石油和化工行业智能优化制造若干问题及挑战

石油和化工行业是国家的基础性产业,目前面临转型升级的重大需求.本文首先回顾了石油和化工行业在生产全流程的信息检测、建模、优化控制,企业经营管理决策以及故障监测和安全环保等几个方面的进展.剖析了当前石油和化工行业存在的主要问题,提出了利用现代信息技术从生产、管理以及营销全流程优化出发,推进实现石化行业智能优化制造的智能化、绿色化、安全化的愿景目标,讨论了石油和化工行业智能优化制造所面临的新挑战.     

两个分数阶混沌系统的广义投影同步及电路实现

研究了分数阶混沌系统的广义投影同步及电路实现。基于非线性观测器,提出了用于实现分数阶混沌系统的广义投影同步的一般方法。并建立了相关的数学模型,证明结果的有效性。运用了Matlab进行数字仿真进一步表明该方法的可行性。最后,利用Multisim设计模拟电路,其结果与Matlab的仿真结果吻合,为分数阶混沌系统同步今后的实际运用打下基础。     

基于可视注意力机制的非锚点行人检测模型

在目前的行人检测方法中,中心尺度预测(center-scale prediction, CSP)模型具有检测速度快,无需预设锚点等优点。但是,CSP模型并没有针对行人遮挡问题提出解决方法。为此,在CSP模型的基础上,提出了一个基于可视注意力机制的中心尺度预测(visible attentionmechanism-basedCSP,VA-CSP)模型,同时预测行人及其可视区域的边界框,并构造一个中心-可视中心(center-visible center, C-V)变换预测分支,将行人及其可视区域匹配,使模型具有正确的可视注意力机制,提升遮挡行人的检测精度。在Citypersons和Caltech行人检测数据集上进行了实验,在Citypersons验证集的不同遮挡程度的子数据集Reasonable、Heavy、Partial和Bare上,得到了9.6%、48.1%、9.1%和6.6%的丢失率,相比CSP分别提升了1.4%、1.2%、1.3%和0.7%。在Caltech测试集的Reasonable子数据集上得到了3.2%的丢失率,相比CSP提升了1.3%。与其他目前最新的模型相比,所提模型具...     

基于大数据的故障诊断与预测理论及技术专题序言

近年来,随着第四次工业革命在制造业、电力系统、交通等各个领域的深入开展,工业大数据逐渐成为核心战略资源,工业大数据对加速各个领域的数字化、网络化、智能化变革起到关键支撑作用.全球主要国家均出台相应政策积极推动基于数据驱动的新型工业模式变革.     

基于强化学习的综合能源系统管理综述

为了满足日益增长的能源需求并减少对环境的破坏, 节能成为全球经济和社会发展的一项长远战略方针, 加强能源管理能够提高能源利用效率、促进节能减排. 然而, 可再生能源和柔性负载的接入使得综合能源系统(Integrated energy system, IES)发展成为具有高度不确定性的复杂动态系统, 给现代化能源管理带来巨大的挑战. 强化学习(Reinforcement learning, RL)作为一种典型的交互试错型学习方法, 适用于求解具有不确定性的复杂动态系统优化问题, 因此在综合能源系统管理问题中得到广泛关注. 本文从模型和算法的层面系统地回顾了利用强化学习求解综合能源系统管理问题的现有研究成果, 并从多时间尺度特性、可解释性、迁移性和信息安全性4个方面提出展望.     

一种基于MBR的高效的时间序列表示方法

提出了一种基于最小边界矩形的新颖的时间序列表示方法（GMBR）,该方法将网格的概念引入到MBR中,能够在保证低开小的情况下有效地提高查找的准确性,最后通过实验证明了该方法的有效性,实验分别在实际数据和合成数据上进行。结果表明该方法的剪枝率为69%~92%,高出MBR方法4%~9%。