基于MWSPCA-CBR的智能预警方法研究及其在石化工业中的应用

石油钻井是一项高风险性、耗资巨大的系统工程。为了智能预警石油钻井过程中的异常，缩短非生产时间，降低相关风险，提出一种基于移动窗稀疏主元分析法（MWSPCA）的案例推理（CBR）异常智能预警方法（MWSPCA-CBR）。首先利用MWSPCA算法分析钻井过程中的实时数据，快速定位出异常可能发生的时间，然后使用基于案例推理方法分析异常数据，确定可能的异常类型，并为实时监控专家提供相关异常的处理方法。所提方法应用到石油钻井过程异常预警中，实验结果验证了所提方法的可行性和有效性，为钻井过程降低风险成本提供了新思路。     

PTA生产溶剂智能优化控制软件的开发与应用

在.Net开发环境下,利用C++语言开发PTA生产溶剂智能优化控制软件,并介绍了软件包的设计原理和基本框架.利用广义回归神经网络建立PTA过程模型,再采用粒子群智能优化法优化过程操作参数,软件系统操作简单、用户界面友好.该软件在精对苯二甲酸(PTA)生产装置的实用效果良好,降低了醋酸和蒸汽的消耗,并为优化各工艺操作条件提供了指导,产生了一定的经济效益,具有较好的推广价值.     

氧气瓶爆炸事故的原因分析

采用宏观观察、化学分析、金相分析、内壁附着物化学成分分析、壁厚测量、市场调查等手段对近期发生的一起氧气瓶爆炸事故的发生原因进行了全面分析,得出该爆炸事故为典型的化学爆炸,气焊操作过程中的不当操作所造成的氧气与可燃气体的混合并达爆炸极限是本次爆炸事故发生的根本原因。并结合近年来从事气瓶检验与研究的技术经验,提出了一些防范措施和建议,对提高氧气瓶在小型非工业气焊工作中使用的安全性具有参考价值和实际意义。     

基于改进NSGA-Ⅱ算法的乙烯裂解炉操作优化

现有的乙烯裂解炉优化通常只针对两个目标函数即产物乙烯和丙烯的收率,并且采用遗传算法的收敛效果一般,故提出一种基于改进NSGA-Ⅱ算法来研究一个多目标运行的解决方案,以此来解决乙烯裂解炉的固定周期操作优化问题,即在增大产物乙烯和丙烯收率的同时减少原料以及蒸汽流量来提高整体运行状况。把具体问题量化为数学模型,分析了原料气烃比、原料流量、出口温度对乙烯和丙烯收率的影响。实验结果表明,相较于原有操作条件,提出的优化方案具有良好的可行性。     

基于自联想递阶神经网络的多输入参数化工过程软传感器(英文)

To explore the problems of monitoring chemical processes with large numbers of input parameters, a method based on Auto-associative Hierarchical Neural Network (AHNN) is proposed. AHNN focuses on dealing with datasets in high-dimension. AHNNs consist of two parts:groups of subnets based on well trained Auto-associative Neural Networks (AANNs) and a main net. The subnets play an important role on the performance of AHNN. A simple but effective method of designing the subnets is developed in this paper. In this method, the subnets are designed according to the classification of the data attributes. For getting the classification, an effective method called Extension Data Attributes Classification (EDAC) is adopted. Soft sensor using AHNN based on EDAC (EDAC-AHNN) is introduced. As a case study, the production data of Purified Terephthalic Acid (PTA) solvent system are selected to examine the proposed model. The results of the EDAC-AHNN model are compared with the experimental data extracted from the literature, which shows the efficiency of the proposed model.     

基于多群竞争PSO-RBFNN的乙烯裂解深度智能优化控制

提出一种基于K均值聚类的多群竞争粒子群优化算法(MSCPSO),该算法避免陷入局部最优,提高了算法的全局搜索能力。同时利用MSCPSO训练RBF神经网络并建立裂解产物的在线预测模型,研究一种集成MSCPSO-RBFNN过程建模的裂解深度智能优化控制方法。该方法以实现乙烯和丙烯收率之和最大化为目标函数,把满足优化目标的裂解深度作为深度控制器的输入,并与裂解炉出口温度先进控制系统集成,实现裂解深度的平稳控制。实际应用效果表明,提高了乙烯和丙烯的收率,裂解深度控制更加稳定,该方法具有良好的适应性、稳定性。     

玻利维亚某铜钼矿浮选试验研究

对玻利维亚某地铜钼矿,通过大量的条件试验,最终确定了铜钼混合浮选工艺的最佳磨矿条件和药剂条件及流程,获得铜、钼品位分别为24.89%和0.52%的铜钼混合精矿,其中铜、钼回收率分别为87.11%和72.51%,为后续的铜钼分离创造了较佳的条件。     

XRT智能预选技术在有色金属矿山中的应用进展

随着矿产资源贫、杂、细等特点日益突出,入选矿石品位低和堆存废石量过大等问题凸显。将智能分选技术应用于矿石入选前的预先富集工序是解决该问题的一个重要途径。其中,以X射线透射技术（XRT）为主导的分选成像方案已经成为有色金属矿山解决有关问题的主流方式之一,并且在钨、铅锌、钼等金属矿山的选矿过程中取得了较好的富集效果,大大提高了矿山的经济效益。本文旨在介绍XRT的发展历程及研究现状,包括分选设备的原理、特点,以及该技术在不同有色金属领域的应用情况。     

一种新的多种群竞争粒子群优化算法及高密度聚乙烯装置操作优化

利用模糊C均值聚类对种群自适应划分,提出一种基于模糊C均值聚类的多群竞争粒子群优化算法。根据种群规模选择不同的寻优策略,规模大者采用标准粒子群算法寻优,规模小者在最优解邻域随机搜索,增大跳出局部最优概率。在每个聚类内部,个体相互通信,通过竞争学习分别找到各聚类种群的适应值,按照不同聚类的适应值排序,再把适应值小者向其邻近的适应值大者融合,通过种群间的竞争保证种群向最优解搜索。该算法避免陷入局部最优,提高了算法的全局搜索能力,通过标准函数验证了算法的有效性。最后,把提出的优化算法应用到高密度聚乙烯装置（HDPE）乙烯单体总消耗的优化操作,实际应用效果良好。     

某羟硅铍石矿中浮选富集含铍矿物的试验研究

新疆某羟硅铍石矿BeO品位0.47%,脉石矿物主要是石英、长石、云母等硅酸盐类矿物。为回收利用其中的铍矿物,采用浮选的方法对其进行试验研究。最终在磨矿细度-0.074 mm粒级占90%,调整剂氟化钠用量400 g/t、碳酸钠用量1 500 g/t、硫化钠用量2 000 g/t、六偏磷酸钠用量50 g/t,捕收剂油酸900 g/t+GYB 100 g/t的条件下,进行了一次粗选、一次扫选、四次精选的闭路浮选试验,可获得BeO品位8.31%、回收率84.56%的铍精矿。该羟硅铍石的浮选富集程度较好,可为同类型矿石的开发提供依据。