原油分离建模中的要点分析

Aspen Plus作为一种有效的模拟计算工具在装置筹建和改造中得到了广泛地应用,Aspen Plus在已建成装置实际生产中的应用受到原油性质、操作强度的影响,建立一个和实际过程完全吻合的模型比较困难.以常减压原油分离过程为例,阐述实际建模过程涉及的要点,提供的诸多方法可用于其他油品的分离计算.     

基于关系数据库的实时数据压缩探讨

基于关系数据库,探讨实时数据在关系表中的压缩存储和访问技术.采用Oracle数据库内部语言,对给出的压缩方法加以实现.程序运行结果表明,针对大量的实时数据具有良好的压缩效果,压缩后数据量急剧减少,在数据时间间隔频率不高和采集点数较少时,给出的方法可作为实时数据库的替代方案.     

工业过程数据中缺失值处理方法的研究

针对工业生产中过程数据的缺失问题,首次提出了运用多重填补方法处理工业过程的缺失数据.阐述了常用的缺失数据处理方法,指出各方法的优缺点.在此基础上,通过建立回归模型,针对多变量工业数据中缺失值较少和较多时的两种情况,分别用删除含缺失值的个案,简单填补和多重填补(MI)3种方法对数据进行处理,利用处理后的新数据集进行数据挖掘,预测目标变量的值,并对预测结果进行分析比较.实验结果表明,多重填补方法的处理效果最好,为工业数据的缺失值处理提供了有用的策略.     

一种新的稳态监测算法及其应用研究

本文基于滤波法的思想,引进了一种新的数据稳态监测算法启发式算法,介绍了该算法的实现过程,它不需要CST和MTE的区间稳态假设,判断方法不需要限制时域位置,可以沿着时间轴移动时间窗口来判断时间窗内过程是否处于稳态,与滤波法有类似之处。它拓展了滤波法的适用范围,其优点在于该算法不但可以用于判断历史时间窗内过程是否处于稳态,同时也可持续地监测最新的实时测量数据是否处于稳态。该算法在自主开发的工业数据平台中得到应用,应用结果表明,该算法简单可靠,对实时过程数据的稳态监测能给出满意的结果。     

流程工业数据整合研究及应用

针对企业在信息决策过程中对工业数据质量的需求,以流程工业生产过程中存在的两类数据——实时过程数据和化验室质量分析数据为研究对象,讨论了在时滞、频率不一致、噪声等情况下整合这两类数据的流程和方法,包括稳态过程监测算法、软测量实现过程、累计量和瞬时量转换以及数据压缩存储等,通过实例应用指出了该方法的有效性,并分析了该研究的应用前景。     

线性的数据校正在丁二烯生产中的应用

丁二烯生产中,由于不可知因素干扰和随机误差,来自DCS的实时数据普遍有随机误差或显著误差。如何纠正和抹平误差,对于提高数据精度和可靠性具有重要意义。本文描述的数据校正模块基于线性条件,根据实际情况将模块结构划为矩阵处理和校正两部分,并针对工业数据的特性,设计相应的数据结构和处理流程。从实际应用来看,在线性条件下,模块能够完成数据校正的功能。     

Apriori算法在流程工业质量控制中的应用研究

采用Apriori算法对流程工业的过程历史数据进行分析,得到流程工业数据中温度、压力、流量等过程变量对丙烯产品质量的影响程度,实现对未知影响因素的分析和预测.实验结果表明,采用关联规则挖掘能够得到生产过程中隐含的质量调节规律,根据这些信息可以提高过程的控制及操作水平,从而提高决策能力和决策效率,对流程工业的生产管理具有一定的指导意义.     

加氢裂化装置生产指导系统的研究与应用

加氢裂化工艺中,催化剂温度等过程变量对最终产品的产量质量指标有着至关重要的影响,而在现实的工业生产中,分散控制系统（DCS）测量得到的过程数据和实验室分析得到的质量指标数据由于各种原因并不能有效地整合,从而造成数据和投资的浪费。本文研究开发了一种生产指导系统,通过采集DCS和实验室分析数据,建立过程变量和最终产品质量等指标的数学关系来指导用户调整一些可调过程变量,从而提高产品质量。实践证实了该系统的有效性。     

尤里卡沥青软化点人工智能软测量技术探索

人工神经元网络(ANN)应用于软测量是人工智能方法在石化过程中成功应用的热点,ANN不需要系统模型就能映射复杂非线性关系,特别适合炼油生产过程的建模与预测工作,研究了用ANN对尤里卡沥青软化点进行软测量的方法,和现用的吴羽公司kθ法相比,ANN方法测量精度高,具有学习能力和联想记忆能力,健壮性好,它与生产装置的DCS硬件相结合能够达到优化生产控制的目的。     

基于广义逆的二元矩阵PADE逼近及其代数性质

基于广义逆的一元矩阵PADE逼近被推广到了二元的情形，并给出了其定义，然后根据其定义提出和证明了它的一些代数性质。