基于L2正则化LSTM的非线性动态系统辨识

LSTM本身具有良好的非线性逼近能力,但在应用于化工流程工业建模时,存在模型泛化能力低的问题。对此,提出一种基于L2正则化LSTM的非线性动态系统辨识策略,将L2正则化项引入网络的损失函数中,优化网络结构,从而提高模型泛化能力。同时,利用TE过程进行相关验证实验,仿真结果表明:所提出的方法优于传统的BP神经网络和支持向量回归,能够有效地提高模型的精度和泛化能力,降低对辨识输入数据的要求。     

基于Hammerstein模型的非线性系统辨识方法研究

工业大系统中Hammerstein模型的非线性系统,一般都是多输入多输出系统,具有大滞后、大惯性、时变性和强耦合性的特点,它的数学模型难于精确获得;且传统PID控制器无法使控制效果处于最佳状态的局限性.为了更加快速准确控制,使系统更加地稳定工作在最佳工作状态.利用分散辨识方法对Hammerstein模型的非线性系统进行...     

基于CFD的系统辨识方法

概述了计算流体力学(CFD)数值模拟和系统辨识的原理,详细阐述了基于CFD数值模拟的系统辨识“灰箱”建模方法的基本原理和实现步骤,对近几年该方法的应用案例进行分析,指出该建模方法存在的问题及发展方向.     

基于自适应模糊推理的非线性系统辨识器设计

针对传统模糊建模方法中模型参数都是根据经验选取的局限性,提出一种类高斯隶属函数,推导了基于类高斯隶属函数的自适应模糊推理模型,利用Stone-Weierstrass定理证明了该模型能以任意精度逼近非线性系统.将自适应模糊推理模型应用于非线性动态系统辨识中,设计了非线性系统辨识器,采用梯度下降算法学习模型中参数,通过仿真得到了较好的辨识效果.     

基于系统输出分布的建模和控制方法及应用

提出了依据系统输出分布的特征变量选取方法,并提出了依据该项信息的建模和控制方法.仿真结果令人满意.在一个实验性二元精馏塔上用IBM-PC机进行试验亦获成功.简化模型能较好地近似精馏塔的逐板模型,控制策略优于常规PI控制策略.     

基于长短时记忆循环网络的塑料编织机故障诊断研究

长短时记忆(LSTM)循环神经网络的塑料编织机故障诊断法通过提取振动信号的能量矩,突出信号在时间轴上的分布特征,降低输入模型的向量维度。从多个特征向量构成的样本集中选择80%作为训练样本,训练LSTM循环神经网络模型,并利用剩余样本验证模型的检测精度;以准确率、查准率和查全率作为评价指标,利用多组不同的振动数据样本,对BP神经网络模型、卷积神经网络(CNN)模型和LSTM循环神经网络模型进行比较分析。结果表明:LSTM循环神经网络模型在不同样本中能够同时达到较高的准确率、查准率和查全率,其平均值分别可达95.69%、86.96%、96.89%,证明LSTM循环神经网络能充分学习具有时序特性的故障信息,对塑料编织机的故障诊断具有可行性和有效性。     

面向多采样率数据的TTPA-LSTM软测量建模

实际工业生产中,过程变量间存在的时滞和采样率差异会降低建模质量,使得许多软测量模型无法适用。因此,提出一种基于时间感知模式注意力（time-aware temporal pattern attention,TTPA）机制和长短时记忆网络的软测量建模方法。首先,将高、低采样率对应的数据分别重构为短期和长期信息,采用时间感知模块将输入信息分解并考虑时间间隔特性,针对质量相关信息占比低的问题,设计非递增启发式衰减函数对短期信息进行加权,组合后获得长短期信息集成特征,降低因多采样率产生的数据缺失影响。其次,引入特征优化模块实现特征二维滤波,跨时间步解析多元时间序列中的时滞信息,获取更有效的质量相关特征。最后,搭建了基于TTPA的长短期记忆网络软测量模型。通过工业青霉素发酵过程和脱丁烷塔过程的应用仿真,验证了所提模型的有效性和优越性。     

一种非线性系统在线辨识的选择性递推方法

针对非线性系统的在线辨识, 提出了一种选择性递推岭参数极限学习机方法。首先, 推导了岭参数极限学习机模型节点增加的递推算法, 以有效地更新在线模型。其次, 结合训练模型的相对误差, 提出模型节点递推增加的选择性策略, 以限制模型的复杂度, 获得更简单的递推辨识模型。通过一个典型非线性化工过程的在线辨识, 从多方面比较验证了所提出方法的简单有效, 更适合非线性过程的在线辨识。     

换热器网络同步最优综合方法──改进的MINLP转运模型法

针对现有的换热器网络最优综合方法的局限性;采用分级超结构转运模型和物流吸、放热潜力的概念;提出了非等温混合线性约束的换热器网络同步最优综合混合整数非线性规划（MINLP）的改进模型．该模型不仅可以对公用工程费用、换热面积、换热设备台数及物流的匹配选择进行多目标同步优化;而且在线性约束的条件下消除了等温混合的不合理假设;只需求解一次MINLP问题就可得到包括分流情况在内的最优网络结构．算例表明;该模型优于以往的几种同步优化模型．     

基于泄漏积分型回声状态网络的软测量动态建模方法及应用

提出一种基于泄漏积分型回声状态网络（LiESN）的软测量动态建模方法,给出LiESN的岭回归离线学习算法与递推最小二乘（RLS）在线学习算法。通过引入正则化系数,岭回归离线学习算法可有效地控制输出权值的幅值,改善ESN的预测性能。RLS在线学习算法能适应大数据集的处理,满足过程建模实时性的需求。将基于LiESN的软测量方法分别用于预测脱丁烷塔底部丁烷组分的含量及计算硫回收装置中尾气的组成,实现对精炼厂相关产品质量的实时监控,并采用模型残差的四图分析对建模性能进行评价。在同等条件下,与基本的ESN网络以及支持向量机（SVM）等软测量建模方法进行了比较,结果表明,所提出的LiESN方法取得了很好的预测性能,计算精度满足工业生产的实际要求。     

以设计为中心的虚拟制造技术及在化工过程装备中的应用

简述了虚拟制造技术的内涵、关键技术及应用现状。在分析化工过程装备特点基础上 ,对过程装备虚拟制造技术平台的体系结构进行了探讨 ,以典型过程装备螺旋片导流式气液分离器为例 ,对其数字化建模方法、数值仿真技术、虚拟设计和制造环境进行了研究。初步结果表明 :以设计为中心的虚拟制造技术的应用 ,可以有效地减少产品开发的时间和成本 ,提高产品质量     

化工过程软测量建模方法研究进展

软测量仪表是解决化工过程中质量变量难以实时测量的重要手段。软测量仪表的核心问题是软测量建模。阐述了软测量建模与辨识和非线性建模的关系:质量变量和易测变量的动态关系存在于增量之间,辨识模型依赖于增量数据,软测量建模则是依赖于实测变量数据来获取这个动态关系;非线性建模建立了变量间的静态关系,忽略了对象动态特性,而软测量建模要兼顾对动态特性的表征。随着人们对过程特性的认识加深,软测量建模方法不断发展,经历了从机理建模到数据驱动建模,从线性建模到非线性建模,从静态建模到动态建模的过程。详细讨论了软测量建模的发展过程,众多建模方法的优缺点及适用情况和现在建模的热点,最后对软测量建模方法进行了总体展望。     

On identification of well‐conditioned nonlinear systems: Application to economic model predictive control of nonlinear processes

The focus of this work is on economic model predictive control (EMPC) that utilizes well‐conditioned polynomial nonlinear state‐space (PNLSS) models for processes with nonlinear dynamics. Specifically, the article initially addresses the development of a nonlinear system identification technique for a broad class of nonlinear processes which leads to the construction of PNLSS dynamic models which are well‐conditioned over a broad region of process operation in the sense that they can be correctly integrated in real‐time using explicit numerical integration methods via time steps that are significantly larger than the ones required by nonlinear state‐space models identified via existing techniques. Working within the framework of PNLSS models, additional constraints are imposed in the identification procedure to ensure well‐conditioning of the identified nonlinear dynamic models. This development is key because it enables the design of Lyapunov‐based EMPC (LEMPC) systems for nonlinear processes using the well‐conditioned nonlinear models that can be readily implemented in real‐time as the computational burden required to compute the control actions within the process sampling period is reduced. A stability analysis for this LEMPC design is provided that guarantees closed‐loop stability of a process under certain conditions when an LEMPC based on a nonlinear empirical model is used. Finally, a classical chemical reactor example demonstrates both the system identification and LEMPC design techniques, and the significant advantages in terms of computation time reduction in LEMPC calculations when using the nonlinear empirical model. © 2015 American Institute of Chemical Engineers AIChE J, 61: 3353–3373, 2015     

基于循环自动编码器的间歇过程故障监测

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有效挖掘时序样本间的动态关联信息。该方法首先利用批次展开与变量展开相结合的三步展开方法将间歇过程数据展开成二维,并通过滑动窗采样得到模型输入序列;然后使用LSTM构建自动编码器,重构输入序列。进一步,利用重构误差构造平方预测误差(squared prediction error, SPE)统计量实现在线监测。最后将所提方法应用于青霉素发酵仿真和重组大肠杆菌发酵过程监测,结果表明,该方法能及时监测到故障,具有较好的监测性能。     

Economic model predictive control of nonlinear process systems using empirical models

Economic model predictive control (EMPC) is a feedback control technique that attempts to tightly integrate economic optimization and feedback control since it is a predictive control scheme that is formulated with an objective function representing the process economics. As its name implies, EMPC requires the availability of a dynamic model to compute its control actions and such a model may be obtained either through application of first principles or through system identification techniques. In industrial practice, it may be difficult in general to obtain an accurate first‐principles model of the process. Motivated by this, in the present work, Lyapunov‐based EMPC (LEMPC) is designed with a linear empirical model that allows for closed‐loop stability guarantees in the context of nonlinear chemical processes. Specifically, when the linear model provides a sufficient degree of accuracy in the region where time varying economically optimal operation is considered, conditions for closed‐loop stability under the LEMPC scheme based on the empirical model are derived. The LEMPC scheme is applied to a chemical process example to demonstrate its closed‐loop stability and performance properties as well as significant computational advantages. © 2014 American Institute of Chemical Engineers AIChE J, 61: 816–830, 2015     

制造控制技术用于换热器制造的发展建议

介绍了换热器制造工艺现状及不足之处,借鉴汽车、造船等行业先进生产技术、理论及未来装备质量控制的发展趋势,提出将制造精度体系运用到换热器设计、加工、装配中。通过制作三维管束工艺模型,介绍了三维工艺模型从建立模拟装配模型、虚拟装配到实物制造的过程。最后对换热器制造技术的进步革新做出展望。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。