基于多阶段MPLS法的发酵过程质量预测

由于发酵过程中,系统的非线性特性与发酵阶段密切相关,而应用常规MPLS时的静态单一模型、模型失配、不能充分有效压缩和抽取非线性信息、估计未来测量变量引入模型误差等问题,提出1种多阶段MPLS法.先采用ISODATA动态分类算法聚类分析过程数据,划分子阶段,针对各批次子阶段不等长的特点,再用DTW算法同步阶段轨迹,然后在...     

基于LNS的OPC服务器的开发

针对不同组态软件应用LonWorks总线需要开发不同驱动的问题,分析了基于LNS的LonWorks监控方法以及OPC技术的基本特点,提出了基于LNS的OPC服务器方案和实现方法.     

基于加权数据融合算法的移动液化气监控系统

为了提升液化气监控系统的灵活性和数据处理的精度并减少数据量的上传,提出了一种基于加权数据融合算法的移动液化气监控系统.根据MATLAB/Simulink图形仿真环境对加权数据融合算法和算术平均法进行的模拟效果对比实验,证明了加权数据融合算法的优越性;利用实地布置的同类型的多传感器进行数据采集,并将采集的数据以JSON格式存入服务器数据库内;最后,移动端通过HTTP请求的方式获取数据.结果表明:该系统在提高数据处理的精度并减少数据量的同时,还保证了数据的上传速率,使系统可以很好地应对液化气爆炸的突发性.     

固定化酶催化合成头孢羟氨苄

以7-氨基-3-脱乙酰氧基头孢烷酸(7-ADCA)为母核,对羟基苯甘氨酸甲酯(HPGME)为酰基供体,在磷酸缓冲液体系中,利用固定化青霉素酰化酶催化合成头孢羟氨苄(cefadroxil).通过对头孢羟氨苄酶法合成过程中的影响因素的考察,以选取较佳的合成工艺条件.实验结果表明,在反应温度为25 C,反应体系pH 6.5,7-ADCA,HPGME和固定化酶用量分别为2.5%,7.5%,1.5%的反应条件下,合成反应转化率可达到80.3%.     

虫草多糖的化学结构及药理活性研究进展

作为虫草的主要活性成分之一,虫草多糖具有多种药理活性.近年来随着虫草菌无性型和液体深层发酵技术的发展,虫草多糖已成为多糖研究的热点.本文概述了发酵虫草及其多糖相关产品的开发,介绍了虫草多糖的化学结构研究及其在质量控制中的应用,重点综述了虫草多糖药理活性的研究进展,包括抗肿瘤、降血糖、对肝脏和肾功能的保护作用,以及免疫调节作用,分析了虫草多糖研究中存在的问题,并对其今后的研究开发进行了展望.     

数据跨境流动治理与对策研究

数据是信息时代重要的国家战略资源,合理的数据流动在促进经济增长、加速创新、推动全球化方面发挥着重要作用。当前全球跨境数据流动监管体系处在形成关键期。我国作为全球数据资源大国,面临数字经济快速发展机遇,需要妥善规制处理数据跨境流动问题,在保障数据安全的基础上促进数据有序高效流动,为数字经济高质量发展提供有力支撑。在梳理美国、欧盟以及国际组织等主要国家和地区数据跨境流动研究最新进展的基础上,分析了各自特点,并结合我国数据跨境流动实际提出对策建议。     

一种改进的案例推理分类方法研究

特征属性的权重分配和案例检索策略对案例推理（Case-based reasoning,CBR）分类的准确率有显著影响. 本文提出一种结合遗传算法、内省学习和群决策思想改进的CBR分类方法. 首先,利用遗传算法得到多组属性权重,再根据内省学习原理对每组权重进行迭代调整;然后,通过案例群检索策略得到满足大多数原则的群决策分类结果;最后,以典型分类数据集的对比实验证明了本文方法能进一步提高CBR分类的准确率. 这表明内省学习可以保证权重分配的合理性,案例群检索策略能充分利用案例库的潜在信息,对提升CBR的学习能力有显著作用.     

基于MICA-OCSVM的间歇过程故障监测

针对多向独立成分分析 (multi-way independent component analysis, MICA) 需要假设过程变量服从非高斯分布的要求, 以及MICA基于马氏距离构造的监控统计量会导致故障检测率降低的问题, 研究了一种将多向独立成分分析与单类支持向量机 (one-class support vector machines, OCSVM) 相结合的MICA-OCSVM监测方法.首先采用MICA提取间歇过程所有批次的独立成分;然后分别对每个时刻的所有批次的独立成分进行OCSVM建模, 利用确定的决策超平面构造非线性的监控统计量;最后计算所有建模数据的监控统计量, 并利用核密度估计确定相应的控制限.将该方法应用到青霉素发酵过程仿真平台, 实验结果表明:该方法相比于传统的MICA故障监测方法, 无需考虑过程变量服从何种分布, 能够有效利用独立成分的结构信息, 故障的误报率、漏报率明显降低.     

基于MICA-PCA的间歇过程故障监测

针对具有数据非高斯分布或混合分布的间歇过程, 研究一种新的改进MICA-PCA监控方法.首先利用MICA方法提取非高斯分布过程信息, 通过设定负熵阈值实现独立成分个数的自动选择, 以此克服传统ICA方法中需提前确定独立成分个数的缺点, 再使用核密度估计方法确定相应统计量的置信限, 然后对服从多元高斯分布的残差过程信息, 进一步进行PCA分析和处理.将该方法应用于北京某生化制药厂重组大肠杆菌制备白介素-2发酵过程监控.结果表明:该法在过程变量不服从高斯分布的情况下能有效降低传统方法的漏报和误报率, 准确地对过程进行监控.     

基于多向核熵偏最小二乘的间歇过程监测及质量预测

针对间歇过程数据的批次不等长和强非线性的特点,结合核偏最小二乘和核熵分析,提出了多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)的过程监测及质量预测方法.该方法将三维历史数据沿新的展开方式展开,克服了批次不等长和数据缺失的问题,通过核映射将过程数据从低维输入空间映射到高维特征空间,实现变量之间非线性相关关系的线性转换,解决了数据的非线性特性;根据核熵的大小将特征值和特征向量进行排序并对数据进行降维,弥补了MKPLS方法只按照数据特征值的最大化进行降维的不足.同时,引入核特征提取算法降低核空间的计算量,使其能够在线应用.数值实例和实际工业过程数据的验证效果表明:MKEPLS方法不仅能对故障进行有效监控,提高故障的报警率,同时还能对最终产品质量进行预测.