基于Ms-LWPLS的化工过程网络化性能分级评估方法

针对化工过程输入输出数据间非线性关系问题，提出一种基于多数据空间局部加权潜结构映射(multi-space locally weighted projection to latent structures，Ms-LWPLS)的网络化性能分级评估方法。该方法将历史数据分成不同性能等级的集合，利用Ms-LWPLS方法提取不同性能等级训练数据的过程变化，获得训练数据与性能等级标签之间的非线性映射结构，实现输入数据与性能等级之间的网络化“离线建模”。得到模型后，以数据滑动时间窗为评估单元，将滑动窗口数据输入到训练好的神经网络模型中，根据网络输出划分过程当前性能等级，并构造过渡性能系数，将稳态性能等级和过渡性能等级进行识别和区分。最后，将该方法应用到乙烯裂解过程在线性能评估中，说明此性能评估方法的有效性和准确性。     

井下排水控制系统设计及应用

为满足煤矿矿井的井下排水泵自动化控制需要,设计了一种基于ARM和WinCE的井下排水控制系统.系统加载智能控制算法,可根据水仓水位、用电的避峰填谷等因素科学调度排水水泵运行.当水泵发生故障时,可自动切换备用水泵,实现了水泵监测、控制的自动化.仿真表明,系统结构简单、控制方便、自动化程度高、运行稳定可靠.多台水泵的无人值守控制,降低了工人的工作强度,节约了能源,提高了煤矿生产的安全和效率.     

基于V2G技术的电动汽车实时调度策略

随着电动汽车逐渐普及,其对电网的影响也不断扩大。为加强电动汽车与电网间协作,充分利用电动汽车在电网能量调度中的高度灵活性,提出一种基于V2G技术的电动汽车实时调度策略。首先以降低充电成本和网损成本为目标,建立电动汽车调度模型。然后通过构建网损灵敏度指标分析电网节点性能,基于电网负荷制定分时电价,通过潮流计算和凸优化算法实时求解得到电动汽车充放电策略。最后以IEEE 33节点配电网为例验证了所提策略可以有效降低充电成本与网损成本,同时分析了电动汽车渗透率、V2G占比对车网协作效果的影响。     

基于QRNN-CTC的中文语音识别声学模型

针对卷积神经网络(CNN)在语音识别中处理时序能力不足和循环神经网络(RNN)在语音识别中模型复杂度较高、训练慢的问题，提出一种新的基于准循环神经网络和连接时序主义(QRNN-CTC)的声学模型。该模型既降低了参数量，又保证了一定的时序间循环能力，利用CTC来实现输入序列和标签自动对齐，在训练时引入dropout防止过拟合。在Thchs-30数据集上的实验结果表明，QRNN-CTC比CNN-CTC相对错误率降低9.8%,最终词错误率为23.8%,训练时间为LSTM-CTC的一半。     

乙烯裂解炉关键组分质量收率在线测量技术

深入分析了裂解炉现有裂解气取样分析系统存在的问题,提出了一种裂解气关键组分质量收率的在线测量方法。该方法基于对裂解气组成、物理和化学性质的分析,推导了裂解气中关键组分质量收率的表达式,进而提出了一种新的裂解气在线取样分析系统,并详细地给出了设计和实现方法。该系统可以在现有取样系统的基础上,通过增加1个取样孔和1股防焦蒸汽,解决裂解气关键组分质量收率无法直接在线获取的难题,对乙烯装置运行优化系统设计和效益评价有非常重要的意义。     

基于全变量信息的子空间监控方法

实际化工过程采集得到的数据往往维度较高,直接建模比较复杂。主元分析(principal component analysis,PCA)方法可以提取原始数据主要特征,得到低维数据,但传统的PCA过程监控方法仅保留了方差较大的主元,会造成信息缺失,这将大大影响过程监控性能。针对这一问题,提出了一种新的基于全变量信息(full variable information,FVI)的子空间监控方法。首先,依据每个变量与主元空间(principal component subspace,PCS)和残差空间(residual subspace,RS)相似性的高低,将原始数据空间划分为3个维度较低的子空间,3个子空间保存了全部过程变量,可以更充分地利用过程信息。其次,在每个子空间中,分别建立监控模型,并利用贝叶斯推断整合子空间的监控结果。最后,通过数值仿真及Tennessee Eastman(TE)过程仿真研究验证FVI方法的有效性。     

多样性分布参数的粒子群算法及其在过程动态优化中的应用

提出一种多样性分布参数的粒子群算法(DDPPSO)。在DDPPSO算法中,每个粒子在初始化时拥有各自的惯性权重和加速因子。在迭代时由每个粒子的寻优性能决定其参数的权重,进而计算参数群体的加权平均值。根据加权平均值与自适应方差,通过正态分布产生下一代参数个体,从而实现参数群体的多样性分布,为算法的寻优提供实时最佳的控制参数。标准测试函数实验表明,在寻优性能上DDPPSO算法较新改进的PSO算法有较大提高。最后,将DDPPSO算法应用于Park-Ramirez生物反应器的动态优化,获得满意的结果。     

基于多目标进化算法的对二甲苯氧化反应过程优化操作

针对单目标优化算法在求解优化问题时普遍存在易陷入局部最优的缺陷,本文提出采用基于精英选择和个体迁移的多目标优化方法来求解单目标优化问题,通过对原问题目标进行有效分解,将其分解为多个子目标,通过对多个子目标的优化来扩大搜索范围,加快算法的收敛速度。仿真结果表明,与文献中方法相比,采用多目标方法来求解单目标问题能显著提高算法收敛速度,将其应用于对二甲苯(PX)氧化反应过程的优化操作,在相同计算成本条件下,醋酸和PX燃烧损失明显下降,成本损失大幅减少。     

多尺度小波核支持向量回归及其对丙烯浓度的估计与应用

多尺度小波核支持向量回归方法具有较强的鲁棒性和较好的泛化能力,而模型选择是其获得良好泛化性能的关键,其中采用多尺度核方法参数选择的复杂度比单个核方法的参数选择大得多。这里提出了一种构造多尺度Morlet小波核的支持向量回归机的方法,它采用量子聚类方法划分样本类别以确定多尺度核的尺度个数,依赖支持向量数据描述方法对相应样本计算其核宽度,然后用文化算法优化剩下的少量模型参数。结果表明所得到的多尺度小波核模型的泛化能力明显优于单小波核或高斯核情形。分别用3个标准回归数据集Bostonhous-ing、Bodyfat和Santa作仿真,结果表明,相对于高斯核方法,多尺度小波核支持向量回归方法的测试集均方差分别减小了6.8%、62.0%和91.3%。同时,该方法对丙烯精馏塔的塔釜丙烯浓度预估表现出较好的泛化能力。它不仅使丙烯浓度训练集模型输出与实际输出基本吻合,而且使丙烯浓度测试集相对误差为0.211,与其他方法相比,其预测误差是最小的。