罐式批次成品汽油调和配方集成建模方法

考虑罐式批次成品汽油调和过程中罐底余油对产品质量指标的影响,本文提出了一种基于改进多核模糊C均值（multi-kernel fuzzy C-means,MKFCM）与极端梯度提升树（extreme gradient boosting,XGBoost）集成的成品汽油调和的通用配方建模方法。该方法首先考虑各调和组分的差异性,提出一种自适应核参数计算方法对MKFCM改进,并将其用于罐底油聚类分析,旨在最大程度划分出性质相近的罐底油批次类型;在此基础上择优选用XGBoost算法,以各批次罐底余油的组分比例和产品预期质量指标作为输入,建立各批次子配方模型;在配方生成时,基于改进MKFCM求得当前罐底余油的隶属度向量,并以此为权值对子配方模型进行加权融合,最终以多模型集成的方式得到了成品汽油调和的通用配方。经使用某企业实际工业数据进行实验分析,结果表明,较单一模型或未改进MKFCM的集成模型,基于改进MKFCM-XGBoost的多模型集成配方,预测精度和泛化能力均更优,更适合罐式批次成品汽油调和过程。     

实施科技制作与提高机械专业大学生综合能力的研究与实践

简述了当前经济社会发展对机械类专业技术人才的能力要求,分析了科技制作对促进大学生综合能力培养的作用及实施要点,通过所辅导的一个项目实例说明实施科技制作可以极大地提高机械专业大学生综合能力,是对当前教学方法的有益补充,该培养方法对当前研究型和技术应用型本科教育具有较好的参考与践行价值。     

基于BP神经网络的汽油抗爆剂敏感性预测

研究了基于BP神经网络的建模方法,将其应用于93号汽油调合系统中研究法辛烷值的预测,考虑了93号高牌号汽油调合生产中组份比例、MMT加入比例、罐底油量、满罐油量、罐底辛烷值和空白辛烷值对成品辛烷值的影响,利用该模型对兰州石化公司实测值进行训练和测试．应用结果表明,该模型的预测精度完全能达到工业生产的要求,基本合理可靠．     

来自中国的启迪——浅析汉斯·瓦格纳的椅子设计

家具设计大师汉斯.瓦格纳(Hans.Wegner)透过一种崭新的演绎手法,创造了许多极具中国传统家具特色的设计作品。文章浅析了瓦格纳的系列作品,结合相关的创作背景及其蕴涵的设计精神,以期研究中国式家具风格的设计方式,为我国传统家具的创新设计提供一个永恒的切入点。     

基于PSO-DBN的成品汽油调合配方预测建模

针对石化行业精炼汽油调合配方精度低的问题,考虑深度置信网络(Deep Belief Networks,DBNs)在特征提取和非线性处理方面的优势,将其应用于精炼汽油调合保守配方的预测建模。首先,基于精炼汽油调合的历史实测数据,根据数据集的特点,采用自助法对训练数据集和测试数据集进行划分; 其次,考虑到网络参数选择困难,采用粒子群算法(particle swarm optimization, PSO)对相关最优参数进行优选,取代了人工选择参数的繁琐过程,大大提高了优化效率。此外,利用对比散度算法对网络进行无监督的正向特征学习和有监督的反向微调,从而构建了更准确的保守配方预测模型。最后,为了评价该方法的有效性,将仿真结果与传统建模方法进行了比较,结果表明,DBN比误差反向传播(BP)和支持向量机(SVM)有更好的预测性能,可以为精炼油调合配方的生产提供指导。     

基于PSO-LSSVM的研究法辛烷值预测建模

针对现存的红外线分析仪表无法在线分析抗爆剂对成品油研究法辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化的最小二乘支持向量机方法,以粒子群优化的方法来选取最小二乘支持向量机的模型参数,在克服了交叉验证法耗时与盲目性问题的同时,又发挥了最小二乘支持向量机的小样本学习能力强和计算简单的特点,将其应用于汽油调合系统中研究法辛烷值的预测.仿真结果表明,该模型的估计值与实际化验值吻合得较好.     

车载安全报警系统

本文设计的车载安全系统以单片机为主要部件,用C语言进行软件设计,硬件由六部分组成:传感器、A/D转换系统,CPU控制系统,液晶显示系统和GSM通信系统.通过对传感器输出值的判断及转换,通过一定算法的辅助在超过设定值后激发GSM通讯系统进行安全报警,在此基础上增加了12864显示模块进行时时测量值的显示,使本产品智能化,符合现代社会电子信息化的要求.     

基于SHPSO-GA-BP的成品汽油调和中加氢汽油组分辛烷值的预测

针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取，考虑遗传算法（genetic algorithm，GA）、粒子群算法（particle swarm optimization，PSO）优化反向传播（back propagation，BP）网络存在的问题，提出了一种串行混合粒子群遗传算法（serial hybrid PSO-GA，SHPSO-GA）优化BP网络，并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群，弃劣留优；然后对留优种群再进行GA的交叉变异操作，进一步优化种群，经过每一代PSO和GA的交替优化，并将最优种群用于BP网络参数优化；最后基于该方法和工业历史数据，建立了加氢汽油组分辛烷值的预测模型，仿真结果表明，较传统BP，以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法，SHPSO-GA-BP由于将PSO与GA进行更优的深度融合，具有更好的预测性能，可以用于辛烷值的预测。     

基于粒子群优化的VB-LSSVM算法研究辛烷值预测建模

针对现有红外线分析仪表无法实现阶段在线检测车用汽油调合中,MMT抗爆剂对辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化算法的矢量基最小二乘支持向量机方法,首先以粒子群优化的方法来选取最小二乘支持向量机的模型参数,然后用矢量基判据选择支持向量,使最小二乘支持向量机的解具有稀疏性.该方法不但克服了常用的交叉验证法的耗时与盲目性问题,发挥了最小二乘支持向量机的小样本学习和计算简单的特点,而且提高了最小二乘支持向量机模型的泛化能力,将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的.     

异质多模型集成的辛烷值和抗爆系数分级建模

针对成品汽油调和过程中研究法辛烷值(RON)和抗爆系数难以实时获取，且传统未考虑二者关联的单一模型精度和适应性不足等问题，提出了2种异质多模型集成的分级预测建模方法(方法Ⅰ和方法Ⅱ)。先采用K折交叉验证法对建模算法进行参数调整与算法优选，分别建立了5个一级辛烷值和二级抗爆系数异质子模型。方法Ⅰ利用加权平均法对异质子模型进行线性集成，并为提升集成模型性能，对目标函数引入L1、L2、L1&L2等3种正则化约束，以此确定子模型最优权重；考虑线性集成可能对非线性过程适应性不足，方法Ⅱ基于堆叠思想建立了非线性集成预测模型。经使用工业生产数据仿真实验研究表明，较传统单一模型以及加权平均模型，考虑抗爆系数对辛烷值依赖提出的2种异质集成分级建模方法，具有更优的性能，可用于成品汽油调和过程中辛烷值和抗爆系数的准确预测，有望解决后期配方模型建立和优化控制的数据缺失问题。