前言

<正>冶金、化工、炼油、电力、造纸、建材等大批量连续生产的过程工业(process industry,也称流程工业)是我国国民经济建设的重要支柱.工业自动化作为过程工业不可缺少的组成部分,一直是实现生产安全、平稳、优质、高效的基本条件和重要保证.近年来,随着人工智能技术的飞速发展,以机器学习、工业大数据、工业互联网、数字孪生等为代表的新兴信息技术正深刻改变传统过程工业自动化的感知、分析、决策和执行过程,并正在向工业智能化迈进.在可预见的未来,在人工智能技术的驱动下,工业自动化的信息系统将能够认知和理解过程工业的物理系统,并实现建模、监测、控制、优化、决策的知识型工作自动化;而物理系统的执行单元将逐渐与人共融,最终实现人、机、物的有机融合,也即实现工业智能.     

基于分层结构的复杂多发箔条云团散射模型

为了提高计算复杂多发箔条云团的雷达散射截面的精度和效率,提出了一种基于分层结构的复杂多发箔条云团散射模型。对多发箔条云团采用"层-角-角"结构划分,准确模拟箔条云团单元的电磁散射特性,并考虑箔条云团各部位之间的遮挡和相互作用系数,经过迭代计算,得到复杂多发箔条云团的雷达散射截面。模型的验证计算结果表明,该模型具有较好的精度和实用性。     

短信网关监控体系的探讨

短信网关在服务提供商的短信业务中最为关键,为了保持服务提供商短信网关的稳定性和健壮性,提出短信网关的监控系统的设计理念,给出具体实现办法。     

基于KPLS鲁棒重构误差的高炉燃料比监测与异常识别

作为钢铁冶金制造的核心工序, 高炉炼铁是典型的高能耗过程, 其运行能耗约占钢铁总能耗的50%以上, 其中, 80%的能耗是焦炭和煤粉等燃料消耗. 因此, 对表征高炉燃料消耗的燃料比参数进行监测, 并尽可能早地识别影响燃料比异常波动的关键因素, 对于高炉炼铁过程的节能降耗具有重要意义. 本文针对先验故障知识少的高炉燃料比监测与异常识别难题, 提出一种基于核偏最小二乘(Kernel partial least squares, KPLS)鲁棒重构误差的故障识别方法. 该方法首先建立过程变量与监测变量的KPLS监测模型, 然后根据非线性映射空间的协方差矩阵和核空间Gram矩阵之间的关系, 反向估计原始空间变量的正常估值. 为了增强算法的鲁棒性, 采用迭代去噪算法减少异常数据对原始空间正常估值的影响. 通过利用原始空间正常估值和真实值来构造故障识别指标, 并给出故障识别指标的控制限. 基于实际工业数据的高炉数据实验表明所提方法不仅可以监测出正常工况下影响燃料比异常变化的潜在因素, 还可识别出异常工况下影响燃料比异常变化的关键因素, 具有很好的工程应用前景.     

基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标, 其建模与控制对于整个高炉炼铁过程的运行优化意义重大. 针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题, 基于直接数据驱动控制思想, 提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法. 首先, 基于紧格式动态线性化(Compact form dynamic linearization, CFDL)无模型自适应控制(Model free adaptive control, MFAC)技术确定铁水质量的多变量数据驱动控制器结构; 然后, 针对CFDL-MFAC众多可调参数对控制器性能影响大, 同时对众多参数整体优化非常耗时且效果不理想的问题, 基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)技术, 提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法; 最后, 将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制, 并与基于递推子空间辨识的数据驱动预测控制进行比较研究, 验证所提控制方法的有效性和先进性.     

L NASB型旋流燃烧器结构对锅炉N Ox 排放及燃烧性能的影响

某厂LNASB型旋流燃烧器喷口的结构变化对锅炉燃烧性能及NOx排放影响较大,可使NOx排放降低150mg/m3左右,但会带来尾部CO浓度增加及燃烧高挥发分煤种时二次风喷口容易结渣及烧损变形问题。分析认为,在保证一、二次风速设计的基础上,采用扩锥型一、二次风喷口并将局部浓缩的煤粉浓缩器改为内浓外淡船型煤粉浓缩器,在进一步降低NOx排放的同时,也可缓解二次风喷口的结渣及烧损变形问题。     

两次松放法拆除塔机起重臂

塔机起重臂拆除的常规方法是一次松放起重臂拉杆后,进行整体拆除,而两次松放法是将起重臂拉杆进行两次松放,空中解体拆除起重臂的特殊拆除方法,实践证明该方法仍然非常安全可靠,且能节省施工成本。     

平纹织物复合材料横向力学性能研究

通过对平纹织物复合材料的横向拉压试验, 分析了产生各种破坏现象的微观机理。横向压缩过程中,在与水平面成45°方向剪切破坏的同时还出现层间裂纹。由于两个方向上纱线的弯曲程度不同, 破坏形式有很大差异, 不同自由边处的纱线界面存在不同程度的剪切破坏, 并表现出不同的边缘效应。借助显微镜观察和基于代表体积单元的数值模拟对这些现象进行了分析, 发现高度不均匀的内部波纹纱线结构在横向压缩下产生的层间剪切应力是出现横向裂纹的主要原因。      

基于未知状态估计与神经网络补偿的增强PID控制方法

PID控制一直是应用最广泛的工业控制技术.但是基本PID控制算法仅考虑了动态系统输入–输出的外部特性,缺乏对系统内部状态信息的运用,因而在控制非线性耦合动态系统时往往难以获得满意的控制性能.本文在不改变原有PID控制设置的基础上,提出一种通过未知状态估计与神经网络控制补偿的增强PID (enhanced PID, En-PID)控制方法,可显著增强原有PID控制的性能.首先,采用扩展卡尔曼(Kalman)滤波技术对未知关键状态进行精确估计,并将状态估计值作为神经网络补偿控制器的输入,从而将基本PID控制算法并未使用的过程状态信息引入到控制输入;其次,采用K均值聚类算法求取历史输入数据的聚类中心,以此作为径向基函数(radial basis function, RBF)神经网络补偿器隐含层的中心向量;构建关于控制误差熵的优化性能指标,采用梯度下降算法对神经网络补偿器输出层权值向量进行优化和修正;最后,将RBF网络求取的补偿控制输入与原有PID控制器的基本控制输入进行综合,并共同作用于实际被控系统,实现高性能控制.理论分析和污水处理过程控制实验验证了所提方法的先进性和实用性.