模式识别技术在常压蒸馏汽油收率调优中的应用

炼油厂常压蒸馏馏出汽油的质量由汽油干点确定。为了保证质量,各炼油厂都根据各自情况规定了一个干点上限值,以使出厂汽油辛烷值符合国家标准。同时,由于汽油干点越高,收率越高,因此生产中又要求汽油干点不低于某一下限值,即干点应控制在一定范围内,以便在保证质量的前提下获得较大收率。由于汽油干点是与多个有关温度、压力等变量具有线性关系的响应值,故常压蒸馏是一个限值响应过程。在蒸馏过程中,为防止干点超限,必需经常调节有关变量,加之馏出汽油是经碱洗后再抽样化验测出干点,故而难     

梓庆木匠与静定慧

我们都知道梓庆木匠的故事,他能制作出各种精巧的木器,人们看了都非常佩服,不相信这是人工能做出来的,木器好像出于鬼神之手。鬼斧神工这个词也就因此得名。     

电脑使我和儿子成了朋友

退休后干点什么?这是我在此前常常考虑的一个问题。我知道自己和麻将、电视无缘。三十年的教学生涯使我养成了爱学习的习惯,同时我又爱好保存资料,便决定添置一个帮手——家用电脑。这一决定马上得到了儿子的支持。     

Steelgolem German 88mm Gun Flak 18 1：35

与各位童鞋熟悉的田宫、长谷川、威龙模型不同，Steelgolem这个品牌显然没几个人知道。这也难怪，Steelgolem基本上平时就是干点接订单的活儿，然后再找个良辰吉日根据订单造些全金属模型。对于以这种半年不开张，开张吃半年的形式搞模型，     

基于多神经网络模型的石脑油干点软测量

应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值。同时为了克服因炼制原油性质无法及时获得而造成对初顶石脑油干点预测偏差的影响,在于模型建立时将前一时刘初顶石脑油干点分析值作为网络模型的自变量。实际应用表明,所建模型具有良好的预测精度,泛化能力强,效果令人满意。     

我坐着你站着,我睡着你干着

某公司经理:要说这电脑啊,每天还真是太清闲,我白天上班它上班,我晚上睡觉它竟然也睡觉。你看看闹钟,无论多早都能完成自己的工作,一刻不停的咔哒咔哒不停地干活,再看这月薪几千块的电脑……不行!得让它多干点活。让我想想怎么才能让它和闹铃一样,准时上班呢?     

写意生活 Wacom Bamboo

在计算机充斥生活空间的时代，如果你想要让计算机帮你干点事情，那么几乎不可避免地要用键盘与计算机进行互动，使用键盘输入固然有很多优势，但也存在一些弊端，例如在某些应用环境中效率不高，     

基于多神经网络模型的石脑油干点软测量

应用多神经网络建立初顶石脑油干点软测量模型,首先采用模糊C均值聚类法将样本集分成具有不同聚类中心的子集,每个子集运用BP神经网络训练得出子模型,然后根据聚类后产生的隶属度将各子模型的输出加权求和获得初顶石脑油干点软测量值.同时为了克服因炼制原油性质无法及时获得而造成对初顶石脑油干点预测偏差的影响,在子模型建立时将前一时刻初顶石脑油干点分析值作为网络模型的自变量.实际应用表明,所建模型具有良好的预测精度,泛化能力强,效果令人满意.     

不忍耐不阉割 UAC大换班

用过Vista的用户都知道UAC（User Account Control,用户账户控制）有多烦人。微软在Vista中引入这一技术,本意是防止恶意软件和间谍软件在未经许可的情况下安装或运行,不料这家伙最终竟演变成了折磨用户的噩梦——不管你准备在Vista里干点什么,UAC都会跳出来跟你唠叨个不停——就像《大话西游》里的唐僧那样。     

经典的STM32系列又出"劳模级"新品

物联网时代 ,嵌入式工程师总希望自己选用的 MCU"少用点电 ,多干点活" ,虽然"既想牛儿不吃草 ,又想牛儿多拉套"不现实 ,但是 ST 让这样的场景在 MCU 界上演了 ! 最近 ST 发布的新系列 MCU STM32L4 + ,能够让未来的智能电子产品"吃得更少 ,干得更多" ,堪称劳模 !     

基于PSO-K均值聚类的石脑油干点值多模型软测量建模方法

针对蒸馏工艺过程中变量多且变量间关系呈强耦合性及高度非线性的特点,提出一种基于PSO-K均值聚类的石脑油干点值多模型软测量建模方法。分析石脑油干点值的影响因素,采集相关辅助变量。用基于PSO改进的K均值聚类算法将现场采集数据进行划分,得到样本子集。再将得到的各个样本子集分别用SVM算法进行训练,建立石脑油干点值的预测子模型。在此模型基础上,通过计算预测样本与各子模型训练样本聚类中心的欧氏距离,采用模型切换的方法选择预测模型。仿真结果表明该方法避免了分类时K均值算法易陷入局部极值的问题,可以有效预测常压塔石脑油干点值,与单个全局模型相比有更好的精度与泛化能力。     

铤而走险 漏洞搭桥，入侵服务器

角放了自己手中的电脑，我深深地吸了口气，考虑着下一步该干点啥，我知道，老围着自己这台电脑转，新意不大。这时，一个胆大包天的想法从我脑中蹦出来，何不试试破解网管软件的服务端数据库？甚至给自己的上网卡流入一笔“横财”？想到这里，我的心跳开始莫名其妙地加速了，我知道，我的人生中，将可能第一次越道德的底线。我不得不一遍遍地告诉自己：只是测试，只是测试，我可千万别真做这犯法的事儿啊！[编者按]     

基于多元逐步回归和反向传播方法的粗汽油干点软测量模型

建立了粗汽油干点软测量模型。模型分别采用多元逐步回归方法和反向传播方法。结果表明：多元逐步回归方法可筛选自变量，但会将一些重要因素剔除；而神经网络可通过预选输入单元确定网络结构。通过对建立好的模型进行预测，可获得较满意的粗汽油干点值。     

网络版周洁茹

工作——“我现在的工作是写作。” 我表达的世界就是现实世界。我从不在网上帖自己的文章,但我的文章都可以在网上找到(http://zhoujieru.bookoo.com.cn),欢迎参观。 我最喜欢网络语言,它是世界上最可爱的语言_＊,我在网上的电子产品有:长篇网络小说《小妖的网》,中短篇小说集《我们干点什么吧》、《长袖善舞》、《我知道是你》,随笔集《天使有了欲望》。     

多变量动态矩阵控制算法研究

研究精馏塔的优化控制问题,由于PID控制精度差,多变量解耦控制理想完全解耦难以实现,预测控制存在模型失配,参数与工程指标联系不紧密的缺点,提出基于PID的多变量动态矩阵控制(DMC)策略.通过在DMC性能指标中引入预测输出误差项,利用PID指标改变传统DMC优化过程.上述算法兼具预测控制的解耦特性与PID控制参数工程意义明确的特点,加快了Shell原油精馏塔响应速度,消除了产品干点在设定值附近振荡,减少一个产品干点改变致使另一产品干点波动的现象.同时改进算法与传统预测控制器结构类似,便于广大工程人员设计实现.     

微机实现催化汽油干点软仪表监测

本文介绍了计算机实时系统在炼油工业的应用，给出了建立汽油干点模型的理论。     

变尺度粒子群算法及其在工业软测量中的应用

粒子群优化算法是一种基于群体智能的随机优化算法,具有收敛速度快、设置参数少、算法简单、容易实现等优点,其缺点是容易陷入局部最优解。变尺度法是一种可靠的局部快速寻优方法。为了解决了基本粒子群优化算法易陷入局部最优的问题,本文提出了一种基于变尺度方法的自适应变异粒子群优化算法。在本文算法中,粒子群每进化一代后,对所有粒子执行变尺度搜索,寻找更优个体,从而使算法具有动态自适应性,能够较容易地跳出局部最优。在延迟焦化生产过程中,汽油干点是衡量汽油的一个关键指标,建立汽油干点的软测量对延迟焦化生产实现卡边控制和提高装置的经济效益是有必要的。在实际生产过程中,无法在线测量延迟焦化汽油干点,只能采用离线实验室分析的方法获得,但离线分析不能满足控制的要求。基于软测量技术而开发的延迟焦化汽油干点软测量模型,使汽油干点的在线测量成为可能。目前,工程上一般采用BP神经网络来训练软测量模型。BP神经网络的学习算法是决定BP神经网络预测质量的关键。鉴于此,本文将所提出的变尺度粒子群优化算法用于BP神经网络学习过程中,并将本文方案的预测结果与文献方案进行了对比实验。实验结果表明,与文献方案相比,本文方案具有较好预测精度和良好的泛化能力,具有较好的应用价值。     

给程序穿上“隐身衣”

在单位使用电脑时，要想一边工作一边偷偷干点别的事情，一般来说，我们必须拥有“眼观六路，耳听八方”的本领，以防老板随时“降临”。尽管很多软件设计者都照顾到了这一“特殊”需要，发明了“老板键”，但多数软件并不提供该功能。要想让程序运行得悄无声息，我们的读者朋友提供了不少奇招酷技。     

汉之云壶中仙境

轩辕剑系列的炼化系统以丰富的娱乐性,为游戏整体增光添色了不少,《汉之云》作为最新的轩辕剑系列在炼化系统中又会有何不同呢?让我们一起走进这壶中仙境。本作中的壶中仙境由"仙境小庵","鬼神之塔","炼妖炉"和"锻冶坊"四个部分组成。     

读者来信

长假结束后刚上班的几天里特不适应,人坐在办公桌前,仿佛心却还在遥远的千里之外(嘘,小点声,被老编听到就不妙了^_^)。邮局的工作人员上门取件,我问有没有来信,她笑着看我,然后低头从包里掏出厚厚一叠来信递到我面前,我说了谢谢接过来。两步小跑回到了座位,旁边的鸭子说,行了,终于有事干了,免得你不知道干点啥,总是走神。