焦炉煤气原位整体式干法样气处理系统研究与实践

焦炉煤气样气处理系统是在线分析样气处理系统的技术制高点之一,焦炉煤气中的焦油、萘等有害污染物的处理非常困难,至今都未能完全解决。本研究提出的焦炉煤气原位整体式干法样气处理系统,能够很好适应焦炉煤气含尘量高,焦油和萘污染严重的特殊样气条件,具有体积小、免维护、零排放和响应快速的优点。采用该样气处理系统组合构建的焦炉煤气干法防爆氧分析系统已进入工程应用考核阶段。本设计的原位处理和原位分析,由于是干法样气处理技术,能够实现氧含量的高准确度在线分析,对安全生产有特殊的重要意义。     

基于ANSYS的压力机曲轴的有限元分析

通过对曲轴刚度进行理论计算与用ANSYS分析得到的结果比较,得出两者结果基本一致,说明有限元分析的正确性。对曲轴进行了模态分析,得到曲轴的前5阶固有频率,由分析结果知曲轴结构强度安全可靠,工作频率远低于曲轴的各阶固有频率,所以曲轴因振动引起破坏的可能性很小。研究分析结果为冲床的优化设计提供了有价值的理论依据。     

大型卷板机上梁的模态分析与结构优化设计

在保证大型卷板机上梁结构力学特性的前提下,对上梁结构进行了简化,建立了有限元模型。通过对该有限元模型进行自由模态分析,得到上梁的各阶模态频率和振型,为动态设计提供了参考。对不合理结构进行优化设计,以提高上梁本身的固有频率,使上梁结构刚度更趋合理。总结提出提高结构模态频率和振型的措施。     

基于ICA_FNN的软传感器建模过程原始特征选择

针对软传感器建模过程中辅助变量通常是多因素的混杂信号,在原始特征空间很难进行原始特征约简的问题,提出一种结合独立成分分析(ICA)和虚假最近邻点法(FNN)的原始特征选择法.利用独立成分分析法(ICA)将原始特征空间的混杂信号映射到新的独立特征子空间；然后再利用FNN计算每个原始特征剔除前后在独立特征子空间里的相似性测度,进而判断它对主导变量的影响能力,由此选择出原始特征.仿真结果表明,该方法具有优秀的原始特征选择能力.因此,该研究为选择出软传感器模型的原始特征提供了新方法.     

一种基于存储器地址映射的二维模糊控制器

针对各种智能控制算法实现环节烦琐、计算量大、实时性较差的问题,提出一种基于存储器地址映射网络的硬件与算法融合型二维模糊控制器实现方案.首先建立模糊控制器的输出和其输入误差和误差变化率之间的映射关系,然后离线计算控制输出量直接存储在存储器中,以误差和误差变换率作为地址,在控制时序脉冲的作用下,通过地址映射以在线查表的方式直接输出控制量控制被控对象.最后设计了该模糊控制器的硬件电路并进行了实验研究.实验结果表明这种控制器实现方案是可行的,具有良好的控制品质,且该控制器不需要CPU,系统开发不用编写任何程序,因而具有电路结构简单、成本低、实时性好、应用简便等优点.     

基于监督保局子空间虚假近邻准则的原始特征选择

提出一种基于监督保局投影(SLPP)与虚假最近邻(FNN)准则的原始特征选择方法。该方法首先将非线性原始数据映射到监督保局子空间,消除样本数据输入变量之间的相关性;然后,利用虚假近邻点方法计算剔除每个原始特征前后输入样本在监督保局子空间里的相似性测度,获得每个原始特征对类别变量不同程度的解释力;最后,从全特征开始逐步剔除解释能力弱的特征进而获得多组特征子集,并建立最近邻分类器,识别率最高且含特征数最少的特征子集即为最优特征子集。采用合成数据对该方法进行了仿真验证,结果表明,该方法可获得与数据集本质分类特征吻合的最佳特征子集。将该方法应用于选择真实的低阻油气层特征,获得的最佳特征子集比全特征集合的特征数量减少了50%以上,分类识别率高出8%。结果显示该方法具有优秀的原始特征选择能力,是一种有效的非线性特征选择方法。     

工业加热炉温度系统的智能控制策略

混沌现象的主要特征之一是初始条件稍有不同,随着时间的变化其行为差异极大,其结果是杂乱无章变化.炉温系统因其复杂性存在混沌现象,因此是难于控制的对象,但混沌并不等同于无序;整体稳定,局部不稳定;混沌和有序并存.本文用智能控制技术克服了用传统PID难于控制的炉温混沌现象.系统仿真与实际运行效果表明,智能控制是克服混沌现象的一种有效方法.     

仿人智能橡胶制品的精密硫化控制

分析了橡胶制品硫化成型的对象特性，选择了硫化成型过程控制策略，研究了控制算法及其工程应用。研究结果表明，选择仿人智能控制作为硫化成型过程的控制策略时，可实现速度快、精度高的控制，且具有极强的鲁棒性。     

基于遗传优化的PCA-SVM控制图模式识别

针对SVM和PCA-SVM进行质量控制图模式识别时泛化能力不足和识别精度不高的问题,提出一种基于遗传优化的PCA-SVM控制图模式识别方法。该方法的基本思想是首先基于特征子空间降维方法,运用PCA算法对原始特征样本进行主元分析,有效降低原始特征样本维数并突出聚类,提取各模式之间的主元特征;然后把此特征看成遗传算法中一组染色体,对支持向量机分类器核参数和惩罚因子进行二进制编码,通过对随机产生的一组染色体进行模式识别,并将此识别率作为遗传算法的适应度函数,通过选择、交叉和变异操作,对其参数进行自适应寻优;最后用优化的支持向量机分类器进行控制图模式识别。通过仿真进行验证,结果显示基于遗传优化的PCA-SVM分类器模型的控制图模式泛化能力强、识别精度高,可适用于生产现场质量控制。     

基于CW-HCA联合指标的高含硫天然气净化过程故障监测

高含硫天然气(HSG)净化过程复杂,导致安全开发风险极高。因此保障净化系统可靠运行、实现过程安全生产具有重要意义。对于类似化工过程,在独立成分分析(ICA)方法基础上,高阶累积量分析(HCA)用样本三阶累积量代替均值方差构造统计指标大大提高了检测率。然而,HCA构造独立分量空间指标时未考虑不同独立分量间重要性差异,这可能致使监测结果经样本高阶累积后出现一定程度的偏差。同时,采用多指标监测策略可能出现指标间监测结果相互冲突问题。为此,提出一种基于贡献度加权高阶累积量分析(CW-HCA)联合指标的故障监测方法。该方法根据独立分量的贡献度对样本的三阶累积量进行加权;再将加权后的指标与残差空间指标联合获得联合指标,实现监测。TE以及HSG净化过程的实验结果表明,所提算法相比ICA算法、HCA算法具有有效性和优越性。