基于峭度最大化的地震盲反褶积方法

从地震褶积与反褶积过程的等效总系统出发,使脉冲响应满足单位脉冲序列形式,导出方差约束下反褶积输出的峭度最大化准则,作为地震盲反褶积的目标函数;针对目标函数关于反褶积算子的优化问题,采用粒子群算法进行全局寻优操作,实现地震信号的反褶积。数值模拟和实际资料处理结果表明,该方法不但适用于最小相位子波的反褶积,而且适用于混合相位子波的反褶积。与梯度法优化峭度准则的反褶积结果相比,能够更好地从地震记录中估计反射系数,拓宽地震资料的频谱,提高地震资料的分辨率。     

基于改进PSO-ICA的地震信号去噪方法

为了改善常规固定步长独立分量分析(ICA)算法的叠前地震信号去噪效果,本文提出一种基于混沌粒子群优化(PSO)的改进ICA算法。该算法利用混沌PSO动态调整相对梯度ICA的步长函数,减小ICA算法的稳态误差。在混沌PSO优化过程中,采用一种基于反正切函数的非线性递减惯性权重,提高PSO迭代初期的全局搜索能力和迭代后期的局部搜索能力。模型试算和实际单炮记录处理结果表明:本文提出的改进ICA算法去噪效果明显,有效信号损失小。与其他算法相比,改进ICA算法不仅能很好地保护有效地震信号,而且能提高信噪比。     

深化过程控制教学改革 提高学生工程实践能力

过程控制课程是工业自动化专业的一门技术性、实用性很强的专业主干课 ,通过这门课程的教学 ,使学生能运用自动控制原理 ,结合生产过程机理 ,利用自动化仪表及计算机去从事生产过程的分析、设计、运行与开发研究工作。五年来 ,我们在总结专业办学经验的基础上 ,根据国内外自动化技术与教学的发展动态 ,对毕业生进行反馈调查 ,征求用人单位的意见 ,明确了人才培养的目标 ;以能力培养为主线 ,进行了课程教学与实验的一系列综合改革 ,提高了教学质量 ,为培养跨世纪懂工艺、懂计算机、精通控制技术的复合型高级工程技术人才奠定了基础。一、改革…     

一种新的常压塔汽油干点观测方法

提出一种新的汽油干点观测方法－机理模型与神经网络相结合的汽油干点观测方法。这一方法是先将Luenberger观测器理论应用到常压塔顶这一具有不可测输入的非线性系统,构造Luenberger观测器观测出一些不可测量但可观测的内部物理量;然后将这些内部物理量与其它物理量一起作为输入信号,汽油干点作为输出信号构成神经网络观测汽油干点,并用改进的学习算法训练神经网络;通过与其它方法进行比较,表明这一观测方法有较高的精确度及较强的适应性。     

在石油与化工生产中推广应用仿真培训器

简要介绍仿真培训器的发展与作用及三类仿真培训器硬件的组成；对系统支持软件和仿真培训软件的功能、特点或进行阐述，提出了生产装置动态数学模型的开发方法；建议在油田生产和炼油厂推广使用仿真培训技术，提高操作人员的技能。     

一种基于改进设计性能指标的模型预测控制器性能监控方法

受随机噪声的影响,传统的设计性能指标是一个自相关的随机变量,传统的统计过程控制方法无法对其进行有效的监控。针对此问题,本文提出一种基于改进设计性能指标的模型预测控制器性能监控方法。为了对控制系统一段时间内的整体性能做出有效评价,首先将性能指标转化为平均形式,建立该性能指标的时间序列模型并对其进行预测,对预测误差进行统计过程控制,包括对预测残差及其累积和的监控,实现了对控制系统总体性能的实时评价。当检测出控制系统性能出现下降时,通过基于距离的判别分析方法快速定位性能下降源。在Wood-berry塔上的仿真研究验证了方法的可行性与有效性。     

一种基于增量式SVR学习的在线自适应建模方法

训练样本的数量与质量对于过程建模至关重要,在很大程度上影响所建模型的质量。基于增量式支持向量回归(SVR)学习算法,提出一种在线自适应建模方法以实现有选择地添加和删除训练样本。该方法利用SVR模型的KKT条件选择出那些包含足够多新信息的样本进行增量学习,能够在保证模型泛化能力的同时降低模型更新频率。另外,为快速准确地跟踪过程特性的变化,将通过评价当前模型对新增训练样本的学习能力来决定是否需要删除旧样本。当需要删除样本时,基于样本间的相似度,选择淘汰与当前过程特性差别最大的旧样本。将该方法用于建立工业聚丙烯熔融指数预报模型,结果表明,与其他方法相比,获得的预测模型具有更好的泛化性能,且模型更新频率明显降低,能有效地适应工况的变化。     

基于AKPLS方法的聚丙烯熔融指数软测量

针对聚丙烯装置熔融指数软测量中的非线性和多牌号切换问题,提出一种基于自适应核偏最小二乘（AKPLS）的软测量方法。通过对聚丙烯装置反应系统进行机理分析,采用非线性PLS——KPIs方法来拟合辅助变量和熔融指数之间的函数关系。为适应装置生产多牌号产品的现状,进一步提出KPLS自适应策略,以软测量模型的泛化误差作为优化目标,对KPLS模型系数进行在线更新。工业数据应用结果表明,所提出的AKPLS方法能够比PLS、KPLS方法更准确地预报聚丙烯熔融指数的变化。