一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

一种基于经验增强的实时优化方法MEO

根据实时优化问题的特点,提出了一种实时优化方法——MEO(mnemonic enhancement optimization),它是一种高效的基于经验增强的实时优化方法。设计了MEO框架及其具体实现步骤,基于Aspen Plus平台开发了MEO通用代理服务器系统。结合Aspen Plus OOMF 脚本语言与AOS NLP/NLA接口混合编程实施了MEO通用代理服务器系统。并应用脱丙烷塔和脱丁烷塔的联塔系统及大规模乙烯分离系统进行测试,结果显示相比于传统方法,MEO不但具有很好的实时性和收敛性,而且具有很好的鲁棒性和开放性,为实时操作优化的进行奠定了基础。     

B3G技术演进与发展趋势

移动通信技术迅速发展,越来越多的国家和组织开始关注B3G的发展。本文介绍了B3G发展中由WCDMA、cdma2000引出的两条演进路线,并对演进过程中的各种技术从技术区别和网络实现等方面做了进一步的分析。     

NCH离子膜电解槽电极改造及运行效果

介绍了对日本旭化成公司高电流密度自然循环离子膜电解槽改造为零极距电解槽的相关内容及改造后的运行效果。     

输油管线停待产期间气固液三相流中沙粒沉积规律的数值模拟研究

以苏丹油田Palouge油区的输油管线参数为研究对象,基于多相流混合模型,采用Fluent软件对停待产期间输油管线内气液固三相流中沙粒的沉积规律进行数值模拟,研究稳态速度(v=0.9m/s)和速度线性减小(v=0.9-0.1t,v=0.9-0.05t)时沙粒的沉积规律。结果表明:沙粒在输油管线内的沉积速度逐渐增大,稳态速度时沉积速度存在极小值和最大值,沉沙量出现两个极大值,经过平稳过渡段后达最小值。速度线性减小时,沉积速度在靠近出口端局部降低,沉沙量主要由平稳段、减少段和增加段组成。随速度的减小,沉沙量起始减少位置和管线末端沙粒沉积速度逐渐减小,含沙量极小值和10m位置处含沙量均在t=2s时增至临界值。速度变化率对沙粒的沉积规律影响较小。     

基于遗传算法和非线性规划求解信息交互的光伏阵列模型鲁棒参数辨识方法

对光伏阵列进行建模不仅可以研究温度、光照等因素对V-I特性曲线的影响,还可以用模型代替实际光伏阵列进行各种光伏实验,降低实验成本,节省实验时间;参数辨识可以使光伏阵列模型的参数值设置更精确,使其与实际值相一致;针对基于非线性规划的光伏阵列模型鲁棒参数辨识方法容易陷入局部搜索的问题,提出了遗传算法与非线性规划求解信息交互的鲁棒参数辨识方法;将遗传算法与非线性规划求解信息交互,既可以进行全局搜索,又可以进行局部搜索,以得到问题的全局最优解;通过仿真测试,使用该方法得到的结果均方误差降低了8倍,均方误差量级达到了1.0E-3,表明了该方法在光伏阵列模型参数辨识方面具有较高的精确度。     

基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法

无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷。然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响。目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义。本文针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测。为了对误差进行补偿,本文提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰。经过目标跟踪仿真实验和对比,本文提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。     

基于过程系统测量数据的稳态检测与数据处理方法

针对工业生产过程采集的测量数据,提出了基于过程系统测量数据的稳态检测与数据处理方法。该方法首先采用滑动窗口法对工业生产过程采集测量数据进行稳态检测,然后把稳态检测后的各稳态区间数据进行处理,数据处理过程中可减小随机误差、剔除显著误差,从而得到较准确的测量值,以供后期使用。该方法实现简单,可以有效地提取过程系统测量数据中的可靠信息。     

基于大规模严格机理模型的数据校正

实时优化要求准确的过程模型与过程数据,然而通过仪表测量获取过程数据不仅存在随机误差而且有时还存在过失误差,直接影响实时优化的准确性.根据流程工业过程系统的特点,提出了基于大规模严格机理模型的数据校正,构造了随机误差与过失误差的隶属函数并根据它们的隶属度大小来诊断过失误差.当测量信息丰富时,可同时对进料的流量、组分及压力等多种测量数据同时进行数据校正.将基于大规模严格机理模型的数据校正应用于大规模乙烯分离系统进行仿真模拟,测量值仅存在随机误差时,经过数据校正后,满足严格机理模型.测量值引入过失误差时,可准确地诊断出过失误差.模拟计算结果证实了基于大规模严格机理模型的数据校正与过失误差诊断方法的有效性.