基于复杂网络控制理论的换热网络旁路位置确定

换热网络的旁路控制是增加自由度和提升系统控制性能的有效手段。为了保证控制的有效性和经济性,本文基于复杂网络理论,结合“下游路径”理论中换热网络的干扰传递规律,构建出换热网络的有向加权的复杂网络模型,然后把换热网络旁路抽象为复杂网络驱动节点集,权衡可控性与经济性两方面因素,给出两种旁路位置确定方法。在可控性要求较高时,基于复杂网络结构可控性理论,提出了换热网络全局可控的旁路位置确定法,该算法不仅通过设置最少的旁路实现了换热网络的全局可控,还实现了对换热网络控制性能的优化;当旁路数目受限时,基于复杂网络目标控制理论,提出了重要节点可控的旁路位置确定法,在保证其重要节点可控的同时,减少旁路数量从而节省投资费用。最后,以大型原油换热网络为例分别求解全局可控和重要节点可控的换热网络旁路位置,验证了该方法的可行性。     

基于改进聚类算法的RBF网络及其应用

RBF网络可以逼近任意连续非线性函数,且训练速度快,性能好,被广泛应用于过程建模和预测。RBF网络的一个重要因素是隐层节点的选择,隐层节点过多或过少都会影响最终网络的性能。提出一种改进的k-means聚类算法,可以自动确定最优的聚类区数,并且可使最终的聚类中心合理地分布在数据空间中。在应用RBF网络进行建模和预测时,采用该方法确定隐层节点的中心,跟用通常的聚类方法相比,可以大大减小网络规模。仿真和实际应用结果都证明该方法的有效性。     

基于复杂网络理论的大型换热网络节点重要性评价

鉴于换热网络大型化和流股间复杂关系,使得换热网络换热器节点重要性的研究显得越来越重要,对其控制和安全运行的工程实践方面具有指导意义。本文以大型换热网络为研究对象,将换热器抽象为节点,换热器之间的干扰传递抽象为边,构造网络拓扑结构。在复杂网络理论的基础上,提出了评价大型换热网络节点重要性的策略和模型。首先,从网络的点度中心性、中间中心性、接近中心性和特征向量中心性等网络拓扑结构属性出发,依据多属性决策方法对网络节点重要性进行综合评价;其次,考虑换热网络的方向性,基于PageRank算法对该网络进行节点重要性评价研究。综合两个算法的计算结果得出最终结论。案例分析表明:该研究方法是有效的,可从不同的角度全面评价换热网络的节点重要性,丰富了换热器节点重要性评价的相关理论。     

基于Rough集理论的知识约简与规则挖掘方法

提出了利用可辨识矩阵和分辨函数自动获取规则的算法,该算法从已知决策系统出发,通过决策系统的可辨识矩阵和分辨函数计算核和所有的约简集,以约简集为初始节点,建立层状节点网络模型,对于各节点,提取符合可信度要求的规则写入规则集中。应用实例表明,文章提供的算法是确实可行的。     

基于最小路径覆盖算法的化工过程重要参数的识别

将复杂网络的目标控制理论应用到化工过程系统重要参数的识别中,以SDG(signed directed graph)模型和复杂网络理论为基础构建化工过程的网络模型,然后利用LeaderRank和节点相似度算法(SRank算法)对网络节点重要性进行排序并基于此对网络进行鲁棒性分析选取目标节点,通过最小路径覆盖算法对网络进行目标控制分析,确定驱动节点并对它们进行重点监控。案例分析结果表明,该方法可行,对化工过程系统中重要参数的监测和安全控制具有一定的指导意义。     

化工园区事故链重要节点及关键传播路径研究

针对化工园区事故影响因素繁多、事故链节点关联复杂、传播路径不确定等问题,提出一种基于复杂网络理论构建化工园区事故链模型并确定重要节点和关键事故传播路径的方法。首先根据事故链各影响因素间的作用关系建立化工园区事故链网络模型;其次结合改进的多属性决策方法(TOPSIS)和加权LeaderRank算法2种方法的计算结果得出该网络模型的重要节点;最后基于事故传播强度识别事故链网络的关键事故传播路径。结果表明该方法可有效确定化工园区事故链网络的重要节点和关键事故传播路径,为化工园区事故的预防和预测提供理论依据。     

神经网络在ZigBee矿井定位系统中的应用研究

ZigBee网络是拥有大量微型节点的新型复杂网络。本文采用神经元描述了ZigBee的网络节点,用神经元模型表示了ZigBee网络。给出了ZigBee矿井定位系统的神经网络模型,并将神经网络应用于定位信息数据融合中。结果表明,基于神经网络的ZigBee系统可以使得复杂网络的研究变得简单,利于开展对ZigBee的深入研究。     

基于物联网的粉尘浓度数据采集优化设计

针对无线传感器网络节点数据传输的耗能性和物联网数据的海量性特点，提出一种LEACH协议和线性回归模型相结合的PM2.5数据采集优化检测系统。该系统以PM2.5粉尘浓度传感器为检测节点，通过研究基于物联网感知层的数据融合算法，提出将线性回归模型与簇状网络结构相结合，构建系统函数，实现节点间相关参数的传输，减少了网络的总能耗，延长了网络生命周期。仿真结果表明：所提数据融合策略达到了节能高效、优化采集数据的目的。     

网络控制系统中基于PID的死区反馈调度方法

在网络控制系统中,网络负载的加重会使网络资源稀缺,并导致各个子系统控制性能变差．为了改善整个系统的控制品质（QoC）,提出了基于PID死区反馈调度方法,在该方法中,各节点优先级和死区节点是根据每个节点的当前控制品质动态分配和选择的,死区节点上死区范围大小采用PID调节,使得时限错过率稳定在优化的范围之内。仿真结果表明,在网络资源紧缺时,该方法能提高整个系统的控制品质。此外,该算法耗时较少,能满足实际应用中实时性和简便性的要求。     

基于SOM-RBF神经网络的COD软测量方法

污水处理是一个复杂的非线性过程,化学需氧量（chemical oxygen demand,COD）是评价污水处理效果的关键指标之一。COD的传统测量方法耗时长、成本高,基于传统神经网络的软测量方法提高了COD参数的测量速度但精度较差。针对这些问题,设计一种结合自组织特征映射 (self-organizing map, SOM)和径向基函数(radial basis function, RBF)神经网络的COD参数软测量方法。该方法利用SOM网络聚类数据样本,根据所得聚类结果确定RBF网络的隐层节点数及节点的数据中心,综合提高RBF网络的收敛速度和拟合精度。利用污水处理厂部分水样数据建立COD软测量模型,模型仿真和硬件在线测试结果表明,相对于传统的BP、RBF等网络,基于SOM-RBF神经网络的COD软测量方法测量时间短、预测精度较高,具有较为广阔的应用前景。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。     

基于模糊RBF神经网络的无刷直流电机调速控制

针对无刷直流电机的速度控制,把模糊控制与神经网络原理相结合,提出了基于模糊RBF神经网络的PID控制方法,该网络具有自适应性。利用最小均方差来调整网络的权值,使径向基函数快速收敛,获得较佳PID控制参数,达到对转速跟随控制。同时自适应网络对整个系统的动态性能起到了改善作用。仿真结果表明该方法具有很好的控制效果。     

Internal control of brain networks via sparse feedback

The human brain is a complex system whose function depends on interactions between neurons and their ensembles across scales of organization. These interactions are restricted by anatomical and energetic constraints, and facilitate information processing and integration in response to cognitive demands. In this work, we considered the brain as a closed loop dynamic system under sparse feedback control. This controller design considered simultaneously control performance and feedback (communication) cost. As proof of principle, we applied this framework to structural and functional brain networks. Under high feedback cost only a small number of highly connected network nodes were controlled, which suggests that a small subset of brain regions may play a central role in the control of neural circuits, through a trade-off between performance and communication cost.     

基于迭代启发式动态规划的锅炉燃烧系统的优化控制

对锅炉燃烧系统进行径向基函数(RBF)神经网络建模,利用基于RBF神经网络的迭代启发式动态规划(HDP)算法对锅炉燃烧系统进行优化控制,并对神经网络初始权值和效用函数进行改进后与传统的HDP算法进行比较分析.     

Retrofit design of heat exchanger network of a fluid catalytic cracking plant and control based on MPC

Nowadays, the optimal control of a heat-integrated plant becomes one of the most important research areas in the chemical industry. The heat transfer between the process and recycle flows may generate instability. Accordingly, the advanced control techniques have the challenging task of assuring the safety of the process operation and providing tight control for the heat integrated plants. Investigation of an entire fluid catalytic cracking (FCC) plant taking into account its complex dynamic behaviour for heat integration design and operation has not been studied yet. The reactor–regenerator, the fractionation column and the heat exchanger network are included in the present study. Using the data from an industrial plant, a complex FCC process simulator was built. The structure of the optimal heat exchange network (HEN) was designed and implemented in the simulator. Comparison between PID and MPC control strategy was done and the incentives of the proposed MPC are revealed.     

基于NARX神经网络的高炉冶炼过程Si元素的预测与智能控制

使用NARX动态神经网络建立高炉冶炼过程中Si元素的单步预测与双步预测模型,分析使用NARX神经网络建模在过程工业中进行动态控制的可行性。通过实验结果发现,单步预测的命中率(误差±0:1)达到了近100%,而方向预测的正确率达到了80%。同时,双步预测的命中率也达到了近100%,而对变化方向的预测的准确率达到了90%,可以看出运用NARX神经网络对高炉冶炼过程Si元素进行预测控制的可行性并具有较高的预测精度。     

有旁路换热网络全周期节能的动态优化控制实现方法

为了实现换热网络的全周期持续节能,在网络上设置旁路从而增加其控制自由度,同时设计一定的裕量来提供优化控制的操作空间。为了较好地利用旁路调节和裕量空间,提出一种基于换热网络动态模型的在线优化控制方法,巧妙地结合原有常规控制回路,不但扩大了优化控制的可行域,并且满足原常规控制回路的精度要求。该方法以换热网络一定周期内的累积费用最小为目标函数,同时考虑扰动对换热网络的影响,在满足工艺条件的基础上,求解最佳旁路开度,以实现换热网络的持续节能。由于采用闭环校正、迭代计算和滚动优化的实施方法,始终把优化建立在实际的基础上,尽管它每次不一定能得到全局最优解,然而使得实际控制结果达到最优。最后,以某炼油厂的常减压脱盐前换热网络为具体的研究对象,说明所提方法的有效性和使用前景。