浅谈人工神经网络在化工质量控制中的应用

人工神经网络因其具有较强处理不确定性或高度非线性控制对象的能力,被广泛应用于化学领域。文章综述了人工神经网络的原理及分类,并以化工质量控制的三个阶段为基础,对人工神经网络在各阶段的应用进行了探讨。     

钢轨超窄间隙焊接直坡口中心线的图像识别方法

在钢轨超窄间隙焊接过程中,坡口中心线识别的准确性是影响焊接质量的关键。由于坡口窄而深的结构特点以及钢轨表面易受干扰,采集的焊接图像目标轮廓模糊、背景复杂,影响坡口位置准确的识别。因此,采用激光为辅助光源,提出了一种基于激光视觉技术的钢轨超窄间隙焊接的坡口中心线的图像识别方法。应用直线斜率估计方法确定坡口位置激光线,通过扫描和投影操作,并采用灰度跳跃和交叉检测方法提取坡口中心线。通过实验进行验证,以上方法能够准确地识别直坡口中心线,而且计算量小、耗时短,满足实际需要。     

罐式批次成品汽油调和配方集成建模方法

考虑罐式批次成品汽油调和过程中罐底余油对产品质量指标的影响,本文提出了一种基于改进多核模糊C均值（multi-kernel fuzzy C-means,MKFCM）与极端梯度提升树（extreme gradient boosting,XGBoost）集成的成品汽油调和的通用配方建模方法。该方法首先考虑各调和组分的差异性,提出一种自适应核参数计算方法对MKFCM改进,并将其用于罐底油聚类分析,旨在最大程度划分出性质相近的罐底油批次类型;在此基础上择优选用XGBoost算法,以各批次罐底余油的组分比例和产品预期质量指标作为输入,建立各批次子配方模型;在配方生成时,基于改进MKFCM求得当前罐底余油的隶属度向量,并以此为权值对子配方模型进行加权融合,最终以多模型集成的方式得到了成品汽油调和的通用配方。经使用某企业实际工业数据进行实验分析,结果表明,较单一模型或未改进MKFCM的集成模型,基于改进MKFCM-XGBoost的多模型集成配方,预测精度和泛化能力均更优,更适合罐式批次成品汽油调和过程。     

基于切片反射采样的风电并网系统可用输电能力概率风险评估

如何全面地考虑风电功率的波动性和随机性,提高风电场出力概率分布采样的速度及精度,进而有效评估可用输电能力(ATC)成为亟待解决的问题。为此,提出基于切片反射采样(RSS)的改进方法对风电并网系统的ATC进行概率风险评估。对风电场出力进行优化建模,利用RSS对模型进行采样并构建样本空间,将样本值代入潮流方程进行最优潮流计算,并对ATC评估指标进行统计分析。含有风电场模型的IEEE 30节点系统仿真结果表明,与常规Gibbs采样算法相比,所提方法在确保计算效率的同时显著提高了采样方法的准确度。