考虑人因指标的过程报警阈值自适应优化方法

目前大多过程参数报警阈值优化方法没有考虑操作员的人因影响,为此,结合人因工程的理论,提出了一种考虑操作员人因影响的过程报警阈值自适应优化方法。首先,采用APRIORI算法挖掘报警事件与操作事件的关联关系;基于在线报警数据,模糊推理获得人因综合指标;根据误报、漏报与人因指标的关系计算两者的权重,建立报警阈值优化目标函数。工业实例数据验证表明,此方法对于过程报警阈值的优化设置具有较好的人因环境适应性,能够使得过程报警系统的性能得以进一步的改善。     

基于数据驱动的化工过程参数报警阈值优化

为了提高化工过程报警系统的性能,需要对过程参数的报警阈值进行优化设置。针对传统阈值方法存在的问题,采用核密度估计方法、基于历史数据对过程报警状态进行估计,从最小化误报警和漏报警概率的角度建立了优化过程报警阈值的目标函数,并采用数值优化的方法进行求解。应用于TE过程的仿真结果表明,此方法能够有效地减少过程误报警的次数,并且对漏报警的次数进行抑制。     

油水界面测量过程中自适应阈值聚类优化算法

精确检测原油储罐内油水界面及液位高度是保证净油外输含水率控制精度及联合站盘库系统计量精度的前提条件，是石油化工过程系统工程中的重要环节。鉴于油水界面测量过程中传统分类统计算法和经典K-means聚类算法存在依赖人工选取典型值和初始聚类质心、计算结果不确定性以及精度难于保证等问题，本文提出了一种改进的K-means自适应阈值聚类优化算法。该算法能自动获取最优初始阈值，并改进了油水界面测量传统分类统计算法和经典K-means聚类算法的思想，可实现最优数据分类。首先采用自适应阈值查找算法自动查找油水界面最优初始阈值，其次采用改进K-means聚类优化算法对油水界面数据进行最优划分，最后根据最优化聚类结果计算油水界面及液位高度。实验结果表明：相对于油水界面测量的传统分类统计算法和经典K-means聚类算法, 该算法无需人工选值、能够完全保证计算结果的准确性，且比经典K-means聚类算法和其他改进K-means聚类算法所需的迭代次数更少、运行时间更短。     

过程参数滋扰报警的一类自适应管理策略

滋扰报警是过程工业报警系统的主要问题,然而,目前报警优化方法一般敏感度低、可靠性差,根据报警变量之间的时间间隔和报警持续时间确定滋扰报警的形式,提出了自适应报警死区和报警延时器的计算方法,利用时间序列ARMA模型预测报警死区来处理高频报警,并利用报警间隔时间更新报警延时器参数n来处理低频报警。通过工业实例数据验证表明,所提出的方法能够有效减少滋扰报警的数量、提高报警系统的性能。     

工业报警序列的模糊关联规则挖掘方法

面向寻找工业报警序列根源,抑制报警泛滥,论文提出了一种模糊加权关联规则挖掘方法,结合模糊集合、Apriori数据挖掘算法和时间序列分析挖掘报警关联规则。基于报警数据的时间约束属性和相似度约束属性,利用相似度作为模糊加权关联规则挖掘算法的权重,提高挖掘效率和准确性。并且,相对于定量表达,模糊关联规则对于操作者来说更加容易使用。工业实例验证了方法的有效性。     

电力生产过程中的人因失误分析

分析电力生产过程中典型事故案例,对导致事故发生的人因失误原因进行分类统计,找出人因失误导致事故发生的规律及其分布特点,有针对性地采取措施进行预防控制,指导安全生产实际工作。     

核电厂人因工程人机接口设计的探讨

本文论述了人因工程在核电厂设计中的重要性。简要介绍了人因工程的内容和范围,重点讨论了新建核电厂的人机接口设计。简要说明了国外核电厂人机接口设计,详细描述了国内核电厂的人机接口设计要求。     

基于HFACS模型的厌氧反应器人因失误辨识方法

人因失误是导致厌氧反应器发生泄漏事故的重要因素之一,为此在人因分析与分类系统(HFACS)的基础上,细化模型分类,建立人因失误安全检查表模型,指导人因失误辨识。在安全检查表模型基础上开发了厌氧反应器人因失误辨识安全检查表软件,分析可能存在的人因失误。     

基于物元分析的过程工业报警优化

过程工业报警系统设定的报警点多且复杂,给监控生产带来了一定的困难.结合报警系统的特点和物元分析方法,构造各报警参数的物元模型,定义各报警参数与报警级别的关联函数,提出基于关联函数的权重分配改进,计算各报警参数与报警级别的综合关联度.在保证安全生产的前提下,根据综合关联度的大小对各报警参数进行优化选择,形成适合过程工业的报警优化方法.结合精对苯二甲酸溶剂脱水塔报警系统验证了该方法的有效性,基于物元分析的报警优化方法合理地降低了报警系统的报警量和报警频率,为报警管理和操作优化提供了新思路.     

基于Hinkley算法的突发水污染分级报警方法

预警算法是水质生物预警系统成功预警水质突变的关键。研究利用Hinkley算法对其行为指标进行了优化,并引入综合报警指数Y,建立水质突变分级报警模型。结果表明：在CuCl₂突发暴露下,其活动强度、位移强度呈现快速上升后又下降的趋势,聚散强度经过短暂下降后又上升。2.0 TU时,各行为指标的强度明显高于空白组,毒性对各行为指标呈现一定的抑制作用。模型在感知污染物暴露后每隔20 min报警一次,随着时间、毒性浓度的变化,报警级别依次为初级(水质有可能已经被污染)、中级(20%～40%的鱼群出现尾巴停摆现象)、高级(40%以上的鱼群出现翻肚现象)。基于Hinkley算法的水质突变分级报警模型的建立,使水质预警更准确、有效,为水质污染状况评估、水质安全性评价等工作提供参考。     

An adaptive neuro-fuzzy approach to bulk tobacco flue-curing control process

Bulk tobacco flue-curing process significantly affects the quality and fragrance of cured tobacco leaves. The control of bulk tobacco flue-curing process is therefore quite important for tobacco industry. In this work, a neuro-fuzzy-based method for controlling bulk tobacco flue-curing process was proposed. In particular, an adaptive network-based fuzzy inference system (ANFIS) was developed to predict the set point changing time. To illustrate the applicability and capability of the ANFIS model, the proposed approach was tested with a bulk tobacco flue-curing barn database, which included totally 574 data sets obtained in the four curing cycles. The results demonstrated that the proposed approach could be applied successfully and provide high accuracy and reliability for bulk curing barns. Furthermore, to analyze how input factors affect the bulk tobacco flue-curing control process, the selection of input linguistic factors was also discussed. The factors of color and curing phase were found to have the most substantial influence on curing control process. A comparative study among the proposed neuro-fuzzy approach and other related methods was also performed. Both the statistical measures and visual assessment illustrated that the proposed ANFIS method outperformed the other methods in this study, which further showed the effectiveness and reliability of the neuro-fuzzy approach to bulk tobacco flue-curing control process.     

Claus+SCOT工艺总硫回收率主要影响因素探讨

根据Claus＋SCOT尾气处理工艺的特点，分析了燃烧炉配风量、燃烧炉温度、Claus反应器温度、SCOT反应器的投用效果、COS、CS2含量及SCOT尾气胺液吸收塔胺液选择及吸收效果对总硫回收率的影响。为了提高总硫回收率，宜采取以下措施，如：及时调整燃烧炉配风量，使进燃烧炉的空气量与进料中的烃和硫化氢含量相匹配，保持炉气中硫化氢与二氧化硫的摩尔比为2：1；控制燃烧炉内温度在1100～1350℃，既保证有较高的硫回收率，又不会对设备造成危害；一级Claus反应器入口温度控制在220～250℃，硫回收率为65％，COS、CS2的水解率为50％～60％；二级Claus反应器入口温度控制在200～230℃，进一步促进硫化氢转化，硫的回收率可达70％；控制SCOT反应器入口温度在270～300℃、出口尾气φ（H2）3％～5％，使Claus尾气中的S8、SO2完全还原成H2S，同时COS、CS2也在该高温下近乎完全水解为H2S；选择甲基二乙醇胺（MDEA）作为SCOT尾气吸收液，同时控制好吸收条件，保证吸收效果等。     

An archive-based multi-objective evolutionary algorithm with adaptive search space partitioning to deal with expensive optimization problems: Application to process eco-design

In eco-design, the integration of environmental aspects into the earliest stage of design is considered with the aim of reducing adverse environmental impacts throughout a product's life cycle. An eco-design problem is therefore multi-objective, where several objectives (environmental, economic, and technological) are to be simultaneously optimized.The optimization of industrial processes usually requires solving expensive multi-objective optimization problems (MOPs). Aiming to solve efficiently MOPs, with a limited computational budget, this paper proposes a new framework called AMOEA-MAP. The framework relies on the structure of the NSGAII algorithm and possesses two novel operators: a memory-based adaptive partitioning strategy, which provides an adaptive reticulation of the search space for a quick identification of optimal zones with less computational effort; and a bi-population evolutionary algorithm, tailored for expensive optimization problems.To ascertain its generality, the framework is first tested on several tough benchmarks. Its performance is subsequently validated on a real-world eco-design problem.