基于案例的移动自组织网络安全管理体系结构

提出了一种基于案例的移动自组织网络安全管理体系结构，以基于案例推理技术（CBR）为例介绍了安全策略决策支持系统以及案例库的构建技术。     

基于火焰动态纹理的电熔镁炉工况识别

电熔镁炉制备电熔镁砂的工艺过程中,会交替出现正常熔炼、加料和欠烧等不同工况,针对不同的工况需要采取相应的处理方式来保证生产过程的正常进行。目前,工况的识别主要依靠人工完成,这种方式存在工人劳动强度大、容易漏检误检等问题。本文依据不同工况下炉口火焰具有不同的动态可视化特征,提出一种基于动态纹理的工况识别技术。首先,通过建立炉口火焰的线性动态系统模型来刻画图像的动态特性,然后,设计了基于子空间角度的核函数来度量火焰动态模型相似度。对比实验表明本文设计的基于子空间角度的工况分类器具有更好的分类精度及鲁棒性。     

基于深度卷积网络的电熔镁炉欠烧工况在线识别

欠烧是电熔镁炉熔炼过程中由于原料杂质不均匀导致炉壁局部过热的异常工况,若不及时发现和处理,可能导致炉体烧穿.目前,欠烧工况主要依靠有经验的巡检工人在电熔镁生产现场“看火”,劳动强度大且危险性高,容易漏检、误检.鉴于此,提出一种基于深度卷积网络的可见光RGB图像与红外热像相结合的电熔镁炉欠烧工况感知技术,并基于此开发原型系统.采用工业相机和红外热像仪获取电熔镁生产现场过程图像,利用深度学习技术并结合现场工人经验建立对欠烧工况视频图像的检测和识别模型,通过实时的图像分析,实现对欠烧工况的在线识别.将该技术在某氧化镁企业进行工业实验,验证了所提出技术的有效性.     

面向知识自动化的磨矿系统操作员脑认知特征与控制效果的相关分析

面向知识型工作自动化,研究了流程工业生产过程中操作人员的脑认知特征与操作控制水平之间的关键,建立了一种基于操作员脑网络特征的操作熟练程度隐性知识的显性化模型.采用关注信号瞬时相位、基于希尔伯特变换的相位锁方法,构建了脑功能网络（Functional brain network,FBN）.基于磨矿系统操作员脑功能网络的图论参数与社区连接强度,建立了特征空间,采用支持向量机与神经网络进行特征分类.结果表明,在高频区,熟练操作员（熟手）的脑功能网络连接强度明显高于不熟练操作员（生手）:在低频部分则生手的脑功能网络连接强度略高,其特征分类准确率为87.24%.磨矿系统操作过程中形成的溢流粒度（Grinding particle size,GPS）曲线可以初略地反映操作人员的熟练程度,本文在深入分析了其溢流粒度曲线与操作员脑网络特征的基础上,发现相对于溢流粒度曲线操作员的脑网络特征可以更全面地描述操作控制水平（特别在操作开始时间段）,采用脑网络特征识别操作控制水平在时间上超前于溢流粒度曲线识别方法.本研究对于将知识工作者的认知特征引入到流程工业控制中,具有一定的借鉴意义.     

未建模动态增量补偿驱动的非线性PID控制及应用

针对一类具有强非线性、机理不清且动态特性随不同运行条件而变化的复杂过程, 将基于数据的建模技术与基于模型的控制策略相结合, 提出了未建模动态及其未知增量补偿驱动的非线性PID控制方法. 所提的算法将一步超前最优控制策略应用于PID控制器的参数设计, 并结合非线性补偿技术进行综合设计, 从理论上给出了PID控制器参数以及非线性补偿器设计的一般原则和方法, 为解决传统PID控制器参数难于整定的问题提供了方法和途径. 在此基础上, 分析了闭环系统的稳定性和收敛性. 最后, 将所提的控制算法进行数值仿真实验以及Pendubot系统平衡控制的对比实验, 实验结果表明, 在Pendubot的精确摩擦力模型未知的情况下, 所提算法能有效地消除系统未知时变不确定性的影响, 并尽可能地减少Pendubot摆角的波动, 将摆角控制在规定的目标值范围内.     

基于GIS的电压质量监控系统的设计与开发

为了实现对电力设备及电压质量的实时监测与管理,提高电力企业的管理效率,提出来一种综合化信息管理平台-基于GIS的电压质量监控系统.系统基于J2EE平台,采用Structs2+ Spring+Hibernate框架,应用WebGIS技术,将GIS与电压质量监控系统结合,实现电网信息的地图化、运行数据的可视化.建立电压质量的时间序列预测模型,对电压质量进行短期预报.根据当前预测结果,为运维计划和建议提供决策支持.故障点统计分析,对于用户提高供电质量管理起到很好的辅助作用,为电力企业的决策提供了丰富的数据和决策支持,帮助企业进行高效的决策.系统已投入运行,并取得了良好的效果.     

基于图像随机分布模型的电熔镁炉工况识别

电熔镁炉制备电熔镁砂的工艺过程中,会交替出现正常熔炼、加料和欠烧等多种不同工况,其中,欠烧工况分辨难度最大且最为关键.目前,欠烧工况的识别主要依靠人工经验完成,这种方式的准确性取决于人的经验水平和生理状态,且工人劳动强度大,存在容易漏检误检的问题.对此,依据不同工况下炉口火焰图像中具有的动态特征,提出一种基于B样条(B-spline)动态网络动态特性的工况识别技术.首先,建立炉口火焰的线性动态系统模型来刻画系统的动态特性;然后,设计基于子空间主要角度的核函数来度量火焰动态模型相似度.对比实验表明,所设计的基于B-spline动态网络动态特性的工况识别技术具有更好的分类精度和更高的效率.     

基于图像与电流特征的电熔镁炉欠烧工况半监督分类方法

针对电熔镁炉异常工况识别任务, 在半监督学习框架下提出一种将电流与图像两类特征融合的解决方案. 主要贡献为: 使用多元图像分析(Multivariate image analysis, MIA)技术代替人眼, 更为准确客观地对镁炉火焰进行特征提取; 利用基于熵正则化(Entropy regularization, ER)的半监督学习框架, 同时使用具有强互补性的生产图像与电流数据进行工况分类, 从而弥补了基于单一特征分类的某些缺点; 采用交叉熵方法(Cross-entropy method, CEM)优化分类器目标函数, 较传统优化方法显著地提升了训练速度. 通过仿真数据与公开数据集测试并讨论了本文算法的优势, 并通过工业数据验证了所提方法的有效性、应用价值与良好的鲁棒性.     

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。