数据驱动的过程模型

产品数据管理应基于集成的产品数据模型的过程模型。该模型不但能够提供产品生命周期中所需的所有产品本身的信息,而且还应包含全生命周期中各相关过程的全部信息,本文从并行工程的基本思想出发,讨论了一种集成的产品模型——数据驱动的过程模型,该模型以过程为核心,以数据为驱动源,对产品开发过程中所涉及的各种信息实现统一、动态的描述和管理。     

间歇过程的神经网络模型

间歇过程通常具有非线性，时变和易燃易爆的特点，用常规的建模方法建立起模型比较困难，本文针对间歇聚丙烯过程，利用前馈神经网络建立其数学模型。首先根据实际系统的输入输出建立网络的结构。再用经验数据对网络进行训练，并用未参加训练的数据对网络进行测试，测试的最大误差是0.03MPa，这一误差在要求的范围之内。     

基于模型驱动框架的计算无关层过程建模

目前企业服务软件的开发和实施存在较大缺陷,为此提出了基于模型驱动框架的企业服务软件开发模式和计算无关层的建模体系结构,重点研究了计算无关层过程模型的建模方法,定义了元模型中的元素和元素间的关系。通过对过程元模型的派生和扩展,得到过程基本模型中元素和元素间的关系。阐述了基本模型的扩展机制,建模人员可以据此对基本模型进行元素扩展和属性扩展。最后,为了使计算无关层过程模型能够向下层模型转换,以及能够与其他企业模型进行互操作,分别建立了过程元模型的统一建模语言标准和过程基本模型的可扩展标记语言标准。     

基于ICA-MPCA的间歇过程监测方法

针对基于多向主元分析(multi-way principal component analysis, MPCA)的间歇过程监测方法需要事先假定变量呈高斯分布的缺陷,提出了一种新的ICA(independent component analysis, ICA)-MPCA多变量间歇过程统计监测方法.该方法先用ICA法从过程信息中抽取非正态分布的特征信号,并确定联合分布的统计置信限;然后对提取非正态特征信号后残余的服从多元正态分布的过程信息进行MPCA分析,从而避免了基于MPCA间歇过程监测方法需假设过程特征信号全部服从正态分布的前提.将该法应用于β-甘露聚糖酶间歇发酵过程监测,结果表明该法不仅能有效地监测出故障,尤其是对过程变量不满足正态分布的情况下,能够准确地对过程进行监测.     

基于数据驱动建模的钣金装配过程误差分析

钣金装配过程的误差分析对于消除钣金装配质量故障具有重要意义。现有分析建模方法由于受钣金装配零件的材料、几何形状和装配工艺的限制,难于对钣金装配过程进行准确建模和误差分析。与分析建模方法不同,基于装配体关键产品特征的历史测量数据提出进行钣金装配过程误差分析的数据驱动建模方法。所提方法由工程经验和数学推导,建立钣金装配过程的多元一阶自回归模型和多元部分线性模型。基于极大似然估计方法和最小二乘核光滑估计方法给出所建立模型的参数和非参数估计。四元四工序典型汽车引擎盖的装配实例证明,所提方法在钣金装配误差分析过程中具有有效性。基于数据驱动的建模方法易于建模,分析结果准确可靠,可为钣金装配过程的误差分析提供新思路。     

基于Karnopp模型和数据驱动的虚拟针灸手法力建模

针灸学是一门实践性学科,操作训练的经验对针灸医学生掌握针灸技术十分重要。本文针对传统训练方法准确性和真实感低的问题,基于Touch X和 wity搭建了虚拟针灸训练平台,并通过采集针刺猪肉的数据建立提插和捻转手法力模型。针对提插手法可分为刺人力和提插力两部分,在刺人力模型中增加了衰减力建模,使刺人的分层感更加真实;借鉴 Kamoup模型建立不同组织层的单位长度阻尼函数,结合刺入力和提插力建立完整的提插手法力模型。针对捻转手法采用数据驱动建模,分为动态捻转和静态衰减两部分,两者测试集准确率分别为0.985 08和0.992 49。最后通过左右手对比实验和用户使用感受对模型进行评估,结果表明,本文建立的两种针灸手法力模型准确度高,真实性强,可扩展性好。     

仪控一层PDF数据自动建模的仿真研究

设计验证平台作为设计及验证的工具,为电站设计提供验证手段.通过开发仪控一层PDF文件解析转换软件,对仪控一层PDF文件运用图像识别技术,识别图纸组态信息,经过自动解析和转换,其结果匹配设计验证平台建模软件文件格式需求,从而实现自动建模功能,同时也为设计与仿真平台一体化提供了基础.     

基于SVDD的多时段间歇过程故障检测

支持向量数据描述(SVDD)不要求过程数据满足正态分布,已应用于间歇过程故障检测。现有的SVDD间歇过程故障检测方法采用聚类分析和模型识别划分间歇过程时段,多时段划分的准确性较低,制约了多时段间歇过程故障检测精度的提高。针对上述问题提出了一种基于SVDD的多时段间歇过程故障检测方法,利用SVDD的超球体半径值与支持向量个数的变化划分间歇过程的多时段,并建立了不同时段的SVDD故障检测模型,使用待检测样本点的球心距与对应时段的超球体半径之差检测过程故障,实现了多时段间歇过程的时段划分与过程故障检测。发酵过程仿真实验和实际生产实验结果表明,该方法能够准确地划分间歇过程的多时段,并且能够针对不同时段进行故障检测,具有较高的检测率。     

基于过程驱动的产品版本管理技术研究

提出基于过程驱动的版本管理方法,该方法在树状结构版本模型的基础上,通过过程驱动对各种信息进行存储、修改、提取,实现信息的系统管理,解决数据存储冗余问题,保证各种信息的准确。实例验证,该版本管理技术具有有效性和可行性。     

考虑控制电信号中间量的机床运动控制误差数据驱动建模方法

现有数据驱动的机床运动控制误差建模方法通常使用端到端的模型,即通过机器学习算法直接构建参考轨迹信息(速度、加速度等)与伺服误差之间的模型,以降低建模复杂度。然而,该方法忽视了控制电信号对运动控制系统非线性扰动的反映,而导致建立的模型精度受限。为解决此问题,提出了一种使用控制电信号作为中间量的数据驱动运动控制误差建模方法。该方法采集参考轨迹信息(速度、加速度、急动度等)、控制电信号、跟踪误差以及构造的换向特征,构建并训练基于参考轨迹信息的控制电信号预测网络,以及基于电信号和参考轨迹信息的运动控制误差预测网络,利用控制电信号这一中间量有效反应系统所受非线性扰动的特点,实现了高精度的运动控制误差数据驱动建模。在实际验证测试时,将参考轨迹信息输入电信号预测网络,而后将得到的预测控制电信号和参考轨迹信息输入跟踪误差预测网络,即可实现运动控制误差的预测。通过实验对所提出的建模方法进行了验证,所提出方法相对于传统的端到端建模方法,运动控制误差的预测精度在X轴和Y轴分别提升16.33%和20.42%,误差补偿后运动控制轮廓精度相较于未补偿提升85.59%,验证了所提出方法的可行性。     

基于鲁棒M估计的间歇过程离群点检测

以多元统计分析技术为核心的间歇过程建模、在线监测逐渐成为过程工业的关注焦点,然而过程数据中存在的大量离群点将直接影响上述方法的可靠性,为此提出了一种基于鲁棒M估计的间歇过程离群点检测方法.该方法首先通过积分方程离散化将模型参数估计问题转化为最小二乘优化问题;分别利用Tikhonov正则化方法及鲁棒M估计消除噪声和离群点对模型参数估计的影响;最后通过分析各个样本点的权值,实现过程数据的离群点检测.将所提出的方法应用于半间歇反应过程,实验结果验证了方法的可行性与有效性.     

基于非线性规划的间歇反应过程动态优化算法

采用对数障碍法和外点法将实际间歇反应过程中的约束条件转化为惩罚项生成新的目标函数,将有约束优化问题转化为无约束优化问题;采用非线性规划算法中的操作变量参数化方法,将操作变量的最优解转化为操作变量子函数的线性组合,将无限维最优解问题转化为有限维权值向量的最优估计问题;同时应用Lyapunov理论设计一种动态迭代优化算法,重点讨论了采样时间的取值对优化算法收敛性的影响.最终用于解决靛蓝生产中碱熔间歇反应过程中过程参数的最优分布,从而提高目标产物的最终收率和降低生产成本等.通过碱熔间歇反应动态优化问题作为实例进行仿真试验,实验结果表明所述算法的有效性和可靠性.     

基于受控赋时Petri网的批处理系统建模

将受控赋时Ｐｅｔｒｉ网用于批处理生产过程中离散事件的建模。通过为动作库所赋予不同的时间参数,可对批处理对程中特有的零等待与有限时间等待中间存储策略进行建模和分析,控制库所的引入可消除资源争用冲突。借助与建立的模型,可进一步对系统进行逻辑分析和控制综合研究。     

基于工作流网的成批处理工作流模型挖掘方法

针对现有过程挖掘技术在解决成批处理工作流模型挖掘问题上存在的不足,研究了相应的过程挖掘方法。利用系统事件日志中活动实例的输入输出、开始与结束时间等数据,通过引入成批处理特征等概念来发现成批处理区及隐含的事件记录,并结合现有过程挖掘方法来挖掘成批处理工作流模型。该方法充分利用现有过程挖掘方法的优越性能,解决了支持成批处理工作流系统中的模型自动构建问题。通过仿真实验验证了该方法的有效性。     

一种新的多阶段间歇过程在线监控策略

为克服多阶段间歇过程硬划分和误分类导致漏报率和误报率高的缺陷,同时也为了实现更精确、有效地过程监控,提出一种基于模糊聚类软过渡的多PCA监控策略,实现多阶段间歇过程的在线监控.首先计算每个时刻数据矩阵的相似度指标作为聚类输入,采用模糊聚类算法实现阶段划分,根据隶属度辨识相邻阶段间的过渡过程,之后建立一系列具有时变协方差的加权PCA模型,该方法能客观地揭示各阶段及过渡过程的特征多样性,较好地解决存在过渡过程的多阶段监控问题.最后通过将所提出的方法应用于工业青霉素发酵过程的监控中,验证了该方法的可行性和有效性.     

结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。     

基于DeltaV系统的批量控制的阶段的实现

介绍了基于DeltaV系统的批量控制之阶段的实现方法,阐述了批量控制的基本模型和关键技术,并以工业过程中的pH控制为例,详细论述了批量控制关键技术的具体应用。对于精细化工、制药和食品等批量生产过程控制有较重要参考意义。     

间歇过程PSO SQP混合优化算法研究*

针对SQP算法在求解具有复杂约束的间歇过程优化时容易陷入局部极值点的问题,本文提出一种PSO-SQP混合优化算法。该算法首先采用外点罚函数法将间歇过程有约束的优化问题转换为无约束的优化问题,利用PSO强大的全局搜索能力对其进行求解,并把搜索结果作为SQP搜索初始点,以此弥补SQP全局搜索弱的缺点,再利用SQP良好的局部收敛性和较强的非线性收敛速度对原优化问题进行精细搜索,弥补了PSO局部搜索弱的缺点,通过不断的迭代最终获得优化问题的全局最优解。该算法充分利用了SQP和PSO的优缺点,增强了其对复杂约束优化问题的求解能力。将本文提出的算法用于连续搅拌化学反应系统温度控制中,仿真结果表明产物浓度能够充分逼近期望值,且反应器的温度轨迹收敛,从而验证了该算法的有效性和实用价值。     

基于时间描述的批处理短期调度方法综述

回顾了近二十年来批处理过程的短期调度研究已经取得的显著进步,对批处理调度方法进行了简要介绍。从基于时间描述的方式出发,将现有的调度方法分为离散时间表示法和连续时间表示法两大类,然后分别分析了这两大类方法的优点和局限性,最后进行了总结及展望,指出了批处理调度研究的重点将是调度理论的基础方面。