基于参考点预测的动态多目标优化算法

为了快速跟踪动态多目标优化问题变化的Pareto前沿,本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列,并对这些时间序列通过线性回归模型预测新环境下种群.同时,将历史时刻的预测误差反馈到当前预测中来提高预测的准确性,并在每个预测的个体上加入扰动来增加初始种群多样性,从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试,并和两个现有算法对比分析,结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.     

矿石布料过程综合自动化系统

针对我国选矿厂矿石布料生产过程运行设备多,生产线长,现场环境恶劣,人工操作难度大,布料系统设备运转率低的特点,结合矿石布料过程的技术要求,提出了由过程管理和过程控制两层结构组成的矿石布料过程综合自动化系统,讨论了系统的结构、功能和控制策略.并将该系统成功应用于酒泉钢铁厂选矿厂矿石布料过程,实现了布料过程的稳定优化运行,取得了明显的应用效果.     

不确定工业过程运行指标异步更新强化学习决策算法

运行指标决策问题是实现工业过程运行安全和生产指标优化的关键.考虑到多运行指标决策问题求解的复杂性和工业过程生产条件动态波动引发生产指标状态的不确定性,提出了一种策略异步更新强化学习算法自学习决策运行指标,并给出算法收敛性的理论证明.该算法在随机自适应动态规划框架下,利用样本均值代替计算生产指标状态转移概率矩阵,因此无需要求生产指标状态转移概率矩阵已知.并且通过引入时钟和定义其阈值,采用集中式策略评估、多策略异步更新方式用以简化求解多运行指标决策问题,提高强化学习的学习效率.利用可测量数据,自学习得到的运行指标能够保证生产指标优化,并且限制在规定范围之内.最后,采用中国西部某大型选矿厂的实际数据进行仿真验证,表明该方法的有效性.     

基于预测与分解策略的大规模炼油过程生产调度算法

炼油生产调度为混合整数规划问题,随着规模的增大,其求解时间随问题规模呈指数增加,使得大规模长周期炼油生产调度问题难以在合理的时间内求解.针对该问题,本文提出了一种基于生产任务预测与分解策略的炼油生产调度算法,该算法能在短时间内获得大规模调度问题的满意解.所提算法将原问题沿时间轴分解为若干个调度时长相同的单时间段子问题,并设计了基于深度学习的单时间段生产任务(组分油产量)预测模型,用于协调子问题的求解.其中,生产任务预测模型通过易于获得的小规模问题的全局最优调度方案训练得到.最后,通过与商业求解器Cplex以及现有算法的对比,实验结果表明了所提算法的有效性.     

竖炉焙烧过程综合自动化系统

针对竖炉焙烧过程的工艺特点及技术要求，基于智能技术提出了实现综合生产指标优化的竖炉焙烧过程综合自动化系统，讨论了由智能优化、过程控制和过程管理三层结构组成的综合自动化系统的结构、功能和控制策略。用智能优化设定模型、炉况诊断模型、智能预报模型及回路控制，实现了优化综合生产指标的目标。所提出的系统成功应用于桌选矿厂竖炉焙烧生产过程，实现了竖炉焙烧生产过程的优化控制、优化运行和优化管理，取得了明显的应用成效。     

基于多层感知器神经网络的精矿品位预报北大核心CSCD

精矿品位是直接关系到选矿生产效率和产品质量的重要指标,精矿品位的在线检测对提高赤铁矿选矿生产流程的产品质量和生产效率、减少资源消耗具有重要意义。但是,由于选矿生产的强非线性和强耦合性,使得精矿品位往往难于在线连续测量。为了建立精矿品位与工艺指标之间的模型,以便于调整各工艺指标,从而实现全流程优化,本文采用多层感知器神经网络和系统辨识相结合的方法,运用Matlab系统辨识工具箱和神经网络工具箱,提出了由线性模型和非线性补偿模型组成的混合模型结构的精矿品位预报方法,建立了精矿品位预报模型。该方法提高了对于复杂工业过程中精矿品位指标的预报精度,通过现场数据和一系列对比实验验证了本方法的有效性和优点。     

面向厚板板形质量监控与异常诊断的大数据可视分析

随着信息技术和传感技术的发展与应用,工业制造已迈入“大数据”时代,分析工业大数据和提取价值信息已成为大数据研究的重要挑战.板形作为厚板生产的重要质量指标,其控制复杂度高,与生产工艺参数密切相关.由于厚板生产具有多品种小批量特点,且厚板大数据具有规模大、多源异构等特性,现有单一的大数据分析方法难以直接应用.对此,采用工业大数据可视分析方法,以数据可视化为窗口,融合人的感知、分析和推理能力以及数据分析算法,提出“可视+交互+算法”融合模式的厚板板形质量监控与异常诊断方法,并研发厚板生产大数据可视分析系统,解决面向厚板板形质量监控的大数据综合分析与利用问题.实验验证结果表明了所提出方法与系统的有效性.     

竖炉焙烧过程METSIM动态模拟

竖炉焙烧是我国赤铁矿选矿工业中常见的工艺环节。其关键工艺指标是磁选管回收率, 反映了矿石焙烧的质量。但磁选管回收率无法在线实时测量。在实际生产中, 对竖炉焙烧磁选管回收率的控制一般通过运行优化控制实现。而运行优化控制策略的设计需要进行大量工业现场实验, 建立磁选管回收率相对于主要控制变量的动态响应关系, 这样做的成本高, 风险大。为了解决这一问题, 基于冶金模拟软件METSIM设计了竖炉焙烧工艺动态模型, 并采用与实际一致的过程控制软硬件系统建立了竖炉过程半实物仿真系统。通过仿真实验获得磁选管回收率与燃烧时温度设定值之间的动态关系, 并与实际数据进行了比较验证。表明该平台能够作为运行优化控制方法设计的实验和测试工具。     

基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题，首先介绍和完善了基于传统粗糙集的权值确定方法．其次，针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题，将传统粗糙集的不可分辨关系推广为相似关系，提出了一种基于相似粗糙集的案例特征权值确定方法．给出了相似粗糙集的基本定义，以及利用该方法基于差别矩阵进行特征权值计算的两个定理．最后，用实例表明了方法的有效性．     

蒸馏与换热协同的约束多目标在线操作优化方法

针对蒸馏装置与换热网络间缺乏协同优化导致的分馏精度差和能耗高的问题,提出了一种基于代理模型的约束多目标在线协同操作优化方法.为了解决蒸馏装置与换热网络操作参数协同优化时存在的计算耗时和约束的问题,构建Kriging代理模型来近似目标函数和约束条件,提出了基于随机欠采样和Adaboost的分类代理模型（RUSBoost）来解决类别不平衡的收敛判定预测问题.提出了基于多阶段自适应约束处理的代理模型的模型管理方法,该方法采用基于参考向量激活状态的最大化改善期望准则和可行概率准则更新机制来平衡优化初始阶段种群的多样性和可行性,采用支配参考点的置信下限准则更新机制加快收敛速度.通过不断与机理模型交互来在线更新代理模型,实现在线操作优化.通过测试函数和仿真实例验证了本文方法的有效性.