基于实验设计与偏最小二乘逆模型的产品设计方法

现代市场中,同类产品规格多样、更新换代速度加快,快速经济地设定新产品操作条件成为生产过程的迫切需求。本文首先改进实验设计(DOE)优化方法中的响应曲面法(RSM),可随着新实验数据的累积在线更新搜索算法的外延步长;然后提出RSM与偏最小二乘(PLS)逆模型的结合方法,可保证模型具有良好的内插和外延性能,显著减少实验次数、快速找到满足新产品要求的操作条件;最后通过数值仿真以及某化工过程的应用仿真验证了方法的可行性和有效性。     

气力输运粉体系统中的堵塞故障检测方法

提出了一种基于主成分分析的气力输运粉体系统中堵塞故障的检测方法 ,通过采集管道内各个方位的电容测量值计算粉体的浓度 ,利用主成分分析能够抽取高维变量间相关性而实现降维的特点 ,可以快速准确地判断是否发生了粉体堵塞现象。实验结果验证了该方法的有效性。     

气力输运粉系统中的堵塞故障检测方法

提出了一种基于主成分分析的气力输运粉体系统中堵塞故障的检测方法，通过采集管道内各个方位的电容测量值计算粉体的浓度，利用主成分分析能够抽取高维变量间相关性而实现降维的特点，可以快速准确地判断是否发生了粉体堵塞现象，实验结果验证了该方法的有效性。     

间歇过程滑动窗口子时段PCA建模和在线监测

针对在短期内不容易获得充足建模数据的间歇工业过程,提出一种间歇过程监视方法,该方法只需要一次正常间歇操作数据,利用滑动窗口,进行子时段划分、建立初始主元分析(PCA)监测模型,同时提出了基于子时段PCA模型的在线监测算法和一种模型更新策略.通过在注塑过程的成功应用,表明了所提出方法的可行性和有效性.     

基于多尺度核JYMKPLS迁移模型的间歇过程产品质量的在线预测方法

针对过程数据不足,且具有强非线性和多尺度特性的新间歇过程,结合迁移学习方法与多尺度核学习方法的优势,提出了一种基于多尺度核JYMKPLS（Joint-Y multi-scale kernel partial least squares）迁移模型的间歇过程产品质量在线预测方法。该方法首先通过迁移学习利用相似源域的旧过程数据提高新间歇过程建模效率和质量预测的精度。然后,针对间歇过程数据的非线性和多尺度特性问题,引入了多尺度核函数以更好地拟合数据变化的趋势,从而提高模型的预测精度。此外,提出模型在线更新和数据剔除,通过在线持续改善迁移模型对新间歇过程的匹配程度,以消除相似过程间的差异性给迁移学习带来的不利影响,从而不断地提升预测精度。最后,通过仿真验证了所提方法的有效性,结果表明,与传统的数据驱动建模方法相比,本文所提方法能够有效提高建模效率和预测精度。     

单机多产品注塑过程的节能调度方法

为减小单机多产品注塑过程的生产总能耗,提出一种基于旅行商算法(TSP)和遗传算法(GA)的节能调度方法。研究了注塑生产总能耗的3个重要组成:产品切换能耗、过渡调整能耗和稳定生产能耗,建立了产品切换过渡的能耗模型。以单产平稳模态为节点、过渡模态为支路,建立了单机多产品过程生产总能耗的有向图模型,将单机多产品能耗优化问题转化为经典的TSP问题。采用基于遗传算法的多目标逐层优化与TSP路径寻优思想,搜索各个单产平稳生产下的最优操作参数以及多产品的最优生产顺序,以期降低生产总能耗。该方法可提高生产效率,降低生产能耗。应用研究结果验证了方法的可行性和有效性。     

基于参数优化VMD和散布熵的高压油泵故障诊断

针对现有基于时域特征的高压油泵故障诊断准确率低的问题,笔者提出一种参数优化变分模态分解(VMD)算法和散布熵的特征提取方法,并采用支持向量机(SVM)进行故障诊断．首先,基于对高压油泵工作原理及典型故障的分析,利用AMESim平台搭建高压油泵仿真模型进行故障模拟和信号采集．然后,针对VMD效果受限于分解个数和惩罚因子选取的问题,采用改进灰狼优化(IGWO)算法对VMD进行参数寻优．通过计算各模态的散布熵值形成故障特征向量,最后,采用SVM对故障特征向量进行训练和诊断,实现高压油泵的故障诊断．该方法的故障诊断准确率可达到95%以上,能有效地实现高压油泵故障诊断．