基于复杂网络理论的符号有向图(SDG)化工故障诊断

化工过程系统的大型化和复杂性,仅通过常规方式来描述故障机理越来越受到限制。本文以流程图建模法构建的符号有向图(signed directed graph,SDG)故障模型为基础,将化工过程系统抽象为网络拓扑结构,通过对网络模型的统计特征描述,判断网络的复杂性、小世界性和无标度性,进而以复杂网络中心性理论定量计算网络中各个节点的重要性,分析比较各指标来确定网络中的核心节点,并通过Capocci算法对网络进行社团结构的定量划分,最后以网络中的核心节点确定化工过程中易引起安全事故的关键变量,并用社团划分的结果绘制出化工故障诊断模型的关键路径,确定重点监测部位。案例应用结果表明:该方法可行,为化工过程系统中故障节点和监测提供了新的解决思路,丰富了化工过程故障诊断和预防控制的相关理论。     

基于复杂网络的化工过程层次符号有向图模型建立及关键节点识别

针对定性符号有向图（signed directed graph,SDG）在化工过程系统中建模复杂度高、故障分辨率低、容易忽略部分变量等问题,提出一种基于复杂网络理论构建层次SDG网络模型并识别关键节点的方法。首先利用层次分析法对化工过程系统划分递阶层次结构,建立基于子系统的系统SDG网络模型,选取度中心性、接近中心性等多个节点重要性评价指标,采用主成分分析法确定各指标权重并利用逼近理想排序法（technique for order preference by similarity to an ideal solution,TOPSIS）多属性决策方法得到节点重要性的综合评价值,初步识别关键节点所在的子系统;然后建立子系统的SDG模型并细化为有向网络,采用LeaderRank算法对节点重要性进行排序,进而在子系统网络模型中确定关键节点的位置。案例计算结果表明该方法可以有效地降低建模的复杂性,提高关键节点识别的全面性和准确性,从而改善化工过程系统的安全稳定性。     

复杂非线性系统的子系统分解方法

利用社区发现算法研究了一种复杂非线性化工系统的子系统分解方法,并进行了分布式模型预测控制设计。引入信息图论的节点表示系统的状态、输入和输出变量,构建非线性过程系统的加权有向图,节点通过加权边连接,加权反映了节点间连接的强度,因而能够同时反映系统内部的连通性和连接强度。利用社区结构发现算法将所有变量分成子系统的群组,使得每个组内的关联比不同组间的相互作用强,从而得到复杂化工过程系统的子系统分解。针对连续搅拌反应釜过程,实施子系统分解,并设计分布式模型预测控制算法,结果表明,所提出的子系统分解方法更能考虑子系统之间的连接权重,得到更有利于分布式模型预测控制的子系统划分,提升系统控制的性能。     

基于复杂网络边负载分配理论的化工过程级联故障风险传播路径

依据复杂网络边负载分配相关理论,建立化工过程级联故障传播理论模型,用于解决化工过程中日益突出的级联故障传播问题。本文首先将化工生产系统抽象成网络模型,对网络中的节点进行重要性排序;其次对网络进行随机攻击并对重要性靠前的节点进行蓄意攻击,求解两种攻击方式下的最高风险传播路径;最后假设其发生边负载故障,根据风险传播路径故障概率对两种攻击方式下的最高风险传播路径进行评估,确定危险性较大的风险传播路径。经案例验证分析表明：该方法可有效确定生产过程中故障发生后的故障传播路径以及风险性较大的路径,为预防化工生产过程中故障传播提供一定的理论依据和决策支持。     

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。     

基于社团结构的化工过程风险演化路径深度挖掘

在化工生产过程中，由于物料的危险性和流程的复杂性，导致恶性事故频发。为了保证化工过程的安全平稳运行，需对其风险演化机制进行深入解析，以抑制次衍生灾害事故的传播、扩散及演变。然而，传统方法过于依赖专家经验或先验信息，风险评估结果不精准；以复杂网络为基础的社团结构虽可视为风险演化路径的高度抽象，但已有算法难以兼顾划分结果的合理性和准确率。为此，提出一种基于DSAE-Louvain社团结构的化工过程风险演化路径深度挖掘方法。首先对多源过程数据进行处理，构建风险演化网络模型，同时利用Dijkstra算法、跳数法等手段，获取相似度矩阵；进而引入深度稀疏自编码器（DSAE）与Louvain算法，经稀疏处理开展社团结构划分；最后，根据节点重要度排序追踪整个化工过程的风险薄弱节点和关键演化路径。以Tennessee Eastman (TE)过程为例，对比GN算法、Louvain算法和DSAE-GN方法，结果表明DSAE-Louvain方法能够提升社团结构划分的精细化、高效化程度，且所挖掘的风险演化路径更为符合实际生产工艺流程。     

基于HMM算法的矿山水灾害链复杂演化网络模型构建及应用

矿山水灾害可视为由各种相互联系的因素构成的复杂系统，通过研究矿山水灾害链中节点事件对演化过程的影响，可为矿山断链减灾提供依据。采用灾害链理论结合复杂演化网络模型，提出了灾害节点演化性子模型、灾害节点影响度子模型、灾害节点重要度子模型、灾害综合中心性模型4个子模型，利用HMM算法对子模型进行优化，构建了基于HMM算法的矿山水灾害链演化网络模型；参照前人的案例分析结果，对比分析矿山水灾害链演化网络模型的可靠性，结果表明：该模型能更有效地分析出各节点事件对整体灾害链演化的影响程度，推算出最有可能发生的矿山水灾害演化链，从而为矿山灾害链的风险分析以及断链减灾提出更合理的建议。     

反应器网络多目标综合优化

通过反应系统综合优化获得经济效益好、对环境友好的反应系统是大多化工厂提高全流程整体经济和环境性能的重要手段。反应器网络综合优化方法主要包括可得区法、导数分析法、超结构优化法、目标类法、经验推断法和分布参数法等,然而却很少有文献报道对反应器网络进行多目标综合优化。由于过程中往往存在多个相互冲突的目标函数,所以仅仅依靠单目标对反应器网络进行综合优化已显得不合适。本文采用分布参数法建立多目标优化模型,目标函数为经济最大化和环境影响最小,并采用非支配排序基因算法(NSGA-Ⅱ)进行优化得到Pareto最优解集。     

基于复杂网络控制理论的换热网络旁路位置确定

换热网络的旁路控制是增加自由度和提升系统控制性能的有效手段。为了保证控制的有效性和经济性,本文基于复杂网络理论,结合“下游路径”理论中换热网络的干扰传递规律,构建出换热网络的有向加权的复杂网络模型,然后把换热网络旁路抽象为复杂网络驱动节点集,权衡可控性与经济性两方面因素,给出两种旁路位置确定方法。在可控性要求较高时,基于复杂网络结构可控性理论,提出了换热网络全局可控的旁路位置确定法,该算法不仅通过设置最少的旁路实现了换热网络的全局可控,还实现了对换热网络控制性能的优化;当旁路数目受限时,基于复杂网络目标控制理论,提出了重要节点可控的旁路位置确定法,在保证其重要节点可控的同时,减少旁路数量从而节省投资费用。最后,以大型原油换热网络为例分别求解全局可控和重要节点可控的换热网络旁路位置,验证了该方法的可行性。     

基于自适应EKF算法的输出融合软仪表设计

在化工过程中,作为观测关键质量参数的重要手段,软仪表技术受到了广泛的关注。目前,关于软仪表的研究主要集中在建模技术上。然而,化工过程复杂多样,仅使用软测量模型进行质量变量的估计易出现预估效果不稳定、随机偏差大等现象。为此,文献提出了一系列的改进算法,但仍存在计算复杂、算法抗干扰能力差等问题。本文提出一种基于自适应扩展Kalman滤波(EKF)的输出融合软仪表设计方法,利用Kalman滤波算法对软测量模型预估数据和现场观测进行数据融合,校正软测量模型预估偏差;并在输出融合软仪表背景下,设计了一种含衰减因子的观测噪声统计估计器,将其与滤波算法相结合,构成自适应EKF算法,以提高融合软仪表的输出精度及抗干扰性能。通过仿真实验对所提出的算法进行了全面分析,并将该算法应用于小型实验装置,验证了算法的实用性及有效性。     

综合可靠性优化的化工过程参数优化

首先针对化工过程进行参数优化过程,考虑系统可靠性问题,提出了一种综合可靠性优化的参数优化模型,利用系统可用性对过程产品产量进行修正,从而将系统可用性加入到过程模型当中。其次在优化过程中。为了避免因过程模型太复杂而导致计算量大的问题,提出了结合Unisim模拟软件的优化实现方法,利用Unisim计算每次迭代过程中的过程模型和目标函数值,直至优化过程收敛。最后将以上方法应用在某天然气处理过程中。结果表明：综合可靠性优化的参数优化模型,提高了化工过程的经济效益;基于Unisim的优化过程,不需要简化过程模型,能简单、快速、有效地得到优化结果。     

化工园区事故链重要节点及关键传播路径研究

针对化工园区事故影响因素繁多、事故链节点关联复杂、传播路径不确定等问题,提出一种基于复杂网络理论构建化工园区事故链模型并确定重要节点和关键事故传播路径的方法。首先根据事故链各影响因素间的作用关系建立化工园区事故链网络模型;其次结合改进的多属性决策方法(TOPSIS)和加权LeaderRank算法2种方法的计算结果得出该网络模型的重要节点;最后基于事故传播强度识别事故链网络的关键事故传播路径。结果表明该方法可有效确定化工园区事故链网络的重要节点和关键事故传播路径,为化工园区事故的预防和预测提供理论依据。     

一种用于动态化工过程建模的反馈神经网络新结构

提出了一种新的用于非线性动态化工过程的状态集成反馈神经网络结构 (SIRNN) ,并将静态BP网络的训练算法引入到该网络的训练中 .状态反馈、时间序列延迟与集成节点的概念结合在SIRNN结构中 ,使得在用SIRNN建模过程中既可以考虑系统过去更多时刻的状态信息又可以相对降低网络的复杂程度 ,使得网络结构更趋于合理 .将SIRNN对一单输入单输出二阶非线性动态系统建模 ,并与其他反馈神经网络建模效果进行了比较 ,同时对该网络结构进行了抗干扰性检验 ,并对其在多输入单输出系统的应用中进行了尝试 ,结果表明SIRNN结构对非线性动态系统建模具有快速、高效和抗干扰的良好性能     

基于无向加权的智能用电指挥系统重要节点检测技术研究

针对智能用电指挥信息运维系统网络易遭受网络攻击威胁。研究建立无向加权网络度量模型,并与非凸二次规划模型相结合,进一步提高计算复杂度与节点距离,以提高节点检测效率。试验结果表明,与随机森林算法相比,所提出算法显著改变系统节点检测的算法复杂度。迭代次数500次及1 000次时,无向加权网络模型算法的容错率较高,最大容错率分别为65%、71%,可以有效检测智能用电指挥信息运维系统节点。当节点距离大于60时,对算法准确率影响较小,而运行时间也随节点距离增加而不断增加,因此建议节点距离控制在50～60之间,以满足智能用电指挥信息运维系统节点检测准确率。     

基于复杂网络理论的大型换热网络节点重要性评价

鉴于换热网络大型化和流股间复杂关系,使得换热网络换热器节点重要性的研究显得越来越重要,对其控制和安全运行的工程实践方面具有指导意义。本文以大型换热网络为研究对象,将换热器抽象为节点,换热器之间的干扰传递抽象为边,构造网络拓扑结构。在复杂网络理论的基础上,提出了评价大型换热网络节点重要性的策略和模型。首先,从网络的点度中心性、中间中心性、接近中心性和特征向量中心性等网络拓扑结构属性出发,依据多属性决策方法对网络节点重要性进行综合评价;其次,考虑换热网络的方向性,基于PageRank算法对该网络进行节点重要性评价研究。综合两个算法的计算结果得出最终结论。案例分析表明:该研究方法是有效的,可从不同的角度全面评价换热网络的节点重要性,丰富了换热器节点重要性评价的相关理论。     

基于BP-TGA算法的注塑成型工艺参数优化

以鼠标壳为实例,利用正交试验数据作为训练样本,以翘曲变形量为目标,经反复训练找出最佳BP网络模型作为注塑工艺参数组合优劣的评价系统。在BP网络模型的基础上,融入禁忌遗传算法作为优化算法(BPTGA算法)对注塑工艺参数组合进行优化,从而找出翘曲变形量最低的参数组合。仿真实验表明,通过BPTGA算法可高效、准确地在指定范围内找出最佳工艺参数组合,从而大大提高产品设计效率和制品质量。     

基于报警日志的炼化过程风险薄弱点深度挖掘

在复杂炼化生产过程中,工艺报警日志蕴含着丰富的潜在风险信息,有助于揭示危险性根源、预防过程安全事故发生。为此,本工作提出了一种基于报警日志的炼化过程风险薄弱点深度挖掘方法。首先,针对本工作类型的工艺报警日志,利用Word2Vec词嵌入技术进行向量化预处理,同时通过Pearson相关系数法解析日志间的关联关系,以获取相关系数矩阵。其次,引入复杂网络(CN)理论,将相关系数矩阵转化为布尔矩阵,构建复杂炼化过程的风险表征网络模型。再次,采用逼近理想解排序法(TOPSIS)对所构建的网络模型开展节点重要度精确评估,主要涵盖度中心性、接近中心性和特征向量中心性3个指标。最后,根据网络节点重要度排序的优先级,可深度挖掘复杂炼化过程的风险薄弱点。以某套柴油加氢装置为例,分析结果表明,该方法可准确、有效地提取报警等级为“高高报(HH)”或“高报(HI)”的工艺报警日志,且与复杂炼化过程的实际运行工况相符。     

一种非线性系统在线辨识的选择性递推方法

针对非线性系统的在线辨识, 提出了一种选择性递推岭参数极限学习机方法。首先, 推导了岭参数极限学习机模型节点增加的递推算法, 以有效地更新在线模型。其次, 结合训练模型的相对误差, 提出模型节点递推增加的选择性策略, 以限制模型的复杂度, 获得更简单的递推辨识模型。通过一个典型非线性化工过程的在线辨识, 从多方面比较验证了所提出方法的简单有效, 更适合非线性过程的在线辨识。     

基于ELM的一类不确定性纯反馈非线性系统的Backstepping自适应控制

针对一类不确定性纯反馈非线性动力学系统,在中值定理、Backstepping控制的基础上,提出一种基于极限学习机(ELM)的自适应神经控制方法。ELM随机确定单隐层前馈网络(SLFNs)的隐含层参数,仅需调整网络的输出权值,能以极快的学习速度获得良好的推广性。在每一步的Backstepping设计中,应用ELM网络对子系统的未知非线性项进行在线逼近,通过Lyapunov稳定性分析设计的权值参数自适应调节律,可以保证闭环非线性系统所有信号半全局最终一致有界,系统的输出收敛于期望轨迹的很小邻域内。将所设计的控制方法应用于化工过程中的连续搅拌反应釜(CSTR)非线性系统实例中,仿真结果表明了控制方法的有效性。     

基于FGCN的针铁矿沉铁过程建模

针铁矿沉铁过程是由多个连续反应器级联,并且包含氧化反应、还原反应以及中和反应等一系列复杂化学反应的复杂过程,具有强非线性、不确定性的特点,难以建立精确的数学模型。提出一种基于模糊灰色认知网络(fuzzy gray cognitive network,FGCN)的针铁矿沉铁过程的建模方法。根据专家经验和历史数据,建立针铁矿沉铁系统的模糊灰色认知网络模型,利用带终端约束的非线性Hebbian学习算法(nonlinear Hebbian learning,NHL)对权值进行学习。在不同程度的不确定性环境下对系统进行分析,结果表明模糊灰色认知网络能够在不确定性高的环境下对复杂工业系统进行有效模拟,收敛到一个灰度为零或者灰度很小的灰数平衡点,利用白化函数得到一个准确的控制输出。