OPC技术在催化装置分布式先进控制软件中的应用

提出一种针对石油化工领域实现优化控制的方法,对胜华炼油厂催化装置先进控制的总体结构进行介绍,提出运行平台和软总线的概念,阐述基于DCS的先进控制软件的分层设计思想,重点介绍运行平台设计中使用的OPC技术,详细论述运行平台的功能以及用lightOPC开发包设计运行平台的过程,说明运行平台周围模块的设计方法。     

基于信息强度的RBF神经网络结构设计研究

在系统研究前馈神经网络的基础上,针对径向基函数(Radial basis function, RBF) 网络的结构设计问题,提出一种弹性RBF神经网络结构优化设计方法. 利用隐含层神经元的输出信息(Output-information, OI)以及隐含层神经元与输出层神经元间的交互信息(Multi-information, MI)分析网络的连接强度, 以此判断增加或删除RBF神经网络隐含层神经元, 同时调整神经网络的拓扑结构,有效地解决了RBF神经网络结构设计问题; 利用梯度下降的参数修正算法保证了最终RBF网络的精度, 实现了神经网络的结构和参数自校正. 通过对典型非线性函数的逼近与污水处理过程关键水质参数建模, 结果证明了该弹性RBF具有良好的动态特征响应能力和逼近能力, 尤其是在训练速度、泛化能力、最终网络结构等方面较之最小资源神经网络(Minimal resource allocation net works, MRAN)、增长修剪RBF 神经网络(Generalized growing and pruning RBF, GGAP-RBF)和自组织RBF神经网络(Self-organizing RBF, SORBF)有较大的提高.     

一种多模块协同参与的神经网络

针对单一神经网络训练时间长、对复杂问题处理精度较低、易陷入局部极小等问题,提出了一种多模块协同参与信息处理的神经网络.该神经网络具有层级结构,基于条件模糊聚类技术对样本进行分类,根据分类结果实现对神经网络的模块划分,采用代数算法对网络权值进行求解,基于距离测度设计了处理输入信息的子网络选择方法.为提高神经网络对复杂问题的逼近能力,选择数目不等的多个子网络参与给定输入的协同处理,采取"分而治之"与"集成学习"相结合方法以提高网络的性能.实验表明,对于复杂问题,这种多模块协同参与的神经网络可以有效地提高网络的逼近精度,训练时间也优于单一网络.     

溶解氧浓度的前馈神经网络建模控制方法

针对污水处理过程溶解氧(DO)浓度控制问题,提出了一种基于前馈神经网络的建模控制方法(FNNMC).本文构造了神经网络建模控制系统,通过对建模神经网络和控制神经网络隐含层学习率的分析,证明了学习算法的收敛性以及整个系统的稳定性.最后,本文基于国际基准的Benchmark Simulation Model No.1 (BSMl)进行了仿真实验,验证了合理选取学习率的重要性,并通过与PID和模型预测控制(MPC)等已有控制方法的比较,验证了神经网络建模控制方法针对污水处理过程溶解氧浓度控制具有良好的建模能力,更高的控制精度以及更好的动态响应能力.     

延迟深度回声状态网络及其在时间序列预测中的应用

为提高回声状态网络对于时间序列预测问题的处理能力, 本文提出了一种延迟深度回声状态网络构造方法.该方法将多个子神经元池顺序连接, 每两个相邻的子神经元池之间嵌入了一个滞后环节.由于滞后环节的存在，该网络可将长时记忆任务转化为一系列短时记忆任务, 从而简化长时依赖问题的求解, 同时降低神经元池的构建难度.实验表明, 该网络具有强大的短时记忆容量, 对初始参数有较好的鲁棒性, 对时间序列预测问题的处理能力也比常规回声状态网络有显著提高.     

基于OPC技术的先进控制软件的集成

在石化行业应用先进控制技术的一个关键问题是如何实现先进控制软件与DCS系统之间可靠的数据通信以及运行平台的开发,应用OPC技术实现先进控制软件与DCS系统之间的无缝连接,使基于Windows平台的先进控制软件具有设备通用性和软件通用性,对于在石化行业广泛应用先进及优化控制具有重大意义一本阐述了基于OPC技术的先进控制软件的设计方法,并将该方法在石油大学胜华炼油厂催化车间进行了应用。     

基于模块化神经网络的汽车轮胎接触面压力模型

针对汽车轮胎与路面接触面压力测量问题,提出了一种基于模块化神经网络的轴载、胎压与接触面压力的关系模型.该模型首先将样本进行模糊聚类,针对不同的轴载、胎压信息,构造基于距离测度的隶属函数,通过模糊判别实现该信息子网络的在线选择,提高神经网络对信息处理的自适应性.对合肥市某公路的轴载检测样本的测试结果表明,基于模块化神经网络的接触面压力模型在精度上优于经验模型,环境适应性也有一定程度提高.     

基于ESN的多指标DHP控制策略在污水处理过程中的应用

针对污水处理过程(Wastewater treatment process, WWTP)溶解氧(Dissolved oxygen, DO)及硝态氮浓度控制问题, 提出了一种多评价指标的DHP (Dual heuristic dynamic programming)控制策略. 该策略能够降低评价指标的复杂性, 提高评价网络的逼近精度. 采用回声状态网络(Echo state networks, ESNs)实现评价函数及控制策略的逼近, 研究了控制器的在线学习算法. 实验表明, 该策略在控制性能上优于单评价指标的DHP策略及常规PID控制策略.     

“Visual C++语言”课程教学改革研究

本文针对"Visual C++语言"课程教学现状,提出了以专业工程案例为中心的教学模式。教学过程中,笔者为相关教学内容精选了与之配套的教学案例,使得教学内容具有了明显的专业特色。实践证明,案例教学模式能够提升学生对专业知识的应用能力,明显改善教学效果。     

神经网络自适应动态规划在污水处理过程控制中的应用

针对污水处理过程的溶解氧及硝态氮浓度控制问题,提出一种基于神经网络的自适应动态规划(Neural network-based adaptive dynamical programming,NNADP)方法.该方法采用神经网络逼近当前策略的评价函数以及最优的控制策略.采用梯度下降算法对各神经网络权值进行在线训练.基于污水处理过程国际标准模型BSM1(Benchmark Simulation Model no.1)对NNADP控制性能进行了测试,结果表明:与PID控制相比,NNADP具有较强的解耦能力,控制精度也有较大提高.