出了一种能够改善公路隧道照明环境的动态优化与智能控制方法. 首先, 通过对不同时空条件下的公路隧道进行现场试验和数据分析, 得到了隧道内能见度的变化规律; 其次, 在公路隧道传统照明设计的基础上考虑能见度对照明环境的影响, 建立了基于隧道内能见度、交通量、车速、路面亮度和照明亮度的按需照明与动态优化模型;随后, 以不同地区公路隧道的实测数据为样本, 结合划分出的公路隧道典型照明场景和模糊径向基神经网络算法构建了公路隧道照明智能控制模型, 最后, 通过仿真实验验证了所构建模型的有效性, 其结果表明, 本文所提出的优化控制方法能够在保证隧道照明安全性的前提下兼顾节能性.     

A hybrid intelligent model for order allocation planning in make-to-order manufacturing

This paper investigated a multi-objective order allocation planning problem in make-to-order manufacturing with the consideration of various real-world production features. A novel hybrid intelligent optimization model, integrating a multi-objective memetic optimization (MOMO) process, a Monte Carlo simulation technique and a heuristic pruning technique, is developed to tackle this problem. The MOMO process, combining a NSGA-II optimization process with a tabu search, is proposed to provide Pareto optimal solutions. Extensive experiments based on industrial data are conducted to validate the proposed model. Results show that (1) the proposed model can effectively solve the investigated problem by providing effective production decision-making solutions; (2) the MOMO process has better capability of seeking global optimum than an NSGA-II-based optimization process and an industrial method.     

卫星装备试验鉴定数据质量评价技术及实现

以卫星试验鉴定工作开展为实际应用需求,针对卫星装备试验鉴定数据多源、多样等特点,为保证试验鉴定数据质量,提出了一种二级数据质量评价技术,重塑试验鉴定数据质量评价流程,并通过初检-数据质量筛选评价对既定卫星装备数据完整性、准确性、一致性、冗余性、有效性和及时性等阈值性指标进行首轮质量评价及筛选;在此基础上,进一步围绕卫星装备试验鉴定数据实际特性构建数据质量评价指标体系,利用多因素模糊推理下的层次分析法完成数据质量复检;在完成技术研究的基础上,以实际某型号卫星试验鉴定任务数据为例进行分析,分析结果表明所提出的技术方法切实可行,二级数据质量评价能为卫星装备性能试验、作战试验、在役考核等不同阶段的试验鉴定任务开展提供保障.     

Implement intelligent dynamic analysis of bottom-hole pressure with naive Bayesian models

During the drilling process, measured bottom-hole pressure data were prone to distortion and even no data are fed back, besides, the bottom-hole pressure calculation model could not reflect the live measured values. As a consequence, inaccurate bottom-hole pressure monitoring would bring enormous safety risks to drilling operations. Data mining was an advanced method used to sort out, discover and set up models from large relevant data sets. In the monitoring of bottom-hole pressures, it was necessary to conduct an effective and overall monitoring during the drilling process. Therefore, this paper proposed the k-means clustering method to optimize Naive Bayesian models in combination with the bottom-hole pressure monitoring theory, a k-means clustering optimized Naive Bayesian model for implementation of intelligent dynamic analysis of bottom-hole pressure was established. Such model could be utilized for correcting bottom-hole pressures calculated by the traditional hydraulic model, and then the corrections were taken for comparison with measured bottom-hole pressures so as to make calculations be of minimal errors. Field data were also taken for analysis, and the results suggested that the k-means based Naive Bayesian models for correction to calculated bottom-hole pressures had smaller deviations which fell within safe deviation monitoring range of drilling pressures, and could meet the requirements of normal drilling operation.

     

Data-driven modeling of product crystal size distribution and optimal input design for batch cooling crystallization processes

In this paper, a novel data-driven model building method is proposed for predicting one-dimensional product crystal size distribution (CSD) or chord length distribution (CLD) of batch cooling crystallization processes, based on only batch run data. The proposed model relating the manipulated variable of cooling rate to the product CSD are constructed by two classes of basis functions, one is the wavelet basis function for reshaping the CSD and the other is the polynomial basis function for weighting the chosen wavelet basis functions to reflect the nonlinear relationship between the input and the density of individual crystal size among the product crystals. Correspondingly, a double-layer least-squares algorithm is established to estimate the model parameters, along with an adaptive strategy to determine the location and number of wavelet basis functions. By introducing an objective function that combines the information entropy of product CSD and the sample deviation of product crystals in each batch with respect to the target crystal size, the optimal input design of cooling rate for the desired product CSD is carried out by using a particle swarm optimization (PSO) algorithm to solve the non-convex optimization problem with the established CSD model. Simulation tests on the hen-egg-white lysozyme crystallization process along with experiments on the L-glutamic acid cooling crystallization process are performed to demonstrate the effectiveness and advantage of the proposed method.     

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.     

铅锌烧结配料过程的智能集成建模与综合优化方法

以铅锌烧结配料过程为背景, 针对传统配料方法中存在的成本高和准确率低的问题, 提出一种智能集成建模与综合优化方法. 首先, 在建立过程神经网络模型和改进灰色系统预测模型的基础上, 利用信息论中熵值的概念, 提出一种既可保证预测精度又能满足配料计算对数据完备性要求的烧结块成分集成预测模型; 其次, 以成本最小为目标建立烧结配料优化模型, 采用基于专家推理策略和改进免疫遗传算法的定性定量综合集成方法, 实现烧结配料的优化. 仿真结果验证了该方法的有效性.     

基于有限信息的铜吹炼动态过程智能集成建模

针对具有强动态变化特征但过程信息有限可知的铜转炉吹炼过程, 提出一种基于有限数据信息的吹炼动态过程智能集成建模方法. 依据冶金反应动力学原理, 建立了描述吹炼过程反应体系变化的非线性动力学模型; 引入动力学系数修正因子, 基于有限的数据信息和龙格–库塔公式, 构建了动力学系数修正因子的优化模型; 结合智能决策生成的典型样本集, 提出了基于微粒群算法和模式搜索法的混合智能算法确保有效获得最优修正因子, 最 终形成吹炼过程的动态模型. 用实际生产数据仿真实验, 模型预测的最大相对误差小于5%, 仿真结果验证了模型有效性.     

智能优化算法及其在打浆优化中的应用

提出了一种遗传算法与神经网络技术相结合的智能优化算法,实现打浆过程的优化控制;首先针对打浆过程中系统的非线性、工艺参数间关系的不确定性,对打浆过程采用神经网络建立输入与输出之间的非线性模型,再利用遗传算法对控制参数寻求决策变量优化求解;通过改进遗传算法的交叉、变异算子等,使算法在优化过程中能有效地保持种群的多样性,防止种群过早收敛、局部收敛的现象,以实现打浆全局最优控制;实践表明,该智能优化算法,在满足打浆前后性能指标的同时明显降低了打浆能耗,是解决过程控制优化问题的可行之路。