基于GMM的多工况过程监测方法

传统基于主元分析的故障检测方法大多假设工业过程只运行在1个稳定工况,数据服从单一的高斯分布。若这些方法直接用于多工况过程则将会产生大量的误检。为此,本文提出了1种基于高斯混合模型的多工况过程监测方法。首先利用PCA变换对过程数据集进行降维,在主元空间建立高斯混合模型对过程数据进行聚类,自动获取工况数和相关分布特性。然后对每个工况建立主元分析(principal component analysis,PCA)模型来描述整个运行过程数据分布的统计特性。最后在过程监测中,根据监测样本属于各个工况的概率构造综合统计量,实现对多工况过程的故障检测。TE过程的仿真结果表明,本文提出的方法与传统的PCA方法相比,能自动获取工况和精确估计各个工况的统计特性,从而能更准确及时地检测出多工况过程的各种故障。     

火电机组实时成本模型的输入变量选择方法

输入变量选择是神经网络建模前的一项重要工作,是否能够选择出一组最能反映期望输出变化原因的输入变量直接关系到神经网络预测的性能.文章提出了一种基于敏感度分析的输入变量选择法(SAIVSA),并将该方法应用于实时成本模型的输入变量选取.仿真结果表明,所提出的方法可以得到更小、更准确的输入变量集,神经网络的收敛速度更快,泛化性能更好,从而验证该方法的有效性.     

基于混合PCA模型的多工况过程监控方法

传统的多变量统计过程监控方法一般都假设过程只运行在一个稳定工况下,但很多实际工业过程往往具有多工况特征.针对这一问题,提出一种基于混合PCA模型的多工况过程监控方法.将混合高斯模型和PCA相结合,用改进的EM算法估计模型的工况数以及各工况的分布参数和主元数,并构建归一化的统计量实现对多工况过程的监控.TE过程的仿真研究表明,所提出的方法相对传统PCA方法能更精确地估计各工况的统计特性,从而更准确及时地检测出多工况过程的各种故障.     

基于IMAQ的印刷电路板电子元件缺件检测

提出了基于IMAQ Vision Assistant的印刷电路板上电子元件缺件检测方法。该方法首先对被检测的印刷电路板图像进行校正,然后主要利用IMAQ Vision Assistant的模板匹配函数实现对印刷电路板上电子元件缺件的检测。文中给出了应用实例,结果表明该方法能有效地检测出印刷电路板上电子元件缺件缺陷。     

基于GMDH神经网络的超超临界机组过热蒸汽温度预测模型及仿真研究

由于超超临界1 000MW机组过热蒸汽温度控制对象具有大滞后、非线性、动态参数随工况变化大等特点,使得传统的控制方法难以适应过热蒸汽温度的控制,出现过热蒸汽温度波动大,甚至超温等问题。对此,采用数据处理群集方法(GMDH)神经网络建立了过热蒸汽温度动态预测模型,以预测过热蒸汽温度的变化趋势。仿真结果表明,基于GMDH神经网络的过热蒸汽温度预测效果优于线性神经网络和BP神经网络,具有较好的移植性和实用性。     

支持向量数据描述性能优化及其在非高斯过程监控的应用

针对传统统计过程监控假设数据服从高斯分布的不足,提出了基于混合信号模型(MSM)及支持向量数据描述(SVDD)的非高斯过程监控方法。混合信号模型中包含了高斯、非高斯信号源及过程测量噪声,给出了基于混合信号模型的过程测量变量分解方法、统计量的定义及其分布。针对非高斯信号源监控,提出了SVDD核参数化的一般形式及其优化算法。工业实际数据中的应用表明,通过SVDD核函数优化,可准确地对数据的非高斯特性进行刻画,及时地发现工业过程中出现的异常情况。     

ActiveX技术在电厂循泵控制系统中的应用

本文介绍了镇海电厂循泵控制系统的改造．该控制系统采用热备冗余的PLC程控。重点介绍了在项目实施过程中，利用ActiveX控件技术实现主、从PLC控制器无扰动切换。     

LabVIEW和IMAQ在指针式仪表自动读数中的应用

应用IMAQVision图像处理软件包在LabVIEW虚拟仪器开发平台上,开发了一种指针式仪表自动读数系统。该系统以计算机视觉技术为基础,在软件上主要包括图像采集模块、图像预处理模块、图像分析模块。实验结果表明,该系统具有读数精度较高、操作简单可靠、效率高等优点,对指针式仪表的自动检测有一定的实用意义。     

基于MAP库函数的立体仓库控制系统设计

为了提高立体仓库的响应速度和物料存放精度,设计了基于MAP库函数的立体仓库控制系统。以西门子S7-200 PLC作为控制核心,提出了一种MAP库函数和伺服定位技术相结合的精确定位控制方法 ,并采用组态王完成人机监控界面的设计。调试结果表明该系统运行准确稳定,人机界面友好,实现了参数设置、控制方式切换及系统运行状态的实时、动态显示。     

一种快速逼近的神经网络构造性算法

选取合适的网络结构是前馈网络应用中首先遇到一个十分重要而又困难的问题。文章针对前馈网络的特点,提出了一种网络构造算法。该算法的主要特点是把二层网络的训练问题转化为求解线性方程组的最小二乘解,直接求得使误差最小的权值矩阵,并通过划分样本子集来创建子网,把子网输出映射到输出层,形成三层网络结构。由于避免了传统BP算法的梯度搜索过程,该算法能快速收敛。仿真结果表明,所提出的算法可快速、有效地逼近连续函数。