五维体系下高职院校思想政治教育研究

文章在分析高职院校学生思想政治教育工作重要性的基础上,结合思想政治教育工作五维工作体系,分析高职院校学生思想政治教育工作在主题教育、素质教育、生活教育、实践教育和典型教育等五大方面存在的不足,并进一步提出若干对应的改进措施。     

多重注意机制及权重校正LSTM的PVC含水率预测

针对PVC干燥工段中，PVC含水率存在非线性、大滞后、与其他变量关联性复杂难以预测的问题，提出一种多重注意机制及权重校正型长短期记忆网络(LSTM)模型用于PVC含水率的预测。在编码器部分，利用与含水率相关的输入序列之间的相关性对空间注意机制训练的可变权重进行校正，避免由于单纯数据训练导致相关性强的输入变量之间权重差异较大，进而实际干燥工艺不符；同时，由于含水率预测的滞后特性，为减弱长子时间窗口内LSTM单元细胞状态信息丢失，提出信息补偿机制补偿之前时刻细胞状态信息。在解码器部分，利用时间注意机制对编码器的隐藏层状态进行权重更新，解除固定长度向量对模型性能的限制。最后，选取某化工公司干燥工段DCS数据进行验证，相对于RNN、VA-LSTM、STA-LSTM相关系数(R²)分别提高了571%、122.6%、82.6%,结果表明本文模型具有一定优越性。     

基于稀疏残差距离的多工况过程故障检测方法研究

针对多工况过程,本文提出一种新的基于稀疏残差距离（Sparse residual distance,SRD）统计指标的故障检测方法.首先对正常的多工况标准化后数据直接进行稀疏分解,提取多个工况数据间相关关系,得到字典和对应的稀疏编码,以便构建全局检测模型,避免分工况且突出数据特征.然后计算正常多工况数据的近似值,构建稀疏残差空间,提出计算稀疏残差k近邻距离构建故障检测统计量,利用k近邻捕捉过程具有的非线性、多工况特征.最后通过数值案例和TE（Tennessee Eastman）生产过程进行仿真实验,验证了所提方法的有效性.     

CPV（1）分段法在间歇过程中的应用

研究一种批次过程阶段划分方法．首先,将间歇过程数据按照批次方向展开成二维数据,某采样时刻到末采样时刻的数据构成对应于该时刻的数据段．然后对每一数据段进行主元分析,获得第一主元贡献率．最后,采用第一主元贡献率的变化来表征批次内部阶段的转变,对批次过程划分阶段．将该方法应用于青霉素仿真发酵过程,分段结果明显与实际菌体生长阶段一致．将该方法应用于实际的半导体生产过程数据中,分段结果验证了分段理论的有效性．     

基于滑动窗PCA的PVC聚合过程在线监测

探讨了滑动窗PCA子时段建模和在线监测方法在PVC聚合过程的应用。采用滑动窗口，分析过程相关性的变化进行子时段的划分，增进对过程的理解，可以估计生产状况，进而为将来的优化控制奠定一定的基础。在子时段建立过程监测模型，可有效地进行过程监视，降低误报率和漏报率。应用结果验证了该方法的有效性，为保证PVC聚合过程正常、安全提供了一个有效方法。     

近邻标准化样本核特征量驱动的间歇过程故障检测

针对间歇过程的多工况和非线性特征,提出一种基于近邻特征标准化(Nearst Neighborhood Feature Standardization,NNFS)样本的核特征量(Kernel Feature Statistics,KFS)故障检测方法。首先,将间歇过程数据按批次方向展开构成二维建模样本,计算每个样本的局部近邻,采用近邻特征实现标准化,提取多工况批次之间的正常偏差,克服Z-score标准化将多工况过程数据看作一个整体而造成的不准确问题。其次,通过核方法将经过标准化后的样本映射到高维空间,在核空间建立监视模型,计算特征量,并提出采用方差分析(variance,VAR)方法确定核参数,通过核密度估计法确定统计控制限。最后,在青霉素发酵过程进行仿真研究,通过比较表明了所提方法的有效性。     

基于PCA—改进BP算法的软测量技术

文中针对基本BP网络建立软测量模型时所存在的一些问题,例如：输入变量之间可能存在的线性相关等冗余性、基本BP算法收敛速度较慢而且易于限于局部最优等,本文尝试将主元分析与变尺度改进BP算法相结合,以提高软测量模型的训练速度和外推能力,为软测量技术的在线应用提供更大的方便。实验结果表明PCA方法与变尺度的改进BP神经元网络相结合的软测量建模方法在训练速度和外推能力方面有较大的改善。     

基于邻域降噪正交自编码器的工业过程故障检测

针对采用自编码器提取过程特征进行故障检测时,没有考虑数据的局部结构信息,提出邻域降噪正交自编码器（neighborhood denoising quadrature autoencoder, NDQAE)的方法。邻域保持嵌入算法提取数据的邻域信息作为权重对过程数据进行加权,强化数据局部结构信息。正交自编码器进一步提取带有局部信息加权的过程数据非线性特征。通过加入噪声增强自编码器的鲁棒性,并采用反向传播算法训练网络参数,获得能够捕捉数据局部特性和全局特性的鲁棒自编码器模型。在该模型的隐特征和重构残差空间分别构建T2和SPE统计量,并计算统计量控制限用于故障检测。在田纳西-伊斯曼（TE）化工过程和三相流过程进行仿真实验,结果表明了所提算法的有效性。     

基于改进重构贡献图的故障定位方法

针对重构贡献(RBC)方法仅适合单变量故障的定位及贡献图中出现拖尾效应(SE)的问题,本文提出一种基于改进重构贡献图(MRBCP)的故障定位方法。采用概率主元分析(PPCA)建立监视模型和统一量度的监视统计量,克服PCA方法中不同量度的监视统计量造成的诊断结果不一致的缺点。对于故障样本,以变量的重构监视统计量为贡献统计量,通过组合最大化思想对故障变量进行逐次定位。在历史故障信息未知的情况下,能够进行多变量故障的定位,然后在定位出的故障变量中进行贡献图分析,进一步对故障变量实现准确定位,从而避免了拖尾效应。通过数值案例和TE过程——实际化工过程的真实模拟过程进行实验,并与基本RBC方法、基于PCA的MRBCP方法进行比较,结果表明了所提方法的有效性。     

基于特征空间自适应k近邻工业过程故障检测

针对工业生产过程故障检测模型不能及时更新的问题,提出了一种特征空间自适应k近邻(featurespace adaptive k-nearest neighbor,FS-AkNN)故障检测方法。首先利用主元分析对训练数据进行降维,构建特征空间,然后利用k最近邻方法建立故障检测模型。在过程监视过程中,提出了基于距离规则的自适应更新故障检测模型。通过一个数值例子和TE过程的仿真实验结果表明了该方法的有效性。