基于克隆选择的锌钡白煅烧过程数据挖掘

锌钡白回转窑煅烧过程的数据是非交易型、不变的事务模式,基于支持-置信度关联规则挖掘算法求得的关联规则,不能用于锌钡白回转窑煅烧现场.论文提出基于实数编码的克隆选择算法,采用多点随机搜索策略进行搜索,对锌钡白回转窑煅烧现场数据进行分析,得到现场数据中的关联规则,并用两组数据仿真对比,实验结果表明,算法可快速有效地求出生产数据中的关联规则,且与工人现场操作经验基本吻合,可用于类似的化工过程控制。     

基于自相关周期估计的EMD端点延拓方法

提出了一种基于自相关周期估计的经验模态分解(Empirical mode decomposition,EMD)端点延拓方法.在信号分解过程中通过高阶自相关函数估计备信号分量的周期,基于提出的整周期准则对信号分量进行数据延拓,得到的延拓数据符合信号分量的变化趋势.相对现有延拓方法,该方法解决了端点处数据跃变、波动趋势不一致的问题.该方法计算量小且效率高,适于周期或准周期、调频范围不大的信号.仿真结果验证了该方法的有效性.     

工业过程多速率分层运行优化控制

工业过程运行优化控制通常采用基础回路层和运行层两层结构,涉及不同时间尺度特性的被控对象,且由于检测装置采样周期不同难以统一控制与采样周期;此外,运行层动态往往机理复杂难以建模.因此针对这一多层次、多时间尺度且部分模型未知的复杂多速率控制问题,本文提出一种工业过程多速率分层运行优化控制方法.该方法在使用提升技术解决分层多速率问题的基础上,采用一种基于Q-!学习的数据驱动运行层设定值优化方法,更新基础回路层的设定值;并针对提升后的系统采用模型预测控制（Model predictive control,MPC）方法设计基础回路层控制器以跟踪设定值,从而实现运行指标的优化控制.对典型工业闭路磨矿过程进行了仿真实验,验证了本文所提方法的有效性.     

基于阿累尼乌丝方程的锌钡白转窑控制实现

采用了基于阿累尼鸟丝方程的控制方法,成功实现对某厂锌钡白干燥煅烧转窑生产系统的控制。简述了锌钡白干燥煅烧回转窑的控制难点,然后在“等质量等能量”思想的基础上,建立基于阿累尼乌丝方程的控制式子,介绍了参数辨识过程,并进一步阐述等质量等能量控制的实现。实际的控制效果表明,该控制方法取得较满意的效果,对回转窑的控制具有很大的参考价值。     

基于经验模态分解和递归图的语音端点检测算法

结合Hilbert-Huang变换中的经验模态分解（EMD）和递归图（RP）法,提出了一种新的语音端点检测算法。该算法首先基于语音和噪声通过经验模态分解及其多尺度特征,在不同的固有模态函数（IMF）上进行软阈值时间尺度滤波处理,然后采用非线性动力学行为中的递归图法,定量统计递归分析中的确定性进行语音端点检测。仿真结果表明,该方法具有很强的非稳态动态变化分析能力,在低信噪比环境下较传统方法能更准确提取出语音信号的起止点,鲁棒性好。     

联合EMD和FSVM的非平稳时间序列预测

提出一种基于经验模态分解(EMD)和模糊支持向量机(FSVM)的非平稳时间序列组合预测方法。首先,利用EMD对非平稳时间序列进行分解,将其分解为时间尺度特征较为单一的单模态分量,降低待预测信号的非线性复杂度;然后,利用模糊支持向量机对EMD分解后的各固有模态函数进行预测;最后将各固有模态函数独立预测的结果进行叠加,即可得到原始序列的预测值。以带噪声的Lorenz系统和太阳黑子月平滑值序列为实验数据,对提出的预测方法进行了仿真分析。实验结果表明,与BP神经网络预测和传统的SVM预测方法相比,提出的方法具有更好的预测精度,而且对带有孤立点、噪声的序列信号具有较强的适应能力。     

基于改进EMD的爆炸微差延期时间尺度识别及应用

经验模式分解(EMD)具有高度的自适应性,但是存在较大的端点效应.为此提出利用支持向量机-镜像延拓法对其端点效应进行处理,实际效果良好.提出了爆炸微差延时的改进EMD时间尺度识别法,并以某工程中微差爆炸监测到的爆炸振动信号为例,通过改进的EMD时间尺度法对监测得到的爆炸振动信号进行分解,从而获得多个固有模态函数(IMF)分类;然后通过Hilbert变换提取这些IMF中占主成分的IMF分量的包络幅值,进而达到识别实际微差延时的目的.该方法为爆炸延期参数设计提供了分析手段.     

闭环两尺度系统复合LQR控制建模与设计方法

分析了Kokotovic提出的复合LQR控制器设计方法,以复合控制与最优控制的性能指标差异为依据,评判了设计控制器过程中所建立的标准两尺度系统模型是否符合系统内在的时间尺度特性;指出了以开环时间尺度特性分解系统的缺陷,分析了系统参数变化对闭环时间尺度特性的影响; 基于闭环时间尺度特性分析,提出了将一般线性动力学方程转换为标准两尺度系统形式的方法, 并分析了小参数mu在复合控制器设计中的影响.依据该标准两尺度模型设计的控制器能够敏感由系统参数变化或反馈控制变化导致的时间尺度特性的改变, 并能够得到满意的控制效果.     

选择性融合多尺度筒体振动频谱的磨机负荷参数建模

针对目前采用经验模态分解(empirical model decomposition,EMD)得到的系列子信号构建的磨机负荷参数软测量模型泛化性能差、难以进行清晰物理解释,以及EMD算法存在的模态混叠等问题,本文提出了基于选择性融合多尺度筒体振动频谱的建模方法.首先采用EMD、集合EMD(ensemble EMD,EEMD)、希尔伯特振动分解(Hilbert vibration decomposition,HVD)共3种多组分信号自适应分解算法获得磨机筒体振动多尺度子信号的集合,接着通过相关性分析剔除虚假无关部分,然后再将与原始信号相关性强的那部分多尺度子信号变换至频域,进而更有利于构建这些多尺度频谱与磨机负荷参数间的映射模型,最后通过改进分支定界选择性集成(improved branch and bound based selective ensemble,IBBSEN)算法建立软测量模型,实现对多源多尺度筒体振动频谱的最优选择性信息融合.基于实验球磨机运行数据的仿真实验表明所提方法在模型可解释性和泛化性能上均优于之前研究所提出方法.     

EMD分解中端点数据的延长方法问题研究

目前的EMD分解中,延长左右两端数据主要是通过各种数学拟合的方式（镜像延拓、多项式拟合、神经网络延拓等）来实现。在实际中,通过延长信号的采样时间,同样能够使端点数据延长,从而抑制EMD分解时的端点效应。以周期谐波函数为例,通过数值实验,将用数学拟合延长两端数据的方法（以极值点的镜像延拓为例）与直接截取两端数据的方法进行比较。同时,为了比较两种数据延长方法的效果,分别将延长后的数据进行EMD分解,将实际的EMD分解结果作为矩阵,计算与理想分解结果之间的相关系数。得出以下结论：若左右各截取半个信号周期长度的数据信号,则得到的分解结果优于通过端点延拓方法得到的EMD分解结果,且截取的点数越多,得到的结果越接近理想的分解结果。