基于核T-PLS的化工过程故障检测算法

针对全潜结构投影法（T-PLS）在检测非线性过程故障时误报率和漏报率较高的缺点,提出了基于核函数的全潜结构投影法（KT-PLS）。该算法通过核函数将过程数据从低维输入空间非线性地映射到高维特征空间,实现非线性问题的线性化;然后在质量变量的引导下将特征空间分为与质量直接相关、与质量正交、与质量无关和残差四个子空间;最后分别构建D和Q统计量进行故障检测。将该算法应用到Tennessee Eastman process（TEP）,多种故障模式下的仿真结果表明,KT-PLS比T-PLS更适合监控具有强非线性的生产过程。     

基于Boltzmann选择的改进ABFM算法

模糊C-均值（FCM）聚类算法是数据挖掘中应用广泛的一种方法,但还存在容易陷入局部极小值和对初始值敏感的缺点,为此提出了一种基于Boltzmann选择机制的改进人工蜂群的模糊C-均值聚类算法（BABFM）。该算法引入了Boltzmann选择机制代替轮盘赌的选择方式,采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强,有效克服了FCM算法的缺点。实验结果表明,新算法与FCM和ABFM聚类算法相比聚类效果更准确,效率更高,迭代次数更少。     

昭通页岩气示范区钻井井漏处理及预防措施

滇黔北昭通页岩气示范区地层破碎,裂缝和孔洞发育,漏失层位多,钻井过程中经常发生井漏事故。本文通过页岩气示范区已完钻井的资料进行研究,对该地区地层特征,井漏类型进行了分析,结合国内钻井堵漏技术,针对不同层位的漏失优选适合的堵漏措施。本文对该地区后续钻井施工中的井漏处理和井漏预防方面有着积极的指导意义。     

6061 铝基碳化硅复合材料搅拌摩擦焊工艺研究

目的研究搅拌道次对6061铝基碳化硅复合材料的影响。方法对6061铝基碳化硅复合材料进行了搅拌摩擦焊实验。结果获得了型面良好,表面光滑的焊接截面,焊核区组织为细小的等轴晶,热机影响区为弯曲变形的晶粒,热影响区组织发生了明显的粗化。结论搅拌次数越多,Si C颗粒分布越均匀,热机影响区与热影响区附近硬度最低,热影响区硬度较低,焊核区硬度比母材稍高。     

鄂尔多斯盆地姬塬油田长8 段沉积相研究

延长组长8 段是姬塬油田开发的主力油层,随着油气勘探开发程度的不断加深,其储层的平面非 均质性已成为当前勘探开发的制约因素,因此对沉积相展布的精细描述显得非常重要。文中通过物源及 相标志分析,认为延长组长8 段受西北和东北2 个方向物源的控制,经历了三角洲平原向三角洲前缘的 过渡,沉积了纵向上叠置、横向上连片的分流河道砂体。在此基础上,对长8₁层不同亚相及不同物源控制下的砂体物性进行了对比,得出长8₁层三角洲平原的砂体物性比三角洲前缘的砂体物性好,受西北物源控制的砂体物性比受东北物源控制的砂体物性好。最后,对长8 段有利储集相带进行了预测,认为姬塬油 田西北方向的储集物性较好,具有较大的油气勘探潜力。     

干线传输系统中引入RAODM的初步探讨

从ROADM的技术特点入手,结合目前干线传输网络建设的实际情况,探讨在干线传输系统中引入RAODM的可行性、引入方式及注意事项等。     

以图像分类为目标的字典学习算法

综述了字典学习算法的主要研究方向之一,即以图像分类为目标的稀疏表示字典学习算法。从空间变换法和类别指示法两个角度,分析各种算法的优缺点,并对相应的实验结果进行比较。总结了利用这类算法进行图像分类时所面临的其他一些关键问题,如模式识别中的旋转不变性和计算速度等。依据目前已有的技术和应用需求,探寻该领域未来的研究方向。     

基于NPE-ELM的间歇过程质量相关故障检测

由于一部分间歇过程变量与质量变量并不相关,传统的质量相关故障检测方法是基于所有的过程变量来建立统计模型,所以会抑制或淹没某些有用的局部信息,降低过程监测的性能。因此,针对间歇过程广泛存在的复杂程度高、关联性强和非线性特征,提出了基于邻域保持嵌入极限学习机(NPE-ELM)的质量相关故障检测算法。首先,通过最大信息系数(MIC)将间歇过程变量划分为质量相关和无关变量;然后,基于划分的质量相关和无关子空间,分别应用NPE-ELM算法进行间歇过程故障检测;最后,数值例子和青霉素发酵过程的仿真结果,验证了所提算法的可行性。     

一种自适应惯性权重的混合蛙跳算法

针对混合蛙跳算法(SFLA)易陷入局部最优、收敛速度慢的问题,提出一种改进的混合蛙跳算法。该算法用相对基学习法初始化青蛙群体,从而提高初始解的质量。通过引入自适应惯性权重修正青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。对6个经典函数的仿真测试结果表明,该算法与SFLA和ISFLA1算法相比寻优能力强、迭代次数少、解的精度高,更适合高维复杂函数的优化。     

混合核函数稀疏LS-SVM软测量建模与应用

针对最小二乘支持向量机存在的稀疏性欠缺和单核函数局限性问题,本文提出一种基于混合核函数稀疏最小二乘支持向量机的软测量建模方法.该方法使用多项式核函数和RBF核函数线性加权构成混合核函数,兼顾最小二乘支持向量机的全局拟合能力与局部拟合能力,以矢量基学习作为稀疏解算法,改善最小二乘支持向量机的稀疏性,在精简模型结构的同时,避免冗余信息中的噪声过多的拟合到模型参数中,进而采用粒子群算法优化模型部分参数.将此方法分别应用于Mackey- Glasss混沌模型的时间序列预测和乙烯精馏塔塔釜乙烯浓度预测,应用结果表明该方法较最小二乘支持向量机、稀疏最小二乘支持向量机以及混合核最小二乘支持向量机具有更好的泛化效果和预报精度,兆示出其良好的应用潜力.