ISOMAP-LDA方法用于化工过程故障诊断

针对化工连续生产过程的时序性及非线性等特征,提出一种新的基于数据驱动的化工过程故障诊断方法：ISOMAP-LDA。首先实行流形学习算法ISOMAP,在保持量测数据几何结构特性下完成非线性降维,然后基于提取的嵌入变量张成的低维空间,选用线性判别分析（LDA）构造故障模式类的判别函数,负责各采样个体故障类型的判定。将该方法用于仿真化工Tennessee Eastman 过程的故障诊断,结果表明,ISOMAP-LDA方法不仅拥有较高的故障诊断能力,而且取得采样在低维空间的可视化表示。     

连续约束蚁群优化算法的构建及其在丁烯烷化过程中的应用

经典蚁群系统只适用于离散问题,缺少处理约束的专门机制.基于蚁群觅食的生物学行为,以搜索最优食物源为目标,将约束纳入食物源优劣评价的启发式规则,采用成群募集和海量募集两种方式,并辅以局部搜索,以此引导蚁群寻找可行域中的最优解,构建为适用于连续约束优化问题的蚁群系统（constrained ant colony system, CACS）.测试实例表明,CACS具有良好的适用性及全局优化性能,将它应用于丁烯烷化过程的约束优化,取得了令人满意的结果.     

基于反S形变换的pH跟踪控制

在中和过程的数学模型的基础上 ,引入反S形 pH变换 ,并应用进化规划算法优化PI控制器的参数 ,实现了对 pH值紧密的跟踪控制。     

多产品克隆选择算法在间歇过程调度中的应用

针对传统处理多产品多步骤多设备零等待的间歇过程调度方法(MMMSZ)只适用于求解小型问题的这一特点,构建了多产品克隆选择算法(MCSA).该算法从生产计划出发,生成较优的生产方案和各种全产品批次,并以全产品批次作为抗体,调用改进的克隆选择算法进行优化,其适用面宽,搜索空间大,能有效地处理约束,适用于规模不很大的问题.对于大规模问题,可基于周期调度策略,开发大规模多产品克隆选择算法(LMCSA),以克服维数灾难.将它们用于2个间歇调度示例,实验结果表明,2种算法能在合理的时间内给出较优解,综合性能良好.     

基于面向对象技术的数据仓库设计与实现

介绍了数据仓库技术的概念与内容，研究了运用面向对象技术建立数据仓库系统的关键技术。以某化工企业决策支持系统为背景，给出了基于面向对象技术的数据仓库的设计方案，并对其逻辑设计，前端展现程序设计进行了探讨。     

模糊偏最小二乘及其在药物构效关系中的应用

针对高维变量系统的模糊建模易引起规则“组合爆炸”，以及变量间的耦合关系会导致模型泛化能力的减弱， 提出构建模糊偏最小二乘法(FPLS)的一种新方案.先采用非线性迭代偏最小二乘(nonlinear iterative partial least squares, NIPALS)方法从样本数据中成对地提取最优成分，使多变量系统降维，并消除其间的耦合关系;然后对提取的每 对成分采用TSK模糊系统及自适应学习算法，实现单输入单输出的非线性建模，并组合为FPLS模型.将FPLS法应用于人类 免疫缺陷病毒1型蛋白酶抑制剂构效关系，所需规则甚少，所建模型有较强的泛化能力和稳定性，显示出FPLS方法的优越 性.     

连续多蚁群算法的构建及其在过程动态优化中的应用

动态优化为过程系统工程的重要课题,现有解法存在较多不足,为此构建了连续多蚁群算法(CMACO),可直接用于由动态优化转换成的非线性规划问题.该算法克服了经典蚁群算法只适用于离散问题的局限性,以最优食物源为目标,有多个子群同时搜索.各子群的信息素呈正态分布,独立引导蚂蚁寻优.子群间又相互交流,协同搜索,并逐轮调整子群规模、分布中心和宽度.在可行区域内既全面探索,又加强挖掘,提高了全局优化的性能和速率.将其用于Park-Ramirez和Lee-Ramirez生物反应器的补料流率优化,在优化结果和计算代价上都有一定的优势.     

二氯乙烷精制流程工艺方案的研究

一般认为，减少蒸汽消耗是EDC精制工段的主要节能手段。本在对上海氯碱化工股份有限公司已有EDC精制工艺进行比较分析的基础上，利用Aspen-plus软件进行流程模拟，初步讨论了几种新的流程设计方案及其节能情况。     

前传神经网络规模优化的快速剪枝策略及其应用

对多层前传神经网络规模的优化主要在于确定隐含层的节点数 .本文提出的快速剪枝法从分析网络隐含层的输出信息入手 ,用特征分析法解析地确定冗余而可剪去的隐节点数 ,并一次性地找出优化的隐节点数 ,同时将剪去节点的作用分配到保留的节点上 ,配置结构优化网络的初始连接权 ,以加速网络的训练进程 .这种快速剪枝的解析算法每步都有明确的数学机理 ,不仅优化速度快 ,而且稳定性好 .该算法应用于留兰香油的模式分类问题 ,效果令人满意 ,并显示出良好的健壮性和通用性     

与机理杂交的支持向量机为发酵过程建模

针对生物发酵过程机理复杂、高度非线性的特点,采用基于结构风险最小的支持向量机为发酵过程建模,其算法规范,建模复杂度低于神经网络方法,所建模型的预测效果更好.还将生化过程的动力学机理与支持向量机相结合,采用串联和串并联结构,提出与机理杂交的支持向量机建模方法,并为间歇式酒精发酵过程中酵母菌体浓度变化建立了预测模型.原理分析与试验结果表明与机理杂交的支持向量机建模方法,相比于单一近似的动力学模型、单一的支持向量机模型,以及机理杂交的神经网络模型,它的预测精度高,泛化能力强,性能更为优越.