基于KPLS鲁棒重构误差的高炉燃料比监测与异常识别

作为钢铁冶金制造的核心工序, 高炉炼铁是典型的高能耗过程, 其运行能耗约占钢铁总能耗的50%以上, 其中, 80%的能耗是焦炭和煤粉等燃料消耗. 因此, 对表征高炉燃料消耗的燃料比参数进行监测, 并尽可能早地识别影响燃料比异常波动的关键因素, 对于高炉炼铁过程的节能降耗具有重要意义. 本文针对先验故障知识少的高炉燃料比监测与异常识别难题, 提出一种基于核偏最小二乘(Kernel partial least squares, KPLS)鲁棒重构误差的故障识别方法. 该方法首先建立过程变量与监测变量的KPLS监测模型, 然后根据非线性映射空间的协方差矩阵和核空间Gram矩阵之间的关系, 反向估计原始空间变量的正常估值. 为了增强算法的鲁棒性, 采用迭代去噪算法减少异常数据对原始空间正常估值的影响. 通过利用原始空间正常估值和真实值来构造故障识别指标, 并给出故障识别指标的控制限. 基于实际工业数据的高炉数据实验表明所提方法不仅可以监测出正常工况下影响燃料比异常变化的潜在因素, 还可识别出异常工况下影响燃料比异常变化的关键因素, 具有很好的工程应用前景.     

基于动态特性描述的变量加权型分散式故障检测方法

现代工业生产过程往往具有复杂的动态特性: 不同测量变量间会存在不同的时序相关性, 且变量间的相互影响会反映在不同的采样时刻上. 现有的动态过程监测模型往往不能充分挖掘变量间的动态特性, 其故障检测效果也有待进一步提高. 在此背景下, 本文提出一种基于动态特性描述的变量加权型分散式故障检测方法. 利用最大相关最小冗余(Minimal redundancy maximal relevance, mRMR) 算法更准确地描述动态过程变量间的相关性关系, 并利用该相关性的值对原始增广矩阵进行加权处理, 且不同延迟变量对当前测量值的影响大小就通过权值来体现, 因此能更加全面地刻画该测量值的动态特性. 最后建立一种融合mRMR算法, 贝叶斯推理以及动态主成分分析(Dynamic principal componemt amalysis, DPCA)模型的新的分布式建模策略, 提高了模型的容错能力和泛化能力, 取得了更好的故障检测结果.     

机械密封微小形变图像测量系统像素当量的标定

在机械密封数字散斑微小形变图像测量系统中,像素当量的标定工作介于图像采集和处理之间;基于VC++2008 MFC开发了图像像素当量标定系统;系统包含了抓图、图像的阈值分割、形态学处理、扫描检测标定块的边缘及线性回归分析功能;介绍了抓图软件的开发过程;编制了形态学的腐蚀、膨胀及开/闭运算的函数,使用这些函数实现了图像的形态学处理;在形态学处理后显示图像的基础上框选包含标定块的理想区域使用扫描法获取边缘信息;对获取的边缘信息进行线性回归分析拟合出标定块的上下边缘的直线方程,根据拟合出的方程求出两条直线间的距离,最后用标定块的实际宽度除以直线间的距离即为像素当量;运行结果表明获得了亚像素级别的像素当量,保证了后期使用DSCM方法计算微小形变的精度.     

基本型一般访问结构视觉密码的两种算法

视觉密码是一种完善安全的密码体制。近几年,视觉密码学的研究受到广泛关注。本文提出了一般访问结构的两种算法,通过Ateniese-Blundo-Santis-Stinson模型和累计数组的构造方法,对一般访问结构的基本型视觉密码进行讨论,获得了一个一般访问结构的基本型视觉密码方案。     

基于改进LS-SVM的制粉出力软测量建模

针对火电厂双进双出钢球磨煤机制粉出力较难直接测量的问题,拟建立其最小二乘支持向量机(LS-SVM)模型实现软测量.由于LS-SVM算法缺乏“稀疏性”,采用经Remez算法优化后的FIR数字滤波器与LS-SVM相结合,形成一种新的软测量建模方法——FIR-LSS-VM.仿真结果表明,经Remez优化后的FIR滤波效果更好.将该软测量方法应用于火电厂双进双出钢球磨煤机直吹式制粉系统,通过现场实验对比可知,改进的软测量模型学习速度较快且误差较小,更加适用于在线学习.     

非线性最小二乘估计算法拟合水泥浆流变参数

在进行固井工程设计时,水泥浆紊流临界排量及摩阻压降的计算都需要水泥浆流变参数.(H-B)模式是描述水泥浆比较好的流变模式.针对这种非线性流变方程,提出了非线性最小二乘估计新算法,并用VB程序设计语言进行了编程验证.该方法可用于水泥浆流变模式优选、流变参数的确定,水泥浆流变性能的评价以及固井设计之中.     

相似单词查找方法研究与实现

论文提出一种有限分隔最长公共子串算法,将这种算法与改进的最小编辑距离算法相结合实现输入单词与词库内单词的相似度计算。最终将计算结果聚类输出。实验结果表明,应用本文提出的方法进行相似单词查找与单词联想拼写能获得令人满意的结果。另外,我们将所实现的软件与源码公开以供参考。     

偏最小二乘回归在气温预测中的研究与应用

气温的预测要考虑多重气象因子,然而各气象因子间的多重相关性导致普通的多元回归模型失真,预测精度降低。为了解决以上问题,本研究采用偏最小二乘回归(Partial Least Squares Regression,简称PLS)建模,根据实际建模需要对算法进行改进。为了验证该模型,本研究以成都市10月份气温场为预报场,并结合成都市13个自动站气温数据,提取预报所需主要因子,进行PLS回归建模。实验表明该模型有较好的预测能力。     

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法.首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效.然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的.     

基于小波域数据的Hammerstein模型参数估计

针对非线性离散Hammerstein模型的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,估计出该模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,它在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,提高了信号的信噪比,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数相比较,仿真结果表明波域方法是可行的,有效的。