基于神经网络的常压塔柴油凝点软测量的研究与应用

研究某炼油厂常压塔三线柴油凝点的软测量建模问题,分析过程变量对柴油凝点的影响。基于在线分析仪6min采样数据,利用前向网络和时延前向网络(TDNN)分别建立了三线柴油凝点的静态软测量模型和动态软测量模型,并结合在线分析仪对模型实现了在线修正。通过两种模型的仿真和在线实施效果,表明基于神经网络的软测量模型取得了较好的应用效果,而且动态模型的实施效果优于静态模型。     

ZW多产品间歇过程调度及在线调整

针对多产品间歇过程调度提出了分层递阶的Petri网建模方法，利用赋时Petri和Petri网的简化技术描述不同层次的生产问题，具有很强的模型描述能力。另外，在调度决策层可以方便地集成优化策略和在线调整算法，使问题求解更加灵活。     

熟料槽式输送机系统远程巡检的设计与应用

远程巡检是依托图像采集、网络通信、自动化、智能化等技术的持续进步，将视频监控、在线监测、智能巡检设备、智能化平台等多项技术，融入巡检作业流程中，实现对现场设备全方位、多维度远程监测。文章以南方某水泥厂熟料槽式输送机系统远程巡检为试点开展实践，利用远程巡检平台对现场设备精细掌控，现场巡检人员辅助监测核实，两种巡检模式互相印证、充分融合，初步形成了熟料槽式输送机系统远程巡检的新方法，也为水泥行业巡检工作提供了新的技术平台和管理思路。     

在线分析仪表水封结构的改进

原在线分析仪表的水封工作时,存在样气串气、带尘、带液现象,造成在线分析仪器的腐蚀并影响仪表指示,致使分析结果不准确或出现故障。水封结构改进后,在线分析系统的稳定性、可靠性大为提高。     

基于Flash 3D的在线虚拟漫游系统设计与实现

对目前虚拟漫游系统的瓶颈进行分析,提出并实现了一个基于Flash 3D的、优化了的在线虚拟旅游系统。系统对三维场景文件包括模型文件、材质文件及其构建步骤进行优化,并在实现了对多种媒体元素支持的基础上,设计了独创的热点系统,实现对三维场景按需进行加载和展示,以及游客在场景中的互动漫游。系统测试结果表明,该设计方案优化效果显著,系统性能得到了极大的提升。     

基于情感计算的商品评论分析系统

针对电子商务中的商品评论信息过载问题,运用情感计算理论,通过挖掘商品评论信息中的商品特征及相应的情感褒贬态度,为消费者提供一个商品特征粒度上的情感分析结果,从而帮助消费者从庞杂的商品评论中快速获取有效信息。系统首先采集指定商品的评论集并挖掘商品特征,然后结合情感语料库和词汇相似度计算,利用依存关系找到特征-极性词对以及程度副词和否定词。基于以上结果,考虑程度副词的强度,以及程度副词和否定词共现语序不同造成的语义差异,提出了商品评论情感倾向程度的计算方式。最后,进行系统实现并验证算法的有效性。实验结果表明,系统具有良好的应用效果。     

网络水军识别研究

网络水军识别关键技术已成为当前数据挖掘领域最为活跃的研究之一.如何挖掘海量用户信息中潜藏的网络水军特征与行为模式,从而发现网络水军,以维护良好的网络环境,保障合理的网络秩序,已成为一项十分具有挑战性的工作.对比传统与新型网络水军识别研究,从识别特征角度对近几年内网络水军识别研究进展进行综述,对其关键技术和效用评价进行了前沿概括、比较和分析,并对网络水军识别中有待深入研究的难点和发展趋势进行了展望.     

基于特征自适应选择的鲁棒跟踪算法

为了解决真实场景下视频目标的跟踪问题,提出一种基于特征自适应选择的鲁棒跟踪算法。首先,针对在线AdaBoost算法特征池特征鲁棒性差的问题,提出一种基于颜色与金字塔梯度方向直方图特征相结合的特征池构造方式;然后,针对分类器在更新过程中容易受到错误样本影响的问题,对每帧跟踪结果增加遮挡检测环节以避免漂移现象的发生。大量的对比实验表明,在真实场景下所提出的方法具有更好的效果。     

在线用户兴趣多样性的实证研究

在线用户的群体兴趣对于分析在线社会网络以及个性化推荐至关重要。研究的目的是引入信息熵这一指标来准确度量用户兴趣的多样性。分别在电影网站MovieLens和音乐网站Last．FM数据上进行实证分析,即统计度相同的用户所选产品的信息熵值。MovieLens的结果表明,随着用户度的增加,熵值出现先上升后下降的趋势,即度小的用户和度大的用户的兴趣比较专一,而一般用户的兴趣较为多样;而Last．FM的结果表明,度小用户的兴趣非常多样,但随着用户听过的音乐数量越多,兴趣越明确。通过建立随机模型与实证结果进行比较,可以发现绝大多数用户在真实数据集上的兴趣的多样性比随机情况要大,可见用户的兴趣对用户行为模式的影响显著。     

基于噪声缩放的自适应UKF-SLAM算法

针对扩展卡尔曼滤波(EKF)算法在移动机器人同时定位和环境建模(SLAM)中的缺点,即非线性系统简单线性化所导致的系统状态方程的不准确性、雅克比矩阵的计算所导致的计算复杂化以及噪声模型不确定性所导致的滤波稳定性降低等问题,提出一种对噪声自适应的UKF-SLAM算法。该算法通过对噪声缩放进而改变噪声模型,利用观测残差序列准确估计观测噪声模型协方差,运用预测的新息协方差和IAE开窗法求其系统状态噪声缩放因子,从而准确估计系统状态噪声模型协方差,实现对不确定的噪声模型能够自适应UKF-SLAM算法。UKF的Sigma点采样策略是比例对称采样。实验结果证明,该方法相对EKF算法和UKF算法具有较高的定位精度和自适应能力。