基于两层分块GMM-PRS的流程工业过程运行状态评价

过程运行状态评价旨在实时判断运行性能优劣程度,并追溯导致非优运行状态的原因,指导操作人员进行生产调整,保证企业经济效益.因此,对过程运行性能优劣评价的研究具有重要的理论和应用价值.本文针对定量、定性变量共存的流程工业过程运行状态评价问题,提出基于两层分块混合模型的评价方法.将流程工业过程根据其物理特性和管理方向划分子块,产生子块层和全流程层.在定量信息占主导地位的子块内,建立定量的高斯混合模型（Gaussian mixture model,GMM）.在定性信息占主导地位的子块内,建立定性概率粗糙集（Probabilistic rough set,PRS）模型.综合各子块运行状态信息,进一步判定全流程运行状态等级.针对非优运行状态等级,本文提出基于贡献率的非优原因追溯方法,在非优子块内进行原因追溯.最后,将所提方法应用于某黄金湿法冶炼生产过程,说明所提方法的可行性和有效性.     

基于ISDAE模型的复杂工业过程运行状态评价方法及应用

工业过程的运行状态评价对保证产品质量及提升企业综合经济效益具有重要意义. 针对工业过程中存在强非线性、信息冗余以及不确定性因素影响而难以建立稳健可靠的运行状态评价模型问题, 提出一种基于综合经济指标驱动的稀疏降噪自编码器模型(Comprehensive economic index driven sparse denoising autoencoder, ISDAE)的复杂工业过程运行状态评价方法. 首先, 在SDAE (Sparse denoising autoencoder)模型中引入综合经济指标预测误差项, 迫使SDAE学习与综合经济指标相关的数据特征, 建立ISDAE特征提取模型. 其次, 将ISDAE模型所学特征作为输入训练运行状态识别模型, 级联特征提取模型和运行状态识别模型并通过微调网络结构参数获得运行状态评价模型. 另外, 针对非优状态, 提出一种基于自编码器贡献图算法的非优因素追溯方法, 通过计算变量的贡献率识别非优因素. 最后, 将所提方法应用于重介质选煤过程, 验证所提方法的有效性和实用性.     

复杂工业过程运行状态评价方法回顾与展望

准确感知和认知复杂工业过程的运行状态对于实现过程智能控制和优化决策至关重要,是当前实现工业人工智能需要解决的关键问题之一.传统过程监测理论系统已不能满足现代工业生产过程对过程运行状态认知的精细化及准确化的需求,因此,复杂工业过程运行状态评价技术应运而生,近几年受到学术界和工业界广泛关注并快速发展.对此,首先从复杂工业过程的主要特性以及数据提取过程中面临的问题出发,回顾基于数据驱动的相关工业过程运行状态评价方法;然后根据最优性评价结果总结导致状态非“优”的原因,并进一步给出相关非优因素追溯方法;最后对现有研究内容和这一领域中值得进一步研究的发展方向做出总结和展望.     

基于GMM和贝叶斯推理的多模态过程运行状态评价

为使综合经济效益最大化,生产过程应保持在最优运行状态等级.针对多模态过程运行状态等级优劣判断问题,提出一种运行状态等级评价方法.该方法对同一运行状态等级的多模态数据建立一个高斯混合模型(Gaussian mixture model,GMM),确保特征提取的准确性,避免模态划分问题.至于在线评价策略,本文采用贝叶斯推理,确定当前运行状态属于各等级的后验概率.并引入滑动窗口,判定当前运行状态等级,有效解决多模态过程运行状态在线评价问题.针对"非优"运行状态,本文提出一种基于变量偏导数的贡献计算方法,对导致过程运行状态等级"非优"的原因变量进行追溯.最后,通过田纳西–伊斯曼(Tennessee–Eastman,TE)过程验证所提方法的有效性.     

基于分层分块状态相关独立成分分析的火力发电过程运行状态评价

火力发电承担着我国电能供应的重要任务,实时掌握火力发电过程运行状态,对于提高煤炭资源利用率,实现综合经济效益的提升具有重要意义.针对火力发电过程,提出一种新的基于分层分块状态相关独立成分分析的运行状态评价方法.该方法将火力发电全流程进行纵向和横向的层次结构划分.在利用分层分块状态相关独立成分分析建立评价模型时,不仅能够...     

基于改进随机森林算法的工业过程运行状态评价

运行状态评价是指在过程正常生产的前提下, 进一步判断生产过程运行状态的优劣. 针对复杂工业过程定量信息与定性信息共存的情况, 本文提出了一种基于随机森林的工业过程运行状态评价方法. 针对随机森林中决策树信息存在冗余的问题, 基于互信息将传统随机森林中的决策树进行分组, 并选出每组中最优的决策树组成新的随机森林. 同时为了强化评价精度高的决策树和弱化评价精度低的决策树对最终评价结果的影响, 使用加权投票机制取代传统众数投票方法, 最终构成一种基于互信息的加权随机森林算法(Mutual information weighted random forest, MIWRF). 对于在线评价, 本文通过计算在线数据处于各个等级的概率, 并且结合提出的在线评价策略, 判定当前样本运行状态等级. 为了验证所提算法的有效性, 将所提方法应用于湿法冶金浸出过程, 实验结果表明, 相对于传统随机森林算法, MIWRF 降低了模型的复杂度, 同时提高了运行状态评价精度.     

融合分层分块信息的轧制过程运行状态评估方法及应用

工业过程运行状态评估方法是对过程当前运行状态进行合理的评价,为工业过程的安全、高效运行提供有益的指导.带钢轧制过程具有流程长且系统层级多等特点,而传统的运行状态评估往往采用集中式的评估方法,难以对轧制过程全流程的运行状态进行合理的评估.针对此问题,提出一种融合分层分块信息的轧制过程运行状态评估方法.采用一种多层级分块的评估策略,将全流程分为若干个层级和子块,提高评估结果的可解释性.提出一种联合核主成分分析(kernel principal component analysis,KPCA)和t-分布随机邻域嵌入算法(t-distributed stochastic neighbor embedding,t-SNE)的特征提取方法,并行地提取全局和局部的特征信息.进而,针对传统支持向量机(support vector machine,SVM)输出结果为硬判型输出,将SVM的输出结果映射为后验概率,并通过D-S证据理论融合多个层级的运行状态评估结果,从而实现决策层面的信息融合,提高评估结果的准确性.最后,将所提出方法应用于实际带钢轧制过程,与各类传统的方法相比评估准确率提高近18%.     

基于改进的动态因果图推理算法的复杂工业过程运行状态在线评价

复杂工业生产中,为获得优质产品和更高经济效益,需保证生产过程运行于"正常"且"优"的状态.针对定量信息与定性信息同时存在的生产过程,提出一种基于改进的动态因果图(dynamic causality diagram,DCD)的过程运行状态评价方法.该方法以因果图理论为基础,扩充了定量分析和定性分析结合描述的动态因果图;针对复杂工业生产过程中存在多个相互关联的事件联合作用导致一个事件发生的特点,提出用联合因果强度来描述事件间关系的方法.最后以金湿法冶金氰化浸出过程为应用背景,分别利用传统DCD与改进DCD两种方法建立评价模型,对比分析评价结果,验证了文中提出方法的有效性和先进性.     

基于Fisher 判别分析的过程运行状态在线评价

为了实时掌握生产过程运行状态, 提出一种基于Fisher 判别分析(FDA) 的过程运行状态在线评价方法. 提出 离线数据分类与识别算法, 以识别不同稳定运行状态的建模数据及其对应的状态等级; 利用FDA提取各个稳定运行 状态的特征属性, 建立评价模型; 在线评价时, 通过“时间窗口”数据特征与各个状态等级的相似度, 实时评价过程运行状态. 将所提出的方法应用于某湿法冶金过程的仿真结果验证了该方法的有效性.

     

数据驱动的最优运行状态鲁棒评价方法及应用

在现代复杂工业生产过程中, 细致而稳健的运行状态评价及非优因素识别对指导工业生产具有十分重要的实际意义.考虑到复杂工业过程难以建立准确的数学模型和实际工业过程数据噪声及离群点污染比较严重的问题, 本文提出一种全潜鲁棒偏M估计的复杂工业过程最优状态的鲁棒评价方法.在建立离线评价模型时, 通过对过程数据主元和残差子空间的进一步分解, 提取出能够反映与原材料、生产消耗和产品质量等因素相关的经济指标的变化信息, 同时采用样本数据加权的方法消除离群点对评价模型的不利影响, 提高算法的鲁棒性; 在线评价时, 针对生产过程中存在不确定性因素, 引入在线数据窗口及相似度分析进行在线评价, 并给出在线评价的准则和流程, 提高评价结果的可靠性, 当评价结果非优时, 通过计算相应变量的贡献率识别非优因素.最后, 通过重介质选煤过程验证了所提方法的有效性.     

基于粒度聚类的铁矿石烧结过程运行性能评价

烧结过程的运行性能是生产效率和能源利用的综合表现. 运行性能评价是保持烧结过程的运行性能处于最优等级的前提. 考虑到时间序列数据的冗余, 提出一种基于粒度聚类的铁矿石烧结过程运行性能评价方法. 首先, 利用单因素方差分析方法选取影响运行性能等级的检测参数; 然后, 采用多粒度区间信息粒化实现检测参数时间序列数据的降维, 并进行粒度聚类, 得到聚类标签; 最后, 以聚类得到的聚类标签为输入, 利用随机森林算法进行运行性能等级评价. 利用实际钢铁企业的运行数据进行实验, 构建两个对比实验, 分别采用基于时间序列数据聚类(Time series data clustering, TSDC)方法和基于时间序列特征聚类(Time series feature clustering, TSFC)方法. 实验结果表明, 该方法为有效评价烧结过程的运行性能提供了一套可行方案, 为操作人员提升烧结过程运行性能提供了有力的指导.     

基于粗糙集的因果图方法简化研究

因果图方法是一种有效的软件测试方法,它适合于描述对于多种条件的组合、相应产生多个动作形式的测试用例设计,因果图最终被转换为判定表。在判定表中,测试用例的数目随输入数据数目的增加而线性地增加,当输入数据数目较大时,最终生成的判定表的规模会很大,相应的生成的测试用例会很多,并且,程序的规格说明中给出的有些条件及条件值并不是必需的,因此,文中采用粗糙集理论对因果图方法进行简化,并用一个实例说明了该简化方法的合理性和实用性。经简化,由因果图生成的判定表的条件和条件值都不再有冗余,所生成的测试用例数目大大减少,测试变得更加简洁有效。     

基于改进粗糙集和层次分析法的进口生鲜食品配送中心选址

针对进口生鲜食品企业配送中心的选址问题,利用粗糙集对影响配送中心选址的属性指标进行约简,运用层次分析法建立多因素层次结构模型,并对Z企业的备选地址进行评价,将改进的粗糙集得到的客观权重和层次分析法得到的主观权重有效地结合起来,使评价更加客观和科学,结论表明该方法是可行的.     

基于静−动态特性协同感知的复杂工业过程运行状态评价

针对当前过程监测和运行状态评价方法等对工况信息感知不全面、漏报和误报现象严重等问题, 在深入研究工业现场数据静−动态特性协同感知方法的基础上, 提出关键性能指标(Key performance indicators, KPI)驱动的慢特征分析(Slow feature analysis, SFA)算法. 将关键性能指标信息融入到慢特征分析中, 协同感知复杂工业过程的静−动态特性变化, 并进一步通过计算潜变量之间的相似度及其一阶差分间的相似度实现对过程稳态和过渡的评价. 在此基础上, 建立基于静−动态特性协同感知的过程运行状态评价统一框架. 针对非优状态, 提出基于稀疏学习的非优因素识别方法, 实现对非优因素变量的准确识别. 最后, 通过重介质选煤过程实际生产数据和田纳西·伊斯曼(Tennessee Eastman, TE)过程数据验证了该方法的有效性.     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简.本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率.实例证明了该方法的可行性和有效性.     

基于粗糙集的层次分析及其应用

在实际择优决策过程中,层次分析法被广泛使用,而在不完备复杂信息系统中粗糙集理论被大量使用,对系统进行约简。本文在层次分析方法的基础上,通过粗糙集理论对层次分析模型中矩阵的维数进行了降维,有效地改善复杂大系统的处理复杂度,提升了计算机利用层次分析法解决实际择优问题的效率。实例证明了该方法的可行性和有效性。     

Operating optimality assessment based on optimality related variations and nonoptimal cause identification for industrial processes

In this study, a novel online operating optimality assessment based on optimality related variations and nonoptimal cause identification method is proposed for industrial processes. The optimality related variations are extracted from each steady performance grade by analyzing the common and unique variations among steady performance grades, which avoids the time-consuming data alignment. When the optimality related variations are used in assessment, both the robustness and sensitivity of the assessment method are improved compared with the PCA-based assessment for its abilities in highlighting the process variations related to operating performance and excluding those unrelated variations. Based on the similarities between the optimality related variations of the online data and that of each steady performance grade, the process operating performance can be evaluated as the steady performance grade or the conversion process between performance grades, and this provides more information for the in-depth understanding of the process operating. For nonoptimal operating performance, the nonoptimal cause identification strategy is developed for further production adjustment and performance improvement. Finally, the efficiency of the proposed method is illustrated with a case of gold hydrometallurgical process.