三聚氯氰生产PLC控制系统

介绍了三聚氯氰生产PLC控制系统的组成、功能及设计方案．基于低成本自动化的原则，采用两级式分布监控结构，为三聚氯氰生产设计了工业控制计算机＋PLC模式的控制系统．经1年多的实践检验，表明该系统设计合理，操作方便，运行安全、可靠，保证了三聚氯氰生产的安全平稳操作．     

全流程污水生化处理过程的仿真设计

根据国际水协会IWA发布的国际评价基准Benchmark,基于2号基准仿真模型BSM2协议,构建了面向全流程污水生化处理过程的仿真平台。该仿真平台采用模块化结构,具有动态信息处理量大、直观性好以及操作简便等特点。利用该仿真平台,可完成稳态计算、动态特性模拟、三类性能指标的计算以及各种先进控制策略的评价等任务。通过对关键水质参数的仿真和相关性能指标的计算,验证了该仿真平台的有效性。     

工程规划建模研究及流程优化的实现

基于数学规划中的线性及非线性规划理论,着重研究了非线性规划中多变量重构搜索算法、建模并集成诸多线性/非线性解题器以实现求解不同类型的规划与优化问题.在此基础上以C++/GCC及wxWidgets图形库为开发工具,集成多类型规划解题器及统一规范的XML规划模型,开发出通用规划/优化平台系统GIEPT,为解题器、优化公用体的集成提供了条件.应用标准测试算例进一步验证GIEPT的相关功能,并通过典型的二元精馏塔模型及精馏流程的优化,验证GIEPT的工程应用.测试结果表明,GIEPT可完成大规模非线性规划问题的求解,同时以规划的方法对精馏塔进行仿真计算,表明其在工业流程中具有广阔的应用前景。     

天然气回收装置换热网络优化设计

对某天然气回收装置换热网络的节能潜力进行了研究,应用夹点分析法找出了原换热网络不合理的环节及原因,并据此对该装置的换热网络进行优化设计,形成翻新设计方案.该翻新设计改进了换热网络中不合理的环节,使装置换热网络的加热公用工程和冷却公用工程分别节省37.7％和27.4％的电能.优化改进后的换热网络提高了过程能量回收能力,每年可节省电能37.6万kWh,达到了降低过程能耗的目的.     

间歇过程动态优化方法综述

间歇过程的动态优化近年来引起了广泛关注.针对近期主要的研究成果,综述了间歇过程动态优化中的数学模型、求解方法及控制架构等问题,介绍了间歇过程目前主要的操作优化方法,具体分析了含不确定性间歇过程的动态优化策略,总结了间歇过程常用的优化模拟计算工具.最后探讨了这一领域中值得进一步研究的问题和可能的发展方向.     

污水处理单元操作工具箱的开发

采用面向对象的基本思想,在MATLAB／SIMULINK环境下,开发出污水处理操作工具箱并以此工具箱为基础进行了污水过程模拟的尝试。与Bsm1稳态仿真结果对比表明,污水处理工具箱能成功应用于污水处理过程模拟。污水处理工具箱为污水处理过程可视化,面向对象建模提供了一个迅速、高效的软件开发环境。     

融合改进A*与DWA算法的移动机器人路径规划

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求,对传统A*（A-star）算法进行改进,并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比,将障碍物占比引入传统A*算法,优化启发函数h(n),从而改进评价函数f(n),提高其在不同环境下的搜索效率;其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题,优化子节点选择方式,同时删除路径中的冗余节点,提高路径的平滑度;最后融合动态窗口法,实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明,改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化,满足全局最优且能实现动态实时避障,具有更优秀的路径规划效果。     

增强现实三维注册中标识点匹配算法研究与改进

基于标识点的增强现实系统中,计算机生成的虚拟物体需要正确地注册到相应的标识点上构成对现实环境的增强.针对增强现实三维注册过程中传统算法标识点匹配过程中误识率较高,匹配不够精确的不足,提出了将相对误差法进行改进实现增强现实中的三维注册,同时提出了将基于颜色直方图的图像匹配原理引入增强现实的三维注册过程中,通过实验验证与分析,改进后的匹配算法与传统算法相比减少了标识的误识率,提高了注册精度,已成功应用于增强现实系统的三维注册过程中.     

基于改进级联R-CNN的面料疵点检测方法

由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例。最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框。结果表明：对比改进前的模型,改进后的模型预测边界框更加精确,对小目标的疵点检测效果更好,在准确率上提升了3.57%,平均精确度均值提升了6.45%,可以更好地满足面料疵点的检测需求。     

基于深度学习的聚合化学反应不确定热力学参数智能控制新法

聚合反应是个剧烈的放热反应，具有非线性、时变、大滞后的问题；聚合反应过程中会产生不确定的热力学参数问题，由于热力学参数问题难以解决，传统的方法比较繁琐和困难，聚合反应过程采用的模型预测的控制方法，将不确定的热力学参数上下进行取值，以获得更多的数据，运行出多组结果。将不确定的热力学参数作为输入，运行时间作为输出，得出多组实验后，再运用深度学习BP神经网络的方法给这些数据训练出来，得到一个模型，为了验证模型的准确性，把不确定的热力学参数代到目标函数中，得出的结果数据与实验的结果数据大致相符，进而模型的准确性得到验证。深度学习能够有效、简便地实现不确定参数的估计，从而实现整个反应过程控制的完成，这不仅能够提高效率，还能增加安全性。