磁选管回收率智能混合预报方法

针对衡量竖炉焙烧过程焙烧矿质量好坏的关键工艺指标磁选管回收率难以在线测量、化验结果滞后的难题，采用神经网络、案例推理和专家系统技术，提出了由神经网络预报模型、案例推理预报模型、自校正模型组成的磁选管回收率智能混合预报模型，讨论了模型的结构、主要功能和实现算法，并成功应用于赤铁矿选矿厂竖炉焙烧过程．应用效果表明，在工况正常与异常两种情况下，所提出的方法均能准确预报磁选管回收率．将磁选管回收率预报模型应用于竖炉焙烧过程的优化控制，使磁选管回收率保持在最优工艺指标范围之内，取得了明显的成效．     

基于参量预报的磁选管回收率智能优化控制

竖炉焙烧过程的关键工艺指标磁选管回收率难以实时测量,因而实现优化控制很困难.将优化设定、参量预报与回路控制技术相结合,提出一种磁选管回收率的智能优化控制方法.基于案例推理的优化设定模型根据工况的变化和磁选管同收率的实时预报值给出基础控制回路的设定值,并通过先进的控制方法实现回路的稳定控制.该方法应用于竖炉焙烧过程的生产实际,使磁选管回收率的实际值保持在其目标值范围内,取得显著应用成效.     

竖炉燃烧室温度的智能控制方法及应用

针对工况变化频繁的竖炉焙烧过程,采用智能控制方法设计了燃烧室温度智能控制系统。该系统由温度的串级模糊控制、空气流量比值控智和自适应补偿系统组成。自适应补偿系统通过智能故障预报器预报出燃烧室的运行状况,根据运行工况的变化通过基于案例推理技术的自适应补偿器给出加热煤气补偿用量和空燃比的校正值,从而实现了燃烧室温度的自适应控制。通过在某选矿厂22台竖炉中成功应用,表明了竖炉燃烧室温度智能控制方法的有效性。     

竖炉焙烧过程的智能设定模型

为了改善多目标评价案例推理设定模型在竖炉焙烧过程控制中的性能,运用注水原理分配过程变量的权重和群决策修正方法对多目标评价案例推理设定方法进行改进,得到一种新的智能设定模型.首先引入注水原理构造Lagrange函数对过程变量的权重进行优化分配,再通过案例检索和案例重用得到设定值的建议解,并根据多目标评价模型预测建议解对生产指标的影响效果,最后,对不合理的设定值进行群决策修正.将得到的设定模型应用于竖炉焙烧过程控制中,通过实验测试和对比应用说明了本文方法优于其他方法,能够有效提高多目标评价案例推理设定模型的控制性能.     

基于精简并发潜结构映射的竖炉焙烧过程综合故障诊断

竖炉焙烧过程因运行条件异常变化或操作不当会造成上火、冒火、过还原和欠还原等运行故障.这些故障直接影响过程运行安全和产品质量（比如,磁选管回收率）,但难以采用基于模型和基于知识的方法建模故障与产品质量的关系,以及诊断故障变量.针对上述问题,本文提出数据驱动的基于并发潜结构映射（Concurrent projection to latent structures,CPLS）的竖炉焙烧过程综合故障诊断方法.首先,将并发潜结构映射分解的过程变量共有子空间与残差空间精简合并来建立磁选管回收率相关的过程变化空间,提出基于精简并发潜结构映射模型的竖炉焙烧过程综合监控方法;接下来,定义相应的重构贡献图并与竖炉焙烧过程相结合,提出CPLS精简重构贡献方法用于竖炉焙烧过程故障变量诊断;最后,利用竖炉焙烧过程半实物仿真平台采集的数据进行实验研究,结果表明所提方法不仅可以诊断出质量相关的故障,而且可诊断出回路设定值之外的故障变量.     

一类复杂工业过程的智能预报模型及其应用

针对复杂工业过程中关键变量的测量问题,基于智能技术提出一种由数据采集与处理模块、决策支持模块、预报模块、在线校正模块以及效果评价模块组成的智能预报模型,并将该模型用于竖炉焙烧过程的优化控制与决策中.应用结果表明其维护费用低、实时性好、可靠性及精度高,在很大程度上解决了关键变量测量困难的问题,为选矿厂综合自动化系统的优化控制与优化运行奠定了良好的基础.     

竖炉焙烧过程综合自动化系统

针对竖炉焙烧过程的工艺特点及技术要求,基于智能技术提出了实现综合生产指标优化的竖炉焙烧过程综合自动化系统,讨论了由智能优化、过程控制和过程管理三层结构组成的综合自动化系统的结构、功能和控制策略。用智能优化设定模型、炉况诊断模型、智能预报模型及回路控制,实现了优化综合生产指标的目标。所提出的系统成功应用于桌选矿厂竖炉焙烧生产过程,实现了竖炉焙烧生产过程的优化控制、优化运行和优化管理,取得了明显的应用成效。     

一种基于多目标评价的优化设定方法研究

复杂工业过程关键被控变量的设定值是否合理直接影响到生产指标能否优化实现.针对设定值的合理性问题,融入评价的思想,提出一种基于多目标评价的优化设定方法,采用案例推理技术建立了设定模型的总体结构,通过对设定值的事前评价,实现了在线调整设定值的闭环寻优功能.利用开发出的竖炉焙烧过程仿真平台验证了方法的正确性和有效性,可以避免...     

灰度关联理论在CBR中的应用研究

针对基于规则推理技术(RBR)知识获取困难、自学习能力差等缺陷,将基于案例推理技术(CBR)引入故障诊断系统中.介绍了基于案例推理的故障诊断方法的工作机理和过程模型,阐述了案例表示、案例检索、案例保存和案例库维护机制,然后简单介绍了灰色关联理论知识,并把灰色关联理论应用到故障案例相似度的计算中.根据实验结果可知,该方法有效地改进了案例检索算法,提高了故障案例匹配的准确度和检索效率,同时具有较好的分辨率.     

基于SOPC的井喷预测系统设计

介绍了SOPC技术为核心逻辑模块的井喷预测系统,对井喷预兆、原因和相关参量变化规律进行了分析;描绘了系统组成结构,给出了硬件原理框图,并对系统进行了分解;系统应用计算机对钻井过程中相关参量的变化进行实时监测,研究智能决策方法,实现了对钻井过程中可能发生的溢流、井涌、井喷等进行科学的预测和预报;实际应用证明,系统有效并可靠地完成井喷的预测预报任务;系统的研制成功,对确保油气勘探开发作业安全起到重要作用,具有广阔的推广应用前景.     

Fault Prediction Modeling for Software Quality Estimation: Comparing Commonly Used Techniques

High-assurance and complex mission-critical software systems are heavily dependent on reliability of their underlying software applications. An early software fault prediction is a proven technique in achieving high software reliability. Prediction models based on software metrics can predict number of faults in software modules. Timely predictions of such models can be used to direct cost-effective quality enhancement efforts to modules that are likely to have a high number of faults. We evaluate the predictive performance of six commonly used fault prediction techniques: CART-LS (least squares), CART-LAD (least absolute deviation), S-PLUS, multiple linear regression, artificial neural networks, and case-based reasoning. The case study consists of software metrics collected over four releases of a very large telecommunications system. Performance metrics, average absolute and average relative errors, are utilized to gauge the accuracy of different prediction models. Models were built using both, original software metrics (RAW) and their principle components (PCA). Two-way ANOVA randomized-complete block design models with two blocking variables are designed with average absolute and average relative errors as response variables. System release and the model type (RAW or PCA) form the blocking variables and the prediction technique is treated as a factor. Using multiple-pairwise comparisons, the performance order of prediction models is determined. We observe that for both average absolute and average relative errors, the CART-LAD model performs the best while the S-PLUS model is ranked sixth.     

基于数据分析的配电网故障数据特征变量提取

配电网线路故障预测是提升配电网可靠性指标的重要手段,为了构建性能稳定、预测能力强的线路故障预测模型,需要保证模型输入特征变量的有效性、强相关性和无冗余性。为合理确定线路故障预测模型的输入特征变量,本文采用数据探索和挖掘的分析方法对馈线故障及其影响因素之间的关系进行了分析研究,以皮尔森相关系数为计算指标,对大量实际馈线故障数据与其影响因素进行相关性统计,从馈线故障的时间-地域特性、外部影响因素、自相关特性、运行影响因素等四个维度筛选出了馈线故障影响因素特征变量作为馈线故障预测模型的输入变量,直观有效地剔除无关故障特征变量。因此,所提出方法可用于配电网大数据的预处理分析和提取,为配电网故障预测提供重要方法和数据基础。     

Additive requirement ratio prediction using trend distribution features for hydrometallurgical purification processes

A purification process is to remove impurities through a series of reactors with additives. The theoretical calculated amount of additive does not fulfill actual requirements due to variations in the reaction environment. An additive requirement ratio is thus defined to measure the disparity between theoretical calculation and actual requirements. Considering the influence of the process underlying variations, a novel ratio prediction strategy, case-based prediction with trend distribution feature (CBP-TDF), is developed. In the strategy, the trend distribution features are firstly extracted to describe the underlying variations, and an improved case-based prediction algorithm is proposed where the similarity between these features is computed based on Kullback–Leibler divergence. The proposed strategy is applied to a copper removal process of zinc hydrometallurgy. The experiments indicate the accuracy of the ratio prediction, and the industrial application shows its effectiveness in the control of the purification process.     

基于最优工况迁移的高炉铁水硅含量预测方法

高炉铁水硅含量是铁水品质与炉况的重要表征,冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战.提出一种基于最优工况迁移的高炉铁水硅含量预测方法.首先,针对过程变量频繁波动问题,提出基于邦费罗尼指数的自适应密度峰值聚类算法,实现对高炉冶炼过程变量的工况划分,并建立不同工况硅含量预测子模型.其次,针对冶...