基于多单元均值轨迹的氰化浸出过程浸出率预测

传统的偏最小二乘方法(partial least squares,PLS)因未对建模数据求取均值轨迹,以及没有考虑多单元生产对浸出率的综合作用,导致无法准确建立过程信息与质量变量之间的回归关系.根据高铜矿氰化浸出过程的多单元和耗时长的特点,提出一种针对连续过程的基于多单元均值轨迹的浸出率预测方法.获取建模数据的均值轨迹矩阵,在此基础上分别建立每个单元与实测浸出率的回归模型.定义输入向量与每个单元建模数据的相似度以及预测模型的权重,将各单元预测结果加权综合作为最终预测值.将该方法应用于氰化浸出过程浸出率预测,仿真结果表明,该方法体现了生产过程实际物理特性,提高了模型的解释能力,增强了预测模型的泛化性能.     

两级神经网络的故障诊断方法及其在生化过程中的应用

针对具有不能在线检测变量的生化过程 ,提出了一种两级神经网络的故障诊断方法。一级神经网络利用可检测的过程数据建立不可检测量的软测量模型 ;二级神经网络利用软测量模型的估计量进行分析、故障的诊断和分类。最后 ,将这一方法应用到了谷氨酸发酵过程的故障诊断之中 ,并给出了实验研究结果     

基于加权RBF神经网络的诺西肽发酵过程菌体浓度软测量

结合诺西肽发酵过程的实际情况,提出了基于加权RBF神经网络(weighted RBF neural network, WRBFNN)的菌体浓度软测量建模方法。在诺西肽发酵过程非结构模型的基础上,根据隐函数存在定理确定出辅助变量,从而使其选择有严格的理论依据。针对菌体浓度变化范围大这一特点,将传统RBF神经网络(RBF neural network, RBFNN)的误差函数进行了改进;然后根据每批训练样本对被预测对象的预估能力,自适应地为各个批次的训练样本分配权重,进而实施WRBFNN建模。实验结果验证了所提方法的有效性。     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.

     

改进的形态学骨架提取算法

针对由传统最大圆盘骨架提取算法提取出的骨架连通性差且无法保持一致的单像素宽度问题,提出一种改进的形态学骨架提取算法。将连通性保持与形态学运算相结合,在收缩目标提取骨架的过程中通过引入虚拟骨架点实现骨架曲线连通性保持,而单像素宽度细化及伪分支剔除等后处理过程的引入则进一步提高骨架描述目标形状及拓扑特征的能力。相关仿真研究证明了该算法的有效性。     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.     

基于两层分块GMM-PRS的流程工业过程运行状态评价

过程运行状态评价旨在实时判断运行性能优劣程度,并追溯导致非优运行状态的原因,指导操作人员进行生产调整,保证企业经济效益.因此,对过程运行性能优劣评价的研究具有重要的理论和应用价值.本文针对定量、定性变量共存的流程工业过程运行状态评价问题,提出基于两层分块混合模型的评价方法.将流程工业过程根据其物理特性和管理方向划分子块,产生子块层和全流程层.在定量信息占主导地位的子块内,建立定量的高斯混合模型（Gaussian mixture model,GMM）.在定性信息占主导地位的子块内,建立定性概率粗糙集（Probabilistic rough set,PRS）模型.综合各子块运行状态信息,进一步判定全流程运行状态等级.针对非优运行状态等级,本文提出基于贡献率的非优原因追溯方法,在非优子块内进行原因追溯.最后,将所提方法应用于某黄金湿法冶炼生产过程,说明所提方法的可行性和有效性.     

基于分层分块结构的流程工业过程运行状态评价及非优原因追溯

过程运行状态评价是指在安全生产的前提下,对过程运行性能优劣程度做出评判,并对非优运行状态追溯原因,以指导操作人员进行生产调整.针对含不确定性的流程工业过程运行状态评价问题,本文提出分层分块评价结构.同时,考虑到实际生产过程中大量存在的不确定性信息,采用粗糙集对每个子模型进行建模,建立过程变量、工艺指标与综合评价指标间的关系.最后,将所提方法应用于一个金湿法冶金过程中,验证所提方法有效性.     

基于差分分段PCA的多模态过程故障监测

多模态的故障监测是一个复杂的问题, 既需要考虑稳定模态下的故障监测, 也需要考虑不同模态间的过渡故障监测. 不同稳定模态下的数据具有不同的相关关系, 对每个稳定模态需要建立不同的稳定模态模型. 当稳定生产模态发生改变时, 生产过程进入过渡模态, 需要考虑过渡变量相关关系的变化. 本文通过对过渡数据差分, 得到变量相对变化信息. 利用主成分分析(Principal component analysis, PCA)分段对差分变量的相关特性进行分析, 提取相对变化的特征. 最后以实际连续退火机组生产线为背景, 用基于差分分段PCA的多模态方法对多模态过程进行故障监测, 发现算法很好地反映了实际过渡过程机理, 验证了算法的有效性.     

基于改进空间映射方法的注塑过程参数优化

针对现有注塑过程参数优化方法存在的需要付出较高代价的问题,提出将广泛应用于电路设计优化问题的主动空间映射方法应用于注塑过程参数优化问题。针对应用过程中主动空间映射方法所无法解决的粗糙模型与精确模型在响应值空间存在较大差异的问题,提出一种改进空间映射方法,该方法引入一种新的参数提取方法,并将主动空间映射方法与输出空间映射方法相结合,一方面考虑粗糙模型与精确模型在参数空间中存在的差异,另一方面考虑粗糙模型与精确模型在响应值空间中存在的差异。针对注塑制品的尺寸指标,将本文提出的方法在Moldflow模流分析软件上进行仿真,结果证明,该方法能够利用粗糙模型结果以及少量精确模型结果获得满足设定值的注塑过程参数。