自适应递推核学习及在橡胶混炼过程在线质量预报的工业应用

实时测取混炼胶门尼粘度是橡胶和轮胎厂十分关心和亟待解决的问题. 采用两阶段递推核学习建模方法, 按配方快速建立橡胶混炼过程门尼粘度的预报模型, 并对模型进行递推更新以适应过程的快速变化. 结合混炼过程的特点, 提出一种适合门尼粘度的性能指标, 并推导了采用快速留一交叉验证法对核学习模型参数进行自适应选择, 避免人为选取参数的片面性. 所研发的先进密炼信息集成与控制系统已在国内多家大型橡胶和轮胎厂上线应用. 门尼粘度实时预报的工业应用结果表明了其实用和有效性, 对橡胶混炼过程具有重要的现实和经济意义.     

基于国Ⅳ标准的便携式汽车尾气分析仪的设计

基于GB 18352.3-2005(国IV标准)设计了一种便携式智能汽车尾气分析仪。该分析仪以ARM微控制器为核心,具有实时检测与动态显示、支持燃烧分析与故障诊断、操作简单及携带方便等一系列特点。实现了国IV标准的各种型式核准,模糊分类方法支持对发动机的燃烧情况分析和故障诊断。试验结果表明:系统具有优良的分析性能。     

融合FDA-PCMC样本分类的KPCA故障检测新算法

针对处理实际工业过程中提取的建模样本不纯而导致故障检测失效的问题,提出一种新的融合Fisher判别分析-可能性C-均值聚类(FDA-PCMC)的核主元分析(KPCA)故障检测算法.通过FDA特征提取、初分类和PCMC聚类相结合的方代来实现建模样本的有效分类和提纯,然后使用KPCA进行实时故障检测.对Tennessee Eastman(TE)过程的仿真研宄结果表明了该算法的可行性和有效性.     

无线传感器网络异步任务集双效节能延迟调度算法研究

深亚微米技术的发展,使得漏电功耗在CMOS电路总功耗中所占比重日益增大,传统的传感器节点CPU节能研究主要针对动态功耗,其能耗估计和优化方法已凸显局限.针对此问题,提出动态电压调节(DVS)和动态功耗管理(DPM)相结合的双效节能延迟调度算法.从相对截止期小于等于周期的异步实时任务调度出发,结合DVS技术,综合考虑动态功耗和漏电功耗的影响,在满足任务实时性的前提下,选取每个任务的CPU执行速度,以降低总能耗,并通过任务的延迟调度对CPU空闲时段加以合并,采用DPM方法使CPU在空闲时段有选择性的进入低功耗状态,从而进一步降低漏电能耗.仿真实验验证了该算法的有效性.     

基于多项式核的稀疏核学习单步预测控制算法及其应用

提出一种基于稀疏核学习辨识模型的单步预测控制（sparse kernel learning one-step-ahead predictive control,SKL-OPC）框架,并推导了该框架下采用多项式核的一种控制算法。该算法在求取最优控制律时可将调节变量从目标函数分离出来,并最终转化为求解一奇数次代数方程根的问题。因此无需复杂的非线性优化技术,且克服了基于二次多项式核辨识模型不准确造成控制算法失效的缺点。在一非线性连续搅拌反应釜的控制研究表明了该方法的有效性和优越性。     

用于发酵过程在线建模的自适应局部最小二乘支持向量机回归方法

提出一种基于自适应局部学习的最小二乘支持向量机回归（LSSVR）在线建模方法。考虑样本间的距离和角度信息以获得更全面合理的相似样本集,推导了采用快速留一法在线优化模型参数的准则,并给出了发酵过程在线自适应模型选择的策略。以链激酶流加发酵过程为例,验证了所提出算法能够从过程的第2批次开始,同时对活性菌体浓度和链激酶浓度进行较准确的在线预报,较普通的局部LSSVR等建模方法具有更高的预报精度和自适应性。     

一种基于经验增强的实时优化方法MEO

根据实时优化问题的特点,提出了一种实时优化方法——MEO(mnemonic enhancement optimization),它是一种高效的基于经验增强的实时优化方法。设计了MEO框架及其具体实现步骤,基于Aspen Plus平台开发了MEO通用代理服务器系统。结合Aspen Plus OOMF 脚本语言与AOS NLP/NLA接口混合编程实施了MEO通用代理服务器系统。并应用脱丙烷塔和脱丁烷塔的联塔系统及大规模乙烯分离系统进行测试,结果显示相比于传统方法,MEO不但具有很好的实时性和收敛性,而且具有很好的鲁棒性和开放性,为实时操作优化的进行奠定了基础。     

Hammerstein系统递推辨识的自适应算法

采用最小二乘支持向量回归对Hammerstein系统进行辨识缺乏稀疏性,且模型不易递推.提出一种基于输出预报误差的Hammerstein模型自适应稀疏递推辨识算法.根据分块矩阵对模型进行递推运算,基于系统输出预报误差的结果,自适应调整算法的辨识步骤,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性.仿真结果表明,与常规的递推算法相比,该自适应算法能够在保证辨识精度的情况下,有效稀疏和简化模型,提高算法的鲁棒性和辨识效率,更加符合系统在线辨识的需要.     

三维荧光光谱的多维偏最小二乘建模方法

将偏最小二乘方法（PLS）推广到高维的多维偏最小二乘方法（N-PLS）由于同时考虑自变量矩阵和应变量矩阵的信息,可以有效解决高维数据的建模问题,并具有较好的模型预测和推广能力。本文研究了三维荧光光谱的多维偏最小二乘建模方法,根据样本序列、激发光谱、发射光谱构造出三维立体数据,并应用N-PLS建立校正模型。对水中的有机污染物浓度综合指标COD、TOC的建模实验,表明了在建模精度方面N-PLS方法优越于常规PLS和平行因子法。     

基于收敛深度控制的多元混合非线性规划算法

随着对象模型描述的系统性和完整性的提高,过程优化问题的复杂程度逐步增加,对优化算法的性能提出了更高的要求。现有的非线性规划算法在求解性能上各有优劣,本文提出了一种基于收敛深度控制的多元混合非线性规划算法,将各个非线性规划算法视为元算法,利用收敛深度来控制这些元算法之间的相互协作,更好地发挥元算法各自的优势,从而提高求解大规模复杂优化问题的能力。采用空分系统的数据校正问题以及脱丙烷塔和脱丁烷塔联塔系统的优化问题对多元混合算法进行了测试,数值结果表明相比各个单独的非线性规划算法而言,多元混合算法具有更好的求解性能。