一种新的非线性FDA间歇过程监控方法

针对间歇过程非线性的特点,将核方法引入到Fisher判别分析(Fisher Discriminant Analysis,FDA)中,提出了基于多模型核多向Fisher判别分析(Multi-model Kernel Multi-way FDA,MKMFDA)的间歇过程非线性监测与故障诊断方法。该方法仅利用已获得的数据测量值对过程进行监控,避免了传统多向主元分析(Multi-way Principal Component Analysis,MPCA)方法对未来测量值的估计;且在线监控时通过比较核Fisher特征向量之间的欧氏距离来实现,而最优核Fisher判别向量用来鉴别故障类型。青霉素发酵过程应用表明,MKMFDA方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

一种新的间歇过程鲁棒在线监控方法

多向主元分析(MPCA)的统计监控模型,因为易受建模数据中离群点的影响,还需预估新批次未反应完的数据,所以提出一种新的间歇过程鲁棒在线监控法。先利用改进尺度的CDC/MVT算法获取常规建模的批次数据;再用多模型非线性结构代替传统的MPCA单模型线性化结构,并提出确定时滞变量的算法。前者用于监控β-甘露聚糖酶发酵批过程,并与移动窗多向主元分析(MWMPCA)法相比,即使建模数据中存在离群点,前者仍能获得正确的监控结果,减少建模时对数据的要求;同时克服了MPCA不能处理实时性的问题,避免了MPCA在线应用时预测值的误差;更能精确描述过程的故障,准确性和实时性良好。     

基于多向核偏最小二乘的间歇过程在线监控（英文）

提出了一种基于多向核偏最小二乘的间歇过程在线监控方法。传统的间歇过程监控方法、如多向偏最小二乘方法,实际上是一种线性监控方法,因此不适合于非线性间歇过程监控。为此,提出了核偏最小二乘方法,由于该方法能获取变量间的非线性关系;另外,它只是求解代数运算,并不涉及到复杂的非线性优化问题,所以,这里将核偏最小二乘扩展到间歇过程在线监控、即提出多向核偏最小二乘的间歇过程在线监控方法。将该方法应用于青霉素补料分批发酵过程仿真监控,与传统的多向偏最小二乘方法相比,结果表明其具有更好的监控性能。     

一种新的多阶段改进MPCA间歇过程监视方法的研究

针对间歇生产过程存在的多阶段问题,提出了基于数据动态特性CPV(1)(cumulative percent variance of the first principal component)指标进行模糊聚类实现多阶段软划分的方法,解决了传统分段方式对间歇过程进行硬划分的缺陷,使得过程多阶段划分更加准确。在此基础上建立多阶段具有时变主元协方差的改进MPCA(multiway principal component analysis)模型进行间歇过程的监视。将此方法应用于青霉素发酵过程,验证了该方法的可靠度和有效性。     

基于自组织神经网络与核密度估计的非线性MPCA批过程监控（英文）

针对多向主元分析(MPCA)不能提取复杂的非线性系统变量间的非线性特性以及T2统计量置信限的确定是以主元得分呈正态分布为假设前提的情况,提出了一种基于自组织神经网络与核密度估计的非线性MPCA在线故障监测方法。该方法用自组织神经网络去提取变量间的非线性特征信息;用核概率密度函数去估计非线性主元的置信限。将该方法应用到链霉菌补料分批发酵过程的在线故障监测中,应用效果表明用非线性主元比用同样数目的线性主元能够获取更多的变量信息,并且用核密度估计置信限的方法比用参数估计的方法能更准确地对故障进行监测。     

一种基于局部模型的非线性多工况过程监测方法

针对复杂工业过程中的非线性、非高斯特性以及多工况问题, 提出了一种基于局部模型的在线统计监测新方法. 首先利用局部最小二乘支持向量机回归 (Least square support vector regression, LSSVR) 模型对过程输出进行预测, 与真实的输出相比较构成残差序列. 然后利用 ICA-PCA 两步特征提取策略, 完整地提取残差的高斯和非高斯信息, 最后用三个统计量 (I2、T2 和 SPE) 对过程进行监测, 建立了一种具有非线性、非高斯特性的多工况过程在线监测算法. 通过对 TE (Tennessee Eastman) 过程的仿真研究, 验证提出的方法是可行、有效的, 并显示出了一定的故障检测能力.     

基于多尺度核主元分析的非线性过程监控方法研究

针对化工过程数据的多尺度性和非线性特性,提出了一种多尺度核主元分析方法(MSKPCA)监控过程的运行状态。使用小波变换在不同尺度下分解测量信号．然后借助于核函数对分解后的数据进行非线性变换,在变换后的线性空间中用主元分析(PCA)提取过程数据的主要特征,构造监控统计量T2和Q来检测故障。在此基础上,提出了一种贡献图方法．计算过程变量对故障的贡献量,用于故障变量的分离。在TE过程上的监控结果表明,MSKPCA可以比PCA和动态PCA更迅速地检测到过程故障,贡献图方法能够正确地分离故障变量。     

一种新的非线性规划神经网络模型

提出一种新型的求解非线性规划问题的神经网络模型.该模型由变量神经元、Lagrange乘子神经元和Kuhn-Tucker乘子神经元相互连接构成.通过将Kuhn-Tucker乘子神经元限制在单边饱和工作方式,使得在处理非线性规划问题中不等式约束时不需要引入松弛变量,避免了由于引入松弛变量而造成神经元数目的增加,有利于神经网络的硬件实现和提高神经网络的收敛速度.可以证明,在适当的条件下,文中提出的神经网络模型的状态轨迹收敛到与非线性规划问题的最优解相对应的平衡点.     

一种新的多输入非线性控制系统线性化的计算方法

通常, 即使对于一个可逼近反馈线性化的非线性系统, 求得一个所需的坐标变换和反馈仍然是困难的, 原因在于需要求解一组偏微分方程. 在本文中, 为了求得逼近反馈线性化所需的非线性反馈及坐标变换, 首先引入了一个扩展的坐标空间, 针对一类线性可控的多输入非线性系统, 推导了系统新的矩阵表达式. 然后, 提出了一种新的有效的构造化算法, 它降低了计算所需的运算量. 最后通过一个例子介绍了本方法的应用.     

一种新的非线性目标跟踪方法

在实际的目标跟踪场景中,普遍存在非高斯过程噪声和/或量测噪声,以及非高斯先验信息等情况,针对这一问题,提出一种新的解决非线性/非高斯系统滤波问题的非线性滤波算法,即高斯和求积分卡尔曼滤波（GSQKF）算法。仿真实验将新算法与标准的粒子滤波算法进行了比较,表明新算法是一种非常有效的非线性滤波算法。     

一种新的非线性回归模型参数估计算法

提出一种新的基于混合基因算法（HGA）的非线性回归模型参数估计算法,新算法通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了传统算法通用性差、易陷入局部极小的问题,实验验证了算法的通用性和有效性。     

基于多目标优化的非线性模型预测控制的研究（英文）

本文研究了基于径向基函数神经网络(RBFNN)和多目标优化算法的非线性模型预测控制。RBFNN神经网络在每个控制间隔预测被控变量的实时值,多目标模型预测控制以多目标方式考虑每个局部模型的目标函数,同时将所选目标函数作为主要考虑因素,其他目标函数被认为是主要的附加约束。随着附加约束的值在最小和最大之间变化,可以通过选择非支配结果来获帕累托最优选择。并将提出的算法和单模型单目标函数非线性模型预测控制方法在CSTR对象上进行了比较。仿真结果表明该算法的有效性和可行性。     

一种新的业务过程管理模型

通过对工作流本质的探讨和对WfMC工作流参考模型的分析,提出了在分解业务过程控制逻辑与应用逻辑的基础上,进一步将控制逻辑分解为路由逻辑与资源管理逻辑的思想.提出了描述资源管理逻辑的资源管理模型.基于资源管理模型提出一种新的过程管理模型BRM,给出了基于BRM的业务过程管理系统的系统框架和功能模块.与WfMC工作流参考模型的对比表明:BRM模块更清晰,柔性更突出,分解粒度更小.     

一种新的决策表核属性计算方法

属性约简是粗糙集理论研究的一个核心问题,而核属性的确定往往是决策表中属性约简的基础。结合决策表的树型结构表示,给出了决策表中正域和非正域的计算方法,并从核属性的定义出发,计算树型决策表中正域和非正域相对于属性全集正域和非正域的变化,提出了一种计算决策表中核属性的方法。对其时间和空间复杂度的分析,以及对一个气象决策表例子的实验结果,证明了这些方法的有效性。     

一种新的多输入非线性控制系统高阶逼近线性化的计算方法

通常,即使对于一个可逼近反馈线性化的非线性系统,求得一 个所需的坐标变换和反馈仍然是困难的,原因在于需要求解一组偏微分 方程. 在本文中, 为了求得逼近反馈线性化所需的非线性反馈及坐标变 换, 我们首先引入了一个扩展的坐标空间, 针对一类线性可控的多输入非 线性系统,推导了系统新的矩阵表达式。基于这些准备,我们提出了一种 新的有效的构造化算法,它降低了计算所需的运算量。最后通过一个例 子我们介绍了本方法的应用.     

规避编程过程中的不确定性——一种新的适用于通识课程的教学方法（英文）

针对非计算机专业学生数学和计算机编程薄弱的问题,介绍一个让学生快速掌握决策结构(If-else/If语句)的教学方法。文章演示如何在CSC115这一门通识课中应用该方法,帮助这些基础不够的学生跨越学习过程中的种种不同的疑惑,从而迅速提升学生识习判断语句后的编程技巧。和其他方法(诸如传统的积累方法)不同,该方法更注重循序渐进地对关键技术点进行讲解,以期这些学生能在现有的技术技能基础上理解和执行。这样,学生的学习更加有效和快速。     

基于多模型的发酵过程高斯过程回归软测量建模研究（英文）

软测量仪表在实际应用中往往存在预测精度低、缺乏预测精度信息等问题。基于多模型方法的软测量仪表通过子模型来描述局部变化,可以有效提高软测量仪表预测精度。在本研究中,高斯过程回归(GPR)模型因其预测方差能够反映预测精度信息特性,被用于构建局部子模型。同时,基于不确定性推理方法,本文提出了基于高斯过程回归预测方差的多模型融合策略。最后,将所提方法应用于工业红霉素发酵过程数据。结果表明,与其他高斯过程回归方法相比较,所提出方法预测精度更高,95%置信区间范围更小。     

一种基于LSSVM的间歇过程在线故障诊断方法

针对间歇过程的在线故障诊断需要预测过程变量的未知输出问题,提出了一种数据展开和故障分类器数据选择相结合的方法。首先,对包含批次信息的三维数据进行数据展开,对间歇过程的多阶段分别建立PCA模型并进行过程的故障监测;然后,选取故障发生时刻之后的部分长度采样时刻的数据进行故障的特征提取,离线建立LSSVM的故障分类器模型;最后,通过故障分类器进行在线故障诊断,实现故障分类并确定发生了某类故障。该方法提高了间歇过程在线故障诊断的实时性和准确性,通过青霉素发酵仿真过程的应用,进一步验证所提方法的可行性和有效性。     

一种新的软件可靠性模型参数估计方法

一个软件可靠性模型建立以后,需要对模型的参数进行估计,而参数估计的准确程度将直接影响到模型的预测能力。现在对参数的估计一般采用极大似然估计法。文中提出一种加权最小二乘法,根据各故障数据点对预测贡献值的不同,给与相应的权重。并以一种重要的GO软件可靠性模型为例进行分析,实验表明,该方法获得的参数模型具有更好的预测能力。     

一种新的多分辨率模型表示方法

提出了一种简洁高效的多分辨率模型表示方法MRM,该方法能对网格简化或精化过程进行编码,并在此基础上实现了一个多分辨率造型与编辑系统。该系统能为给定的模型生成多分辨率表示,并支持对模型的分辨率进行编辑,统一地完成有选择地精化和简化操作。