改进搜索策略的人工蜂群算法

针对人工蜂群(ABC)算法存在收敛速度慢、收敛精度低的问题,给出一种改进的人工蜂群算法用于数值函数优化问题。在ABC的邻域搜索公式中利用目标函数自适应调整步长,并根据迭代次数非线性减小侦查蜂的搜索范围。改进ABC算法提高了ABC算法的局部搜索能力,能够有效避免早熟收敛。基于6个标准测试函数的仿真实验表明,改进ABC算法的寻优能力有较大提高,对于多个高维多模态函数该算法可取得理论全局最优解。与对比算法相比,该算法具有更高的收敛精度,并且收敛速度更快。     

基于集成学习的多产品化工过程软测量建模方法

化工过程通常具有非线性、时变以及多产品等特性。针对上述特点,在集成学习框架下建立自适应软测量模型。首先,面向具有多个产品的化工对象,借助k近邻法,以统计假设检验理论为依据,提出一种自适应局部化方法,获得多样性程度高的局部模型集合。然后,根据未知样本量化局部模型的泛化能力,通过选择性集成方法获得主导变量的估计值。此外,为了对主导变量估计值的精度进行评估,基于局部模型泛化误差,给出一种通用性高的模型性能评价方法。在仿真的盘尼西林生产过程上的运行结果验证了所提方法的有效性。     

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。     

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。     

重油催化裂化装置全流程动态仿真培训系统

应用机理分析，开发了重油催化裂化装置反应再生系统非线性状态空模型，它包括了不同完全再和一过程特性的描述；运用非平衡级原理，直接计算塔器内部汽液两相传质，传热，建立了主分馏塔数学模型。     

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。