储油罐的变位识别与罐容表标定

本文探究了由于地基变形等原因,储油罐罐体的纵向倾斜和横向偏转对罐容的标定产生的影响。通过分析两头扁平的椭圆柱体与两头为球冠的圆柱体这两种常见油罐形状,利用微元法建立积分模型,利用分部积分得到了标定体积与偏转的关系式,并通过具体实例对模型可行性进行验证。对于储油罐的变位识别,利用差异性检验来检测,提出基于遗传算法的反演规划模型,利用最小二乘原理,反演求解出油罐的横向与纵向偏转角度,从而对罐容表进行重新标定。最后考虑到实际中油罐并不是规则的几何体和汽油在油罐中的储存情况对标定造成的影响,利用BP神经网络算法对罐容表进行了修正。     

关于储油罐内液体数量的技术分析

液化石油气储油罐在使用过程中会因地基变形的原因产生变位,导致原有罐容表标定值出现误差,本文建立了储油罐油位高度与储油量关系求解模型,给出了两个主要模型及修正模型及一个搜索算法,解决了变位产生的误差问题,并重新给出罐容表标定值,对实际储油罐也解决了识别问题.     

基于MATLAB的均匀设计实验数据多元非线性最小二乘拟合

根据多元非线性最小二乘原理,利用MATLAB编程,拟合出了一组均匀设计实验结果的经验公式。回归拟合的F检验及实验验证结果表明拟合公式有效、回归效果显著。在显著性水平为α=0.01下,F=38.1大于临界值λ=16.0;验证实验的回归值与实验值的绝对误差为0.16,小于剩余标准差S=0.879,相对误差为2%。根据拟合公式绘图分析得出的结论与理论分析、其它实验研究结果相符,从而进一步说明拟合公式的正确性。     

基于RBF神经网络区域划分-分块补偿的储油罐用温度传感器非线性补偿

由于储油罐温度场分布规律复杂,因此采用温度传感器进行储油罐温度数据测量时需要进行误差补偿,提出了一种基于RBF神经网络区域划分-分块补偿方法。根据储油罐温度场分布规律及温度传感器安装布置,将罐内空间划分为若干个区域。利用RBF神经网络对各个区域内的温度传感器分别构建相互独立的补偿模型进行非线性补偿。实验表明,与多种补偿方法相比,该种方法模型结构简单,补偿后的储油罐用温度传感器误差大幅减少。     

液态饱和水的物性计算

利用线性与非线性最小二乘法,得出液态饱和水的物性对于温度的关系式。据此算出水的物性值与文献中的实验值比较,偏差较小。     

基于多元统计方法的过程单元缓变故障识别

在实际化工生产过程中存在一些缓变故障,在发生的初期过程偏离正常工况的程度较少,且受生产数据噪声的影响,不易被传统过程监测方法及时发现。本文针对缓变故障的特点,提出了一种基于偏最小二乘法-主元分析法(PLS-PCA)的过程监测方法。首先利用偏最小二乘法(PLS)回归提取出各变量之间的关系,通过获取变量实测值与回归预测值之间的误差,以放大装置运行状态与预设状态之间的偏差,在此基础上建立基于主元分析法(PCA)的过程监测模型,实现了对缓变故障的早期识别。该过程监测模型被应用在某制氢装置预转化反应器上,结果表明该方法对缓变故障具有较好的早期识别效果,能够比工程师提前13h,比基于传统PCA的过程监测模型提前8h。     

计算机视觉算法在道路标线识别上的应用

介绍一种基于计算机视觉算法的图像边缘检测算法,可应用于道路标线识别。该算法采用了传统Hough变换的图像特征提取技术,通过结合所安装摄像头的分辨率、安装高度和安装角度,改进了传统的车道线识别算法,提高了对车道线的拟合程度,适用于高速公路的路况,并通过使用最小二乘法进行拟合,用OpenCV实现车道线拟合算法的实现。     

基于计算机视觉的微塑料颗粒物识别与检测

基于计算机视觉中的目标检测技术,利用单目视觉领域的单点多盒探测法(SSD),构建了针对小物体的目标检测模型,使用置信度误差与位置误差相结合的加权损失函数引导网络训练。研究结果表明:SSD算法在微塑料颗粒物的检测平均正确率可达89.2%。相比单一光学检测方法以及计算机视觉领域同类目标检测方法,可以更加准确、高效地进行自动微塑料颗粒物检测。     

基于纳氏比色法测定氨氮的两种不确定度评定方法的优劣比较

2017年,最新的国家标准《测量不确定度评定和表示》(GB/T 27418—2017)发布。目前,测量不确定度的方法中,GUM法中一系列Bottom-Up方法的使用较为普遍。《基于质控数据环境检测测量不确定度评定指南》(CNAS-GL34)提出使用Top-Down方法进行不确定度的评定。以纳氏比色法测定水中氨氮的检测数据为基础,考察GUM法中最小线性二乘法和Top-Down法中质控图法两种方法评定检测数据的不确定度,比较分析了两种方法的优劣,初步探讨了Top-Down方法的应用前景。     

基于流程拓扑信息的统计过程监测方法

传统数据驱动的过程监测方法主要基于历史数据和统计学知识建立,往往忽视了对过程机理的考虑。基于预测残差的过程监测方法则通过数据驱动的回归模型实现对局部过程机理的近似,在预测残差的基础上建立监测模型实现了对过程偏离更好的识别。但其建立回归模型实现对局部过程机理的近似时主要基于数据,很少考虑具体流程信息。作为流程信息的一种表现形式,流程拓扑结构常被用来提取变量间的进程与因果关系,如果在建立回归模型时结合流程的拓扑结构,则可使得所建立的回归模型中包含一定的流程信息,使其对局部机理的近似更为准确。基于此,本文提出一种基于流程拓扑信息的统计过程监测方法。该方法利用流程的拓扑结构,提取变量间的进程与因果关系,建立回归模型实现对局部过程机理的近似。在此基础上建立基于预测残差的过程监测模型,实现对过程偏离的监测。该方法被应用于某连续重整装置的过程监测中,结果表明其监测效果要优于基于主元分析和基于预测残差的过程监测方法。     

生物氧化提金预处理过程参数间关系的辨识研究

生物氧化提金是一种对难处理金矿石进行预处理的技术,可以解决其他常规选冶技术因回收率过低而无法工业利用的低品位金矿的选冶难题。针对生物氧化预处理过程参数间具有的强耦合、强非线性特性导致的很难实现工业实时精确调控的问题,提出依据递推最小二乘法辨识生物氧化预处理过程参数间相关关系,得到参数间相关关系的函数表达式。通过方差分析对所得函数表达式进行验证,结果证实该方法能够保证辨识精度。     

散式流态化到聚式流态化的混沌识别

散式流态化呈现出一种非常均匀的理想流态化结构 .聚式流态化具有明显的两相结构 .当流型从散式到聚式转变时 ,床层结构发生了变化 .本文在提出用最小二乘法同时计算关联维D2 和K2 熵的计算方法的基础上 ,就A类颗粒在不同气速下的压力波动 ,分析了从散式到聚式转变时所对应的床层结构的变化 ,解释了在不同尺度下两种流型所表现出的不同动力学行为 .以此为基础 ,提出了新的识别流型转变的方法 .     

基于核磁共振波谱技术的润滑油基础油性能研究

介绍了利用核磁分析仪对润滑油基础油性能的研究,并从分子学角度阐述了分析模型的准确性及可靠性。利用核磁共振技术快速扫描分析,得到基于几十组润滑油基础油化验分析数据的谱图,通过偏最小二乘法原理,建立快速测定润滑油基础油主要性质的分析模型。该方法极大程度地减轻了化验分析耗油多、耗时长的问题,且更好地满足方案制定、生产调整与优化等工作的需要。     

基于操作域划分的聚丙烯熔融指数软测量

讨论了如何建立聚丙烯熔融指数软测量模型及模型更新问题.首先根据聚丙烯反应器中的氢气浓度划分操作域,对于每个操作域,用一种新的非线性部分最小二乘方法建立熔融指数软测量子模型,然后将各个子模型进行组合,建立全局模型.为了使模型适应过程的变化,提出一种递推非线性部分最小二乘算法,利用新获得的数据对原模型进行更新.同时基于滑动窗方法,提出模型在线估计和更新策略.实际应用结果表明,模型取得了很好的估计性能,计算精度满足工业生产的实际要求.     

基于PLS的原油选择与混合优化研究

为降低原油采购成本和生产符合质量要求的产品,将原油的选择与混合看作一个整体,基于原油属性数据信息,采用偏最小二乘法建立原油选择与混合优化的非线性混合整数规划模型,应用分支定界算法对模型进行求解,并通过具体实例分析证实了模型和算法的有效性。     

微通道内气液两相Taylor流数值模拟

本文采用FLUENT软件对T型微通道内气液两相Taylor流进行模拟,得到了各物理参数对Taylor流的影响规律。在此基础上,采用最小二乘法进行拟合,得到了可以更准确预测T型通道内气液两相Taylor流气泡和液柱长度的经验关联式。     

基于非线性最小二乘法的气井无阻流量计算

在气井开发过程中,对气井无阻流量的计算和确定是一个相当重要的环节和工作。而目前确定气井无阻流量的方法主要是二项式方法。本文采用非线性最小二乘原理,对计算气井无阻流量的必要参数进行拟合,得出气井无阻流量的非线性最小二乘计算方法,并进行了实例分析以及结果对比。     

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。     

基于最小二乘法逆向计算机器人底涂参数的研究

针对目前汽车生产中机器人底涂参数标定结果数据不连续及质量控制准确性低的问题,提出一种基于最小二乘法逆向计算瞬时流量和喷涂速率的方法。先进行机器人底涂测试,分别建立瞬时流量与涂胶宽度和涂胶厚度的映射模型,再基于最小二乘法求解出两两之间的函数关系式。接着利用喷涂速率与涂胶厚度的反比关系建立不同涂胶厚度下对应的喷涂速率模型。最后开发了机器人Karel程序,将建立的底涂参数逆向计算模型应用于机器人底涂生产。结果表明,涂胶宽度和厚度的控制精度分别保持在±1.5 mm和±10μm,满足精准控制机器人底涂质量的要求。