基于多数据空间全潜结构映射的化工过程性能评估方法

针对化工过程运行状态在线评估的问题,提出多数据空间全潜结构映射（multi-space total projection to latent structures,MsT-PLS）性能评估方法。该方法采用“离线建模,在线评估”的评估策略。首先对历史多数据输入空间进行全面分解,结合多数据空间基向量提取方法,剔除多数据输入空间中与质量变量无关信息的干扰。在与质量变量相关的多数据输入空间上,建立不同运行性能等级的离线数据网络分类模型,实现“离线建模”。“在线评估”阶段,以数据滑动时间窗为评估单元,将过程性能分为稳定和过渡性能等级,把在线数据与历史性能等级进行相似度匹配。利用过程变量相对贡献度,对性能变化起决定性影响的过程变量进行识别和贡献度分析,为系统性能劣化原因的识别提供了参考。最后,应用到乙烯裂解过程在线性能评估中,说明了本评估方法可以对系统进行准确的在线性能评估。     

基于多模型混合的广义最小方差控制性能评估

针对实际工业过程中控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的性能评估方法不再适用于时变扰动控制系统的问题,提出了基于多模型混合的广义最小方差控制性能评估方法．该方法综合考虑被控对象输出方差与控制器输出方差的两个指标,同时提出了一种“判断—加权”的控制器设计策略．首先,在任一时间段选取使广义输出方差最小的控制器,并判断其与上一时间段采用的控制器是否一致;然后,在此基础上采用多模型混合思想进行控制器设计,并将其作用下的广义输出方差作为性能评估的基准．通过乙烯裂解炉仿真,验证了本文所述方法在时变系统性能评估中的有效性．     

基于GRA的优选组合技术在中长期负荷预测中的应用

提出基于灰色关联(GRA)的优选组合预测模型,该模型组合各单独模型的预测信息,能够有效的提高预测精度。优选组合预测技术关键在于求出各种预测方法的权值系数,文章引入灰色关联(GRA)方法来确定不同预测模型的权值问题。将预测问题系统看作一个特定系统,根据原始数据相应计算不同模型的灰色关联系数,作为该模型对应的权值,进而得到组合预测结果。预测结果表明组合该预测模型精度较好。     

Unsupervised fault detection for muitimode processes using distance space statistics analysis

工业过程往往运行于多个生产模态,针对多模态过程数据的空间分布特点,提出了一种新的基于样本距离空间统计量分析的故障检测方法(DSSA).首先用每一个样本与其训练集样本中的邻居之间的k个最近邻距离之差来表示该样本,将样本从原始变量空间映射到对应的距离空间中.然后在距离空间中通过移动窗口的方式计算各阶统计量,最后对由各阶统计量组成的统计量样本进行主元分析(PCA).将DSSA方法、PCA方法以及另一种基于k近邻规则的多模态故障检测方法(FD-kNN)应用于TE过程中,仿真结果表明DSSA方法对多模态故障检测更为有效.     

醋酸合成系统中甲醇进料的控制设计

介绍了甲醇羰基化法合成醋酸的化学反应和工艺原理,分析了原料甲醇进料量是影响反应系统稳定的重要参数,并设计了主变量为原料甲醇进料量,从变量分别为稀醋酸进料量和闪蒸出料量的双闭环比值控制方案,然后对此回路中阀门前后压差较大的闪蒸阀进行选型设计。     

基于特征空间降维的溶剂脱水分离过程监控

针对传统化工过程中检测变量具有的非线性和非高斯性等特点,提出将改进的核主元分析（KPCA）和支持向量数据描述（SVDD）相结合的化工过程故障诊断方法.根据Mexican hat小波在提取非线性非平稳信号细微特征方面的优势,将该小波函数引入到KPCA中以增强核函数的非线性映射和抗噪能力.在映射后的特征空间中进行均值聚类分析,选择每个聚类中展现特征中心的数据,使运算复杂度明显降低,提高了监控实时性.采用SVDD描述经过聚类降维后的特征空间分布,提出新的监控指标描述过程的非高斯特性.将该方法应用在一个实际的溶剂脱水化工精馏过程中,仿真结果验证了该方法能够及时有效地检测系统产生的故障.     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法(DEOBWOA)。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明:DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

基于D-vine Copula理论的贝叶斯分类器设计

高斯判别分析、朴素贝叶斯等传统贝叶斯分类方法在构建变量的联合概率分布时,往往会对变量间的相关性进行简化处理,从而使得贝叶斯决策理论中类条件概率密度的估计与实际数据之间存在一定的偏差.对此,结合Copula函数研究特征变量之间的相关性优化问题,设计基于D-vine Copula理论的贝叶斯分类器,主要目的是为了提高类条件概率密度估计的准确性.将变量的联合概率分布分解为一系列二元Copula函数与边缘概率密度函数的乘积,采用核函数方法对边缘概率密度进行估计 ,通过极大似然估计对二元Copula函数的参数分别进行优化,进而得到类条件概率密度函数的形式.将基于D-vine Copula理论的贝叶斯分类器应用到生物电信号的分类问题上,并对分类效果进行分析和验证.结果表明,所提出的方法在各项分类指标上均具备良好的性能.     

基于多块MICA-PCA的全流程过程监控方法

多块策略广泛应用于全流程过程监控领域,以解决变量关系复杂性较高的问题,但传统分块方法得到的子块数据存在高斯与非高斯混合分布问题,影响过程监控的效果.为此,提出一种基于多块MICA-PCA的过程监控方法.首先采用Jarque-Bera(J-B)检测方法对原始数据进行高斯与非高斯分块;然后利用Hellinger距离(HD)方法获得高斯与非高斯子块,通过对高斯与非高斯子块采用不同的建模和诊断方法,提高监控效果;最后将该方法应用于田纳西-伊斯曼(TE)过程的监控中,以验证所提出方法的有效性.