基于OS-ELM的CCPP副产煤气燃料系统在线性能预测

针对联合循环发电厂(combined cycle power plant,CCPP)煤气系统因工况变化频繁带来的模型与过程不匹配的问题,提出一种基于OS-ELM (online sequential extreme learning machine)的CCPP副产煤气燃料系统在线性能预测方法.首先通过分析副产煤气系统各主要组成部件的工作原理,利用流体力学、质量守恒以及能量守恒等关系,建立起以离心压缩机、煤水分离器、冷却器等为核心部件的副产煤气系统机理模型.利用OS-ELM算法和滑动窗口技术对机理模型的输出误差进行修正,实现副产煤气系统出口参数的精确预测和模型的快速在线更新.仿真实验证明,该方法能够准确地预测副产煤气系统的输出压比和温比,并能够跟踪煤气系统工况的变化和特性的漂移,满足实际工业生产的需求.     

重介质选煤过程模型与数据混合驱动的自适应运行反馈控制

重介质悬浮液密度是决定重介质选煤产品质量的重要影响因素,但由于重介质选煤运行过程是一个时变的强非线性过程,导致根据实时工况的变化在线调整重介质悬浮液密度异常困难.为此,本文针对重介质选煤过程特性,提出一种模型与数据混合驱动的自适应运行反馈控制方法,用于在线调整重介质悬浮液密度设定值.所提方法首先将重介质选煤过程分解为低阶线性模型和未建模动态非线性项两部分;进而针对线性部分,将PI控制与一步最优控制相结合,设计了模型驱动的自适应PI控制器;并利用随机向量函数链接网络设计了数据驱动的虚拟未建模动态补偿器;最后分析了闭环系统稳定性,并在基于MATLAB和Unity3D的虚拟现实仿真平台上进行了对比仿真实验,验证了所提方法的有效性.     

PTM不确定性的间歇过程优化补偿控制策略

过程迁移模型是实现数据不足情况下间歇过程高效建模的有效方法。然而,相似过程之间的差异性和模型不确定性因素,加剧了模型与实际过程之间的不匹配程度。针对过程迁移模型中不确定性问题,提出一种基于修正自适应优化和自校正补偿的策略。首先,利用基于修正自适应策略的批次间优化逐步消除相似过程之间的差异所产生的负面影响。然后,采用自校正补偿策略进一步补偿通过批次间优化得到的次优设定值。此外,模型更新时添加了数据剔除,提升了后续的优化效果。最后,利用草酸钴合成过程的仿真实验,验证了所提方法的有效性。     

基于改进近端策略优化算法的草酸钴合成过程优化

金属钴被广泛用于电池和金属复合材料,草酸钴合成过程是影响产品质量的关键工序.针对草酸钴平均粒径的优化问题,提出一种基于改进的近端策略优化(PPO)算法的草酸钴合成过程优化方法.首先,根据草酸钴合成过程的优化目标及约束条件设计相应的奖励函数,通过建立过程的马尔科夫决策模型,将优化问题纳入强化学习框架;其次,针对策略网络在训练过程中出现的梯度消失问题,提出将残差网络作为PPO算法的策略网络;最后,针对过程连续状态空间导致PPO算法陷入局部最优策略问题,利用交错模仿学习对初始策略进行改进.将所提出的方法与传统PPO算法进行比较,改进的PPO算法在满足约束条件的同时,具有更好的优化效果和收敛性.     

PTM不确定性的间歇过程优化补偿控制策略北大核心CSCD

过程迁移模型是实现数据不足情况下间歇过程高效建模的有效方法。然而,相似过程之间的差异性和模型不确定性因素,加剧了模型与实际过程之间的不匹配程度。针对过程迁移模型中不确定性问题,提出一种基于修正自适应优化和自校正补偿的策略。首先,利用基于修正自适应策略的批次间优化逐步消除相似过程之间的差异所产生的负面影响。然后,采用自校正补偿策略进一步补偿通过批次间优化得到的次优设定值。此外,模型更新时添加了数据剔除,提升了后续的优化效果。最后,利用草酸钴合成过程的仿真实验,验证了所提方法的有效性。     

大型离心压缩机性能预测的混合建模方法研究

提出了一种核函数非线性偏最小二乘(PLS)与机理模型相结合的多级离心压缩机性能预测混合建模方法,用以预测离心压缩机的输出压比.通过分析大型离心压缩机多级压缩过程的机理,利用能最守恒关系,在压缩机各级气流损失计算和等熵效率定义的基础上建立了多级离心压缩机性能预测机理模型;利用核函数非线性PLS对机理模型的误差进行了修正.实验结果验证了该方法相比于机理模型的有效性,将其应用于实际生产过程中,取得了满意的效果.     

基于Frobenius和$L_{2,1}$范数的多输出宽度学习系统

宽度学习系统(broad learning system,BLS)因其特征提取能力强、计算效率高而被广泛应用于众多领域.然而,目前BLS主要用于单输出回归,当BLS存在多个输出时,BLS无法有效发掘多个输出权重之间的相关性,会导致模型预测性能的下降.鉴于此,通过Frobenius和$L_{2,1     

复杂工业过程运行状态评价方法回顾与展望

准确感知和认知复杂工业过程的运行状态对于实现过程智能控制和优化决策至关重要,是当前实现工业人工智能需要解决的关键问题之一.传统过程监测理论系统已不能满足现代工业生产过程对过程运行状态认知的精细化及准确化的需求,因此,复杂工业过程运行状态评价技术应运而生,近几年受到学术界和工业界广泛关注并快速发展.对此,首先从复杂工业过程的主要特性以及数据提取过程中面临的问题出发,回顾基于数据驱动的相关工业过程运行状态评价方法;然后根据最优性评价结果总结导致状态非“优”的原因,并进一步给出相关非优因素追溯方法;最后对现有研究内容和这一领域中值得进一步研究的发展方向做出总结和展望.     

基于分层分块堆叠状态相关降噪自编码器的流程工业过程运行状态评价

本文针对不同运行状态数据差异度小、数据易受强噪声干扰而且具有多工序的流程工业过程,提出了一种基于分层分块堆叠状态相关降噪自编码器(HMSPDAE)的过程运行状态评价方法。首先,根据工艺特性对全流程进行层次结构划分。然后,提出一种堆叠状态相关降噪自编码器模型,用于提取各个子工序及全流程过程数据中与运行状态密切相关的深层特征,进而建立基于HMSPDAE的全流程评价模型。所提方法可以有效降低模型复杂度、增强模型的可解释性。最后,以湿法冶金过程为背景进行仿真验证,结果表明HMSPDAE在两个不同实验中的评价准确率分别达到99.5%和99.38%,均优于其他方法,验证了所提方法的有效性和优越性。     

基于径向基函数神经网络的多级离心压缩机混合模型

大型离心压缩机作为多影响因素和强非线性的复杂系统,其性能的准确预测难以实现.针对这一问题,结合径向基函数(RBF)神经网络,本文建立了多级离心压缩机性能预测的混合模型.首先基于热力学第一定律和压缩机能量损失机理建立了多级离心压缩机性能预测的机理模型.该模型无需任何实验确定的性能曲线,完全由压缩机的几何结构参数预测出压缩机在设计工况和非设计工况下的性能.然后利用RBF神经网络修正机理模型的误差,并通过对RBF神经网络的不断更新,进一步提高了模型的预测精度和适用性.将所建立的混合模型应用于实际的离心压缩机,结果表明该方法具有良好的预测性能.