基于模糊强化学习的空气压缩机群组协调预测控制

空气压缩机在提供动力的同时消耗着大量的电力能源,其节能增效备受关注.空气负荷需求受生产节奏、计划排程等影响呈现阶段性、间歇性的特点,导致空气压缩机组在大范围内变工况运行,人工调节速度慢,机组能耗高.针对此问题,以国内工业园区空气压缩机群组系统为背景,提出一种基于模糊强化学习的空气压缩机群组协调预测控制方法.首先利用工业现场的历史数据和设备运行机理建立基于模糊辨识的空气压缩机群组多工况模型;在此基础上,以最小化生产过程能耗为目标,结合生产工艺条件、设备安全等约束条件,建立基于模糊强化学习的空气压缩机组变负荷协调预测控制方法,保证系统在复杂工况下安全稳定运行;最后,将所提出方法应用于工业园区空气压缩仿真系统进行性能测试,取得较好的控制效果.     

基于深度去噪核映射的长期预测模型

针对最小二乘支持向量机核函数结构较浅对其长期预测模型精度的限制,采用深度学习中逐层特征提取的思想,提出基于深度去噪核映射的最小二乘支持向量机长期预测模型.该模型通过深度核网络的逐层变换,将样本数据映射到深度特征空间,从而有效提高其长期预测的精度.此外,为了提高模型对含高噪声数据的拟合性能,将去噪算法融入深度核网络的训练过程中,并通过反向传播算法对核网络参数进行整体微调.标准数据集及实际工业数据的仿真实验结果表明,所提方法能够有效提取数据中蕴含的特征信息,提高预测模型的精度.     

一种基于自适应代理模型的并行贝叶斯优化方法

提出一种基于自适应代理模型的并行贝叶斯优化方法,用于求解计算成本高的复杂优化问题.该方法基于多点期望改进判据,通过批次采样实现并行优化.针对并行优化产生的大量历史数据会导致全局代理模型建模成本高的问题,提出一种改进的基于数据并行的高斯过程建模方法,在线构造局部代理模型.此外,针对多点期望改进判据计算成本高的问题,提出一种启发式的分层优化策略,通过序贯优化基于自适应代理模型的单点期望改进判据,近似计算多点期望改进判据.最后通过5个测试问题验证所提出方法的有效性.     

一类最优交通小区划分问题的一阶邻接约束建模方法

提出一种使用邻接矩阵保证最优交通小区划分一阶邻接约束的整数规划建模方法。从求解复杂度和质量两个角度,比较并分析了该邻接约束建模方法与其他3种方法对问题求解效率的影响。设计了聚合式层次聚类启发算法以求解所提出的模型。针对较大规模算例,将所提出的建模方法与其他3种邻接约束建模方法的结果进行了对比与分析。结果表明,基于邻接矩阵表示的建模方法能在允许时间内求得满意解,较其他3种方法更适合大规模问题。     

基于数据的流程工业生产过程指标预测方法综述

生产过程关键指标的预测对于流程工业生产调度,安全生产和节能环保有着重要作用.目前,已有多种基于工业生产数据提出的生产过程指标预测方法,主要涉及特征（变量）选择,预测模型构建及其模型参数优化这三方面.本文分别针对以上三方面论述了基于数据的工业生产过程指标预测国内外研究现状,分析了各种方法的优缺点.最后,指出了流程工业生产过程指标预测方法在工业大数据及知识自动化等方面的未来研究方向和前景.     

一种基于多代理模型的混合整数规划优化方法

提出一种基于多代理模型的优化方法,求解混合整数规划问题.首先,基于群智能优化策略提出一种基于多群体协作模型的采样方法,保证候选解的正确性和多样性;其次,采用基于数据并行的高斯过程建模方法,在线构造局部代理模型;再次,通过多代理模型对候选解进行预筛选,实现与粒子群算法的协同优化;最后,通过14个测试问题和一个基于数据驱动的模型参数选取问题,验证所提出方法的有效性.