基于神经网络的炼油厂常压蒸馏350℃含量预测

常压塔四线350℃馏出含量是炼油厂常压蒸馏生产过程的重要质量指标,它与常压炉出口温度等多个变量之间存在严重的非线性关系,而且无法实时在线用仪表直接测量。论文提出了基于RBF神经网络的常四350℃含量预报模型,并用计算机软测量方式,对中石化广州分公司常压蒸馏装置(一)的实际数据进行模型验证研究。实验结果表明,该方法速度快,对实际生产具有指导意义。     

基于混合模型的Kappa值软测量研究与应用

由于技术和工艺原因，制浆蒸煮过程纸浆Kappa值难于在线测量，而纸浆Kappa值又是蒸煮过程的一个重要质量指标，需要严格控制。在纸浆蒸煮Kappa值软测量技术的研究与应用中，发现基于经验模型的预测精度仍须进一步提高，本文分析了精度不够高的可能原因，提出了利用过程工况特征信息来进行经验模型残差补偿的方法，并给出了这种混合模型的结构框图，对于混合模型的校正，同时采用长期校正和短期校正两种机制。然后针对制浆蒸煮过程纸浆Kappa值软测量建模，分析了两种残差补偿模型的建模方法。最后，以某造纸厂化浆车间的130组样本数据为对象进行分析，证明了该方法的有效性。     

紧急停车系统组态探讨

紧急停车系统ESD(Emergency Shutdown Device)是90年代发展起来的一种专用的安全保护设备。结合茂名石化紧急停车系统的应用实际,着重介绍了紧急停车系统组态的主要内容、技术细节及注意事项。     

紧急停车系统ESD在加氢裂化装置中的应用

针对茂名石化加氢裂化装置原来的ESD系统存在的问题,应用TRICON系统对其进行了改造,本文重点介绍TRICON系统的硬件组态、逻辑编程、人机界面组态和系统调试等各方面的技术实现。实际应用表明,TRICON系统全面克服了旧系统中存在的各种缺点,确保了装置的安全运行。     

应用粒子群优化分配WSN多目标跟踪节点任务

针对WSN多目标跟踪时传感器节点任务分配竞争冲突问题,提出一种基于最近邻的离散粒子群优化节点跟踪任务分配算法.通过构建多目标多传感器节点联盟协同跟踪任务分配问题的数学模型和目标函数,采用最近邻法对粒子群节点任务分配进行初始化,以目标函数作为适应值函数指引粒子飞行,快速实现节点优化分配.实验表明:在节点覆盖较稀疏情况下,粒子群优化节点任务分配方法与最近邻方法相比,能耗大大减少,并能有效解决多目标跟踪节点任务分配冲突问题和多个监测联盟对传感器资源竞争冲突时系统能耗增加的问题.PSO算法对于实际环境的WSN多目标跟踪具有优越性.     

粗集神经网络及其在齿轮箱故障识别中的应用

为有效解决故障诊断中的故障识别问题,提出了一种以强耦合方式进行集成的粗集-神经网络的故障识别方法.该方法通过粗糙集对获得的故障属性进行降维预处理并获取粗集规则,再以所得的粗集规则与BP神经网络进行强耦合对故障进行识别.对该方法以齿轮箱故障识别进行了仿真实验,与BP神经网络的识别效果进行对比,结果表明了粗集神经网络在训练速度、测试精度方面的有效性.     

污水处理过程的控制与优化

污水生化处理是利用微生物清除污水中有机污染物的一种有效方法,是当前处理工业有机污水和城市生活污水的主要手段。本文就污水生化处理过程的控制与优化方面论述了目前国内外技术的发展概况,指出了国内在技术方面存在的问题和提出今后的研究方向与具体研究内容。     

基于形态特征的数据流聚类方法研究

在聚类过程中为保留数据的重要形态与趋势特征,提出一种基于形态特征的数据流聚类方法。在初始化阶段提取重要特征点表示序列分段,在在线更新阶段使用部分动态时间弯曲方法计算子序列距离,基于动态滑动窗口思想保证多条数据流中数据的同步,在用户触发聚类阶段提出数据流聚类方法。通过对仿真数据和实际股票数据的分析结果表明,在参数设置合理的情况下,该方法可以获得接近0.95的聚类演化精度。     

基于独立成分分析和回归分析的人脸识别方法研究

传统的二维人脸识别方法的识别效果受人脸图像由于光照、表情、视角和饰物等的影响（统称为特殊人脸）很大。独立成分分析能有效地提取人脸特征,且所提取的特征具有高阶不相关性。回归分析具有良好的线性相关性分析能力。提出了基于独立成分分析和回归分析相结合的人脸识别方法,实验结果表明,与传统的主分量分析算法与K-最近邻分类器结合的人脸识别方法相比,该方法对特殊人脸图像的识别具有相当的优势。     

间歇制浆蒸煮终点预测方法

在分析常用蒸煮模型的基础上,提出了基于神经网络的制浆蒸煮过程建模方法,与BP神经网络相比,RBF神经网络具有最佳逼近能力、收敛速率快和不存在局部极小点等,因而选用了RBF神经网络作为建模工具。在决定RBF神经网络的输入和输出变量时,充分利用了现场可测量的物理量和制浆蒸煮过程知识、其输入变量比常用蒸煮模型增加了硫化度和木片合格率,其输出变量有用实际过程测量所需的终点H因子的对数,这样就减少了RBF神经网络的规模,提高了训练速度。对工厂的实际数据应用表明,该RBF神经网络模型的预测精度高于传统的Hatton模型。