基于 Bagging 半监督深度森林回归的 二噁英排放浓度软测量

城市固废焚烧(MSWI)过程产生的副产品之一是被称为“世纪之毒”的二噁英(DXN),受限于其排放浓度检测技术难度以及时间与经济成本等因素,难以获得足量的有标记样本用于构建DXN排放浓度软测量模型。为有效利用现场控制系统采集的大量无标记样本,同时解决传统浅层学习模型泛化性能较差的问题,提出了基于Bagging半监督深度森林回归(DFR)的DXN排放浓度软测量方法。首先,基于Bagging机制以重采样原始标记数据集的方式获得多个训练子集,并构建具有差异性的多个随机森林(RF)模型;接着,将RF模型迭代更新、近邻集合选择和性能评估策略相结合用于获得高置信度伪标记样本;最后,基于伪标记和原始标记样本集构建DFR模型。采用北京某MSWI电厂的实际DXN检测数据验证了所提方法的有效性,结果表明,该方法的预测稳定性较好,其训练、验证和测试集的均方根误差分别为0.015 50、0.020 23和0.019 73。     

基于多源数据特征融合的球磨机负荷软测量

针对磨矿过程球磨机负荷(ML)难以实时检测,生产中主要依靠人工经验判断负荷状态的难题,依据磨机筒体振动、振声、电流等信号与磨机负荷间存在相关性、信息互补与冗余的现象,提出基于多源数据特征融合的球磨机负荷软测量新方法.该方法由时域滤波、时频转换、特征提取、特征选择及软测量模型5部分组成.采用快速傅里叶变换(FFT)将滤波后的筒体振动及振声时域信号转换成频域信号,根据研磨机理将频域信号划分为低、中、高3个频段,采用核主元分析(KPCA)分别提取各个频段的非线性特征,选择振动、振声频域特征与电流时域特征的融合信号作为模型输入,建立基于最小二乘支持向量机(LSSVM)的磨机负荷软测量模型.实验结果表明,该方法与基于主元分析-最小二乘支持向量机(PCA-LSSVM)方法和单传感器方法相比,磨机负荷参数预测精度较高.     

基于选择性集成核学习算法的固废焚烧过程二噁英排放浓度软测量

城市固废焚烧(MSWI)过程排放的二噁英 (DXN)是被称为“世纪之毒”的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测。针对这些问题，提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法。首先，基于先验知识给出候选核参数集和候选惩罚参数集，采用核学习算法构建基于这些超参数的候选子子模型；然后，耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并，进而得到基于不同核参数的候选SEN子模型集合；最后，再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型。采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性。     

小型核容器锻件制造工艺研究

上海重型机器厂生产核电站压力容器锻件已有20多年的历史，曾用电渣重熔方法研制和生产了秦山一期300MW核电站的蒸发器和稳压器锻件。90年代以来，先后用电炉钢生产了三套稳压器锻件，两套为728工程动力设备综合试验装置，其要求与728工程相似[1]；第三套为出口创汇产品，完全采用美国标准[2]。这三套装置都较小，缎件直径不超过1500mm，单重不超过12t，不宜采用大型电渣锭，必须采用经过精炼的电炉锭。因此，需要通过科研和试制，探索一种与秦山一期工程截然不同的锻件生产方法。1制造工艺1．1冶炼在300MW核电锻件生产过程中，主要采用E…     

2013年百色市饮用水溶解性总固体等指标的检测结果分析

目的：了解百色市饮用水中溶解性总固体、总硬度、pH和部分金属类指标情况,为改善饮水卫生提供科学依据。方法对2013年百色市289个农村小型集中式供水工程的检测结果进行汇总分析。结果采集检测了1155份水样的溶解性总固体、总硬度,两者合格率均为100.00%,地下水的溶解性总固体明显高于地表水（P＝0.013）。检测了1153份水样的pH值,合格率为99.91%,pH＞7的碱性水样占96.18%。各类金属指标检测水样份数为210～1153份,其中镉、铬、铅、汞、铝、铜的合格率均为100.00%,铁、锰、锌的合格率分别为99.91%、99.74%、99.05%。结论百色市饮用水中溶解性总固体、总硬度与pH值比较理想,大多数为碱性水,有利于人体健康。金属类指标中铁、锰、锌等指标有超标现象,应该引起改水等部门的重视。     

基于潜在特征选择性集成建模的二噁英排放浓度软测量

二噁英(Dioxin,DXN)是导致城市固废焚烧(Municipal solid waste incineration,MSWI)建厂存在"邻避现象"的主要原因之一.工业现场多采用离线化验手段检测DXN浓度,难以满足污染物减排控制的需求.针对上述问题,本文提出了基于潜在特征选择性集成(Selective ensembl...     

河道护坡草坪喷播技术的应用

传统的草坪建植,主要依靠人工铺栽草块或直接播种来实现,由于河道护坡坡度较大,土壤疏松且未经雨季冲刷及沉降,若采用人工栽植或直播不仅工期太长,且坡面播种难度大,播种者在坡面上难以站立,作业很困难,播种质量无法保证.     

基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测

城市固废焚烧(municipal solid waste incineration,MSWI)过程排放被称为"世纪之毒"的二噁英(dioxins,DXN)类化合物.工业现场多采用长周期、高成本的离线方式检测DXN排放浓度,这导致用于构建其预测模型的样本数量极为稀缺.针对上述问题,提出基于虚拟样本优化选择的MSWI过程DXN排放浓度预测建模策略和相应建模方法.首先,在对原始小样本数据进行离群点剔除、输入输出匹配等预处理的基础上,结合过程特性和机理知识进行特征选择以获得约简小样本.其次,基于领域专家知识和整体趋势扩散技术对约简小样本的输入/输出域进行扩展.然后,基于机理知识和插值算法生成虚拟样本输入,再基于约简小样本构建的映射模型获得虚拟样本输出,并结合扩展的输入/输出域对其进行删减以获得候选虚拟样本.接着,基于粒子群优化(particle swarm optimization,PSO)算法对候选虚拟样本进行优选.最后,采用优选虚拟样本与约简训练样本组成的混合样本构建预测模型.结合某焚烧厂的DXN数据验证了所提方法的有效性.     

基于CEEMDAN-GPR的球磨机负荷软测量

为对球磨机软测量方法中的测量结果精度实时估计,同时改善软测量信号分解中的模态混叠问题,本文提出了一种新的基于自适应噪声完备集合经验模态分解、高斯混合模型与高斯过程的球磨机负荷软测量方法,核心思想是使用改进CEEMDAN-GMM方法将球磨机振声和振动时域信号分解为一系列的本征模态函数并分类,由高斯过程回归给出预测值。相较于其他软测量方法,完全集合经验模态分解可以很大程度上避免经验模态分解带来的模态混叠影响,高斯混合模型可以通过设定概率阈值的方法在特征聚类的同时识别异常信号,高斯过程回归不但可以给出基于数据驱动的预测值,还能给出相应的置信区间,并据此向操作人员发出异常预警。实验证明,相较于其他软测量方法,本方法在球磨机负荷参数软测量精度、异常检测等方面均有一定的改进。