基于融合模型的多目标分级推理方法及其工业应用

运用多模型融合方法，综合机理知识、残差智能补偿技术建立了氧化铝生料浆质量全局预测模型．根据质量指标影响因子及分类原则构建了配料专家数据库．在此基础上，提出了多目标分级推理决策，实现了配比的优化设定．该优化控制方法已成功应用于氧化铝生产企业的生料浆配料过程．运行效果表明，该方法可用于解决一类具有滞后、多约束等特性的复杂工业过程的优化控制问题．     

一种解决蕴含不确定性信息的氧化铝配料问题的智能优化方法

针对原料质量不稳定和成分检测大滞后带来的信息不确定性,提出了一种两级智能优化方法实现氧化铝配料过程中生料浆质量的优化控制.该方法通过引入中间优化同标,将优化问题分解为原料配比优化和料浆调配优化,逐步弱化不确定信息对生料浆质量的影响.配比优化基于入槽生料浆质量预测模型,设计了专家分级推理机制,实现多质量指标约束条件下的配比优化设定:调配优化将不确定的生料浆质量信息引入调配优化模型约束中,采用改进遗传算法求解最优渊配方案,配制高质量的生料浆.将提出的方法应用于国内某厂氧化铝配料过程,实现了生料浆质量指标的优化控制,简化了工艺流程,为存在信息不确定的长流程工业过程的优化控制提供了范例.     

人工神经网络在水泥工业上的应用研究

本文介绍人工神经网络的基本原理、学习规则和训练方法，结合水泥生料配料的神经网络调优操作模型的应用研究，指出水泥工业应用现代智能技术实现自动控制的可行性、先进性。     

生料浆配料过程磨机负荷的混合智能控制

针对在氧化铝生料浆配料过程中难以采用常规方法来控制磨机负荷状态的问题,提出了由负荷状态估 计模型和负荷调整模型组成的磨机负荷混合智能控制方法．负荷状态估计模型根据磨机的振动与电流信号,采用规 则推理方法估计出磨机的负荷状态．负荷调整模型采用案例推理方法自动调节磨机给料量,将负荷控制在合适范围 内．该方法成功应用于某氧化铝厂生料浆配料过程中,长期运行结果表明,提高了磨机台时产能,减少了“堵磨”故 障发生次数,提高了生产效率并节能降耗．     

基于PSO算法的生料浆配料过程的优化控制

针对烧结法氧化铝生产流程中的生料浆配料过程的工艺特点,将PSO算法应用在配料过程中的原料分配优化问题中,并构造了惩罚函数来处理配料过程中的各种约束条件.基于PSO算法的优化控制不仅可以保证生料浆的各项工艺指标达到设定值,同时可以保证配料成本最低.在某氧化铝厂的应用结果表明,该优化控制可以取代传统的人工配料生产方式,提高了生料浆各项工艺指标的合格率,降低了配料成本,实现了优化配料,取得了显著的应用效益.     

基于专家知识的字典序优化决策方法及工业应用

为有效实现有色冶金配料过程的实时优化,首先根据氧化铝配料过程特点,建立一种字典序区间目标规划模型;然后通过整理长期积累的专家经验知识,构建了具有优先级的分类知识库;接着基于专家知识库的分类结构,提出一种字典序专家推理策略,以实现区间约束条件下的多质量指标的优化控制．工业应用结果表明,所提出的方法能够很好地实现生料浆质量的优化控制,为其他有色冶金工业配料过程的控制提供了一种优化模式．     

铅锌烧结配料过程的智能集成建模与综合优化方法

以铅锌烧结配料过程为背景, 针对传统配料方法中存在的成本高和准确率低的问题, 提出一种智能集成建模与综合优化方法. 首先, 在建立过程神经网络模型和改进灰色系统预测模型的基础上, 利用信息论中熵值的概念, 提出一种既可保证预测精度又能满足配料计算对数据完备性要求的烧结块成分集成预测模型; 其次, 以成本最小为目标建立烧结配料优化模型, 采用基于专家推理策略和改进免疫遗传算法的定性定量综合集成方法, 实现烧结配料的优化. 仿真结果验证了该方法的有效性.     

复杂工业过程操作参数优化研究进展

针对复杂工业过程操作参数优化困难所导致的资源消耗高和产品合格率低等问题,介绍了基于机理模型的操作参数优化方法,以及基于数据黑箱模型、领域专家经验和智能集成优化模型等非机理模型的操作参数优化方法研究现状。探讨了未来复杂工业过程操作参数优化研究的方向。该研究对复杂工业过程的操作参数优化具有一定借鉴意义。     

端边云协同的氧化铝生产过程苛性碱浓度智能预报方法

苛性碱溶液浓度是氧化铝生产过程中的重要运行指标, 由于苛性碱溶液的温度和浓度频繁波动, 导致目前的浓度检测仪表检测精度低, 只能采用人工化验获得苛性碱浓度值, 化验结果的严重滞后导致无法实现苛性碱浓度的自动控制, 影响氧化铝产品质量. 在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型, 将参数辨识与自适应深度学习相结合, 提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法, 并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证. 应用结果表明, 所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度, 为实现苛性碱浓度的闭环运行优化控制创造了条件.     

烧结法氧化铝配料知识库编辑维护系统的实现

根据烧结法氧化铝生料浆配料机理和长期积累的专家经验知识,设计了一种适用于烧结法氧化铝配料的知识库编辑和维护系统,该系统从生产过程出发,将机理知识和群体专家知识统一为一种形式,通过产生式知识表示,对本系统的知识的特点进行了阐述,然后由知识的特点分别建立有关配料参数、状态、关系等字典,最后对系统的编辑和维护功能的实现进行了说明.实际使用效果表明,该知识库系统操作简单,编辑和维护方便.     

复杂工业过程智能优化决策系统的现状与展望

流程工业是制造业的重要组成部分,是我国国民经济和社会发展的重要支柱产业.新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇.只有与流程工业的特点与目标密切结合,充分利用大数据,将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同,实现流程工业智能优化制造,才可能实现流程工业的跨越式发展.本文聚焦流程工业的复杂生产过程,从其智能优化决策系统的角度,描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状,分析了智能优化决策系统的必要性,提出了智能优化决策系统的发展目标及愿景,并对智能优化决策系统的下一步重点研究方向进行了展望.     

化工企业生产计划图形建模优化系统开发及其应用

为优化化工企业生产计划,本文建立了化工过程生产计划优化的混合整数非线性规划(mixed integer nonlinear program- ming)模型,并给出相应的迭代求解算法,实际应用表明该算法可以有效的求解模型。应用该MINLP模型和求解算法,在石化企业生产计划图形建模优化系统(graphic I/O petrochemical industry modeling system,GIOPIMS)已经成功开发和实施的基础上,针对化工企业的特点,重新开发出适合化工企业使用的生产计划图形建模优化系统(graphic I/O chemical industry modeling system,GIOCIMS)。GIOCIMS的实施表明,该系统在化工企业中间产品外购或自产,中间产品外销或深加工,工艺路线选择和装置负荷等优化方面发挥了重要作用,获得显著的经济效益?。     

基于内模控制的PID控制器的设计

基于内模控制原理,针对典型的工业过程对象,给出了PID控制器的设计方法,并根据现代控制理论的观点,证明了该方法符合线性二次型最优控制的选型原则,将该方法应用于典型的工业过程对象的仿真研究,结果表明所设计的PID控制系统,只有滤波器的时间常数是需要整定的参数,方法比较简单,并且在系统特性变化的情况下具有很强的鲁棒性和抗干扰能力。此外,该方法在现有的可编程控制器(PLC)、智能仪表、集散控制系统(DCS)和现场总线控制系统中都很容易实现,无需增加硬件投资,具有较高的工程应用价值。     

印染行业不可靠生产系统生产控制模型

基于印染行业自身特性,建立了适合于该行业特点的不可靠生产系统的生产控制模型。该模型不但考虑了生产设备时有故障和修复事件的发生,而且也把由于生产系统操作条件及生产原料属性的波动造成合格产品呈随机分布的情况纳入模型框架,其中当不同产品间生产切换时,所需切换时间及切换费用也被引入模型,并假设此时设备的故障过程为Markov过程。结合单设备单产品情况,给出了其最优生产控制策略。为实现印染行业生产的优化控制及建立完善的MES系统提供了理论支持。     

氧化铝蒸发浓度的自适应加权LSSVR预测

针对氧化铝蒸发过程的工业现场出口料液浓度在线检测困难、操作参数具有时变性以及传统离线预测所存在的不足等特点,提出了一种多输入多输出系统的自适应加权最小二乘支持向量回归,并用于氧化铝蒸发过程出口料液浓度的在线预测.谊方法根据模型预测效果自适应在线调整建模的训练样本集,利用主元分析提取主元作为分段加权支持向量回归模型的输入,采用网格搜索和交叉验证法对多输入多输出模型参数进行优化.采用工业现场的实测数据进行实验分析,计算结果表明;该方法能够很好地在线预测氧化铝蒸发过程出口料液浓度,相比基于最小二乘支持向量回归以及基于BP神经网络的浓度预测模型,谊方法具有更高的预测精度和更好的泛化性能,满足实际工业生产在线优化控制要求.     

A two-stage intelligent optimization system for the raw slurry preparing process of alumina sintering production

The raw slurry preparing is a key process to guarantee product for alumina sintering production. To obtain the qualified raw slurry in the presence of uncertainty, a two-stage intelligent optimization system, which weakens uncertainty effects through optimization of raw material proportioning and re-mixing operation, is developed. At the first stage, an integrated model combining the first principle with neural networks is built to predict the raw slurry quality, and a multi-objective hierarchical expert reasoning strategy is proposed to determine an optimal set point of raw slurry proportioning. At the second stage, an optimal scheduling model with uncertainty is built to provide an optimal combination of selected tanks for the mixing of raw slurry in full-filled tanks. The practical running results show that the eligibility rate of raw slurry is effectively improved, and the raw slurry preparing process is successfully simplified and the energy consumption is also obviously reduced.     

Statistical and computational intelligence techniques for inferential model development: a comparative evaluation and a novel proposition for fusion

In industry today many products are sold for their efficacy rather than their chemical composition. Many variables (dependent variables), which characterize the quality of the final product in a manufacturing process, can be difficult to measure in real-time. Measurement difficulties can be due to a variety of reasons, including: (1) Reliability of on-line sensors, (2) Lack of appropriate on-line instrumentation. It is often the case that off-line laboratory tests are the only means of determining product quality measurements. However such laboratory analyses introduce delays in the measurement of key performance indicators. This can result in a significant economic loss if the analysed product fails the quality control test. In such situations an improved monitoring system is therefore required to determine product quality online and minimise commercial wastage. To facilitate this, advanced monitoring and control or optimisation techniques require inferred measurements, generated with correlations from readily available process variables (independent variables). Although inferential models are widely used in industry, only a few techniques for inferential model development are discussed in the open literature. This paper therefore will present a comparative evaluation study of the current inferential measurement techniques. An improved systematic approach for the development of inferential models using intelligent and soft computing systems is also highlighted. The proposed approach is designed to address some of the problems that currently exist in the area of inferential modelling through the fusion of statistical and computational intelligence models. A novel method of fusion is also proposed and an industrial case study is then presented to demonstrate the methodology by inferring the ‘Anchorage’ of polymeric-coated substrates (i.e. Tyvek or paper) in the coating industry. The application on which this methodology is demonstrated is unique. No such work in the literature to date has presented any inferential modelling strategies in the area of the coating industry. This strategy developed through the fusion of statistical and artificial modelling to generate a hybrid inferential measurement system has the potential to significantly improve the quality control monitoring system and reduce the economic loss encountered through the production of off-spec material.     

A hybrid intelligence approach for sustainable service innovation of smart and connected product: A case study

Nowadays, smart and connected product (SCP) is gradually replacing the traditional functional products, which has attracted widespread attention from the industry and academia. Service innovation, as a crucial part of SCP iterative improvement, is a multi-criteria decision-making (DM) process facilitated by intelligent automation (IA) and cognitive technologies. However, product user’s intelligence (e.g. physiological feeling) that can intuitively reflect and evaluate the product service satisfaction is rarely considered in the process of service innovation. Hence, it is difficult to measure the product users’ preferences with precise numerical terms to make a strategic decision. In order to fill this gap, a hybrid intelligence approach is proposed to perform the service innovation for SCP. The product-user data (e.g. subjective data and physiological data) and product-sensor data are collected and used for the process of service innovation. A smart group spinning bicycle system is presented as an elaborated case study to illustrate the proposed architecture and approach. The service innovation of real-time and dynamic monitoring, user participation improvement and smart feedback manners are achieved. In addition, an ergonomic experiment is conducted to validate the effectiveness of the proposed approach in implementing the service innovation for SCP.     

基于MAS的分布式集成智能控制系统开发与应用

针对复杂工业过程，研究一种基于Multi—Agent system（MAs）的集成智能控制系统，系统由人机集成单元、控制单元和虚拟仿真单元构成，人机集成单元提供人类智慧与机器相结合有效机制，虚拟仿真单元为控制决策和故障诊断提供仿真信息，控制单元完成系统监视、诊断和控制任务，文中提出了实时Agent的组织和演化机制，采用遵循FIPA组织标准的开发工具JADE开发原型系统，描述了系统的实现，工程应用表明，提出的集成控制系统能有效地解决焦炉集气管压力这类复杂工业对象的过程控制问题．