基于核规范变量分析的非线性故障诊断方法

提出一种基于核规范变量分析（KCVA）的非线性过程故障诊断方法．该方法使用核函数完成非线性空间到高维线性空间的映射，避免了高维空间中的数据处理和非线性映射函数的使用．在线性空间中使用规范变量分析（CVA）来辨识状态空闻模型，从数据中提取状态信息．3个监测量（Tr^2，Ts^2，Q）用来进行故障检测，同时使用贡献图分离故障变量，并判断故障原因．在CSTR系统上的仿真结果表明，KCVA方法比主元分析法（PCA）和CVA方法能更灵敏地检测到故障的发生，更有效地监控过程变化．  

一种基于非线性规划的多项式PLS算法

在基于误差的多项式偏最小二乘(PLS)的基础上,提出了一种基于带约束的非线性规划的多项式PLS算法,利用罚函数法计算最优的输入权值和内部关系式的参数.对催化裂化主分馏塔侧线柴油95%点的软测量应用结果表明,该算法和基于误差的多项式PLS相比,模型拟合精度高而且计算量较小,能获得较高的累计方差贡献率,并具有良好的预报能力.  

基于Kalman-OLS的聚丙烯熔融指数软测量

针对聚丙烯装置熔融指数软测量中的非线性和多工况切换操作问题,提出1种基于卡尔曼滤波-正交最小二乘(Kalman-OLS)的非线性自适应软测量方法。通过对聚丙烯装置反应系统进行机理分析,采用正交最小二乘方法(OLS)来拟和辅助变量和熔融指数之间的非线性关系。OLS方法的优化目标函数中同时考虑基于留一法均方误差(LOO MSE)和模型参数的局部正则化(LR),以提高模型的稀疏性和泛化能力。为适应装置多工况操作的现状,进一步提出使用Kalman滤波器对OLS模型参数进行自适应更新。工业数据应用结果表明,提出的Kal-man-OLS方法能够比偏最小二乘(PLS)、OLS方法更准确的预报聚丙烯熔融指数的变化。  

一种基于非线性规划的多项式PLS算法

在基于误差的多项式偏最小二乘(PLS)的基础上,提出了一种基于带约束的非线性规划的多项式PLS算法,利用罚函数法计算最优的输入权值和内部关系式的参数。对催化裂化主分馏塔侧线柴油95%点的软测量应用结果表明,该算法和基于误差的多项式PLS相比,模型拟合精度高而且计算量较小,能获得较高的累计方差贡献率,并具有良好的预报能力。  

重油催化裂化装置全流程动态仿真培训系统

应用机理分析，开发了重油催化裂化装置反应再生系统非线性状态空模型，它包括了不同完全再和一过程特性的描述；运用非平衡级原理，直接计算塔器内部汽液两相传质，传热，建立了主分馏塔数学模型。  

混合约束过程的多变量协调预测控制

研究了工业生产过程存在着输入、输出软硬混合约束的优化控制技术。给出了基于约束的预测控制算法，提出了用动态优先级对有硬约束的操作变量进行在线协调，当协调过程找不到满足所有约束条件的可行解时，对被控变量进行约束软化，本文采取的线性和二次型相结合的惩罚函数对预测时域上每个时刻的激活值进行惩罚，不仅可以保证可行解的存在，而且能使系统处于动态和稳态的优化性能。  

带误差校正的常压塔汽油干点软测量模型

根据误差反馈原理,设计出带误差校正的神经网络模型,并将其用于常压塔汽油于点软测量,建立带误差校正的软测量模型。它将开环软测量模型的预测误差反传,作为校正输入量送给带误差校正的软测量模型进行误差校正。最后结合常压塔工业实例,对汽油干点进行预测,±1℃的预测误差表明该模型比不带误差校正的软测量模型具有更高的精度。  

一种低信噪比下的有噪独立分量分析算法

针对目前大多数独立分量分析(independent component analysis,ICA)算法无噪或者弱噪声假设的局限性,提出一种适用于低信噪比情况的有噪独立分量分析算法。该算法以分离信号的负熵为目标函数,采用高斯分布密度模型作为非线性函数来估计负熵,并建立了模型参数的确定准则,能够较好地抑制低信噪比下噪声的影响,最后采用人工蜂群算法对混合矩阵进行全局寻优。仿真结果表明,与其他算法相比,提出的算法可以更为精确地估计混合矩阵,能够较好地解决低信噪比下的有噪ICA问题。  

基于互累积量的有噪独立分量分析方法

针对传统独立分量分析(ICA)方法无噪假设的局限性，提出基于互累积量的有噪ICA方法。考虑含高斯噪声的瞬时混合模型，以观测信号的互累积量组成一系列对称矩阵，以对称矩阵的联合对角化程度为目标函数，采用粒子群优化算法对混合矩阵进行全局寻优。通过寻优得到混合矩阵，将有噪ICA转化为一维欠定ICA，基于奇异值分解法得到源信号的估计。仿真结果表明，与传统ICA方法相比，该方法对混合矩阵的估计精度较高，可以明显提高分离信号的信噪比。  

改进搜索策略的人工蜂群算法

针对人工蜂群(ABC)算法存在收敛速度慢、收敛精度低的问题,给出一种改进的人工蜂群算法用于数值函数优化问题。在ABC的邻域搜索公式中利用目标函数自适应调整步长,并根据迭代次数非线性减小侦查蜂的搜索范围。改进ABC算法提高了ABC算法的局部搜索能力,能够有效避免早熟收敛。基于6个标准测试函数的仿真实验表明,改进ABC算法的寻优能力有较大提高,对于多个高维多模态函数该算法可取得理论全局最优解。与对比算法相比,该算法具有更高的收敛精度,并且收敛速度更快。