基于径向基函数神经网络的多级离心压缩机混合模型

大型离心压缩机作为多影响因素和强非线性的复杂系统,其性能的准确预测难以实现.针对这一问题,结合径向基函数(RBF)神经网络,本文建立了多级离心压缩机性能预测的混合模型.首先基于热力学第一定律和压缩机能量损失机理建立了多级离心压缩机性能预测的机理模型.该模型无需任何实验确定的性能曲线,完全由压缩机的几何结构参数预测出压缩机在设计工况和非设计工况下的性能.然后利用RBF神经网络修正机理模型的误差,并通过对RBF神经网络的不断更新,进一步提高了模型的预测精度和适用性.将所建立的混合模型应用于实际的离心压缩机,结果表明该方法具有良好的预测性能.     

基于改进多目标差分进化算法的诺西肽发酵过程优化

诺西肽发酵存在着产量较低和生产效率不高的问题, 多目标优化是解决此类问题的有效途径. 将差分进化算法引入多目标优化, 构建了改进的多目标差分进化算法((IDEMO). 根据Pareto优劣等级和拥挤距离对种群进行选择操作, 并引入自适应变异算子和棍沌迁移算子以改善算法性能. 在诺西肽分批发酵动力学模型的基础上建立了多目标优化的模型, 并利用IDEMO对此优化问题进行了求解, 优化结果表明了算法的有效性.     

基于工序指标耦合关系分解的选冶全流程分层优化方法

针对某选冶全流程分层优化中工序指标众多且各工序指标之间存在一定耦合关系的问题,提出一种基于工序指标耦合关系分解的全流程分层优化方法.该方法是在全流程分层优化的基础上,利用两个指标实现对工序指标的分解,进而将工序层优化问题转换为相应的子优化问题.这种方法能够简化原始的工序层优化问题,提高选冶全流程分层优化问题的求解效率,且具有较高的全局收敛性.仿真结果表明,相比于常规全流程优化方法以及单纯的全流程分层优化方法,所提出的优化方法具有较好的性能.     

多智能体差分进化算法

基于多智能体与差分进化算法的各自优势,充分地将对多智能体环境的感知和反作用于环境的能力与差分进化速度和全局寻优能力有机结合,提出一种多智能体差分进化算法.引入差分进化算子以提高智能体更新速度并保持群体多样性,同时应用正交交叉算子以改善智能体协作特性确保有效竞争,并通过局部寻优算子提高算法的寻优精度.对几种典型测试函数进行了测试,实验结果表明所提出的算法具有较强的全局寻优能力.     

时段划分的多向主元分析间歇过程监测及故障变量追溯

针对间歇过程的多时段特性,提出一种生产过程操作时段划分方法.该方法利用反映过程特性变化的负载矩阵以及主成份矩阵的变化实现了间歇过程子时段的两步划分.提出了基于加权负载向量夹角余弦的负载矩阵相似性度量以及基于加权奇异值变化的奇异值矩阵相似性度量方法,以更客观的反映负载矩阵以及奇异值矩阵的相似性,进而更准确的判断过程特性的变化.根据同一操作子时段的过程特性,其负载矩阵和奇异值矩阵相似性较大的特点,实现了生产过程的子时段划分.将基于子时段划分的多向主元分析(MPCA)建模应用于三水箱系统的在线监测和故障变量追溯,实验结果验证了该方法的有效性.     

基于鲁棒学习的最小二乘支持向量机及其应用

鉴于最小二乘支持向量机比标准支持向量机具有更高的计算效率和拟合精度,但缺少标准支持向量机的鲁棒性,即当采样数据存在奇异点或者误差变量的高斯分布假设不成立时,会导致不稳健的估计结果,提出了一种鲁棒最小二乘支持向量机方法.该方法在最小二乘支持向量机基础上,通过引入鲁棒学习方法来获得鲁棒估计.仿真分析及某湿法冶金厂的应用实例验证了该方法的可行性和有效性.     

基于定性仿真和模糊知识的离心式压缩机排气量不足原因诊断

针对引起离心式压缩机排气量不足的原因,本文提出一种基于定性仿真和模糊知识的诊断方法.利用压缩机结构原理和故障机理等定性知识建立故障定性模型库,并推理得到压缩机排气量受不同因素影响时的定性规则库.对系统变量的观测值利用定性趋势提取和模糊化进行定性化处理.提出了基于变量定性趋势和模糊定性值约束的滑动窗口加权匹配策略,并根据匹配结果诊断出导致排气量不足的原因.最后通过两个实例仿真验证了所提方法的有效性.     

基于RBF神经网络的非线性主元分析方法

本文在分析非线性主成分曲线性质基础上,提出了基于聚类、线性主成分分析、神经网络技术的非线性主成分分析方法.该方法与以往方法比较,在概念上具有和线性主成分分析相同的解释,并且给出了非线性主成分得分和负载的计算方法;在结构上较为简单,采用的神经网络结构为3层,训练容易.网络训练的数据样本采用聚类和线性主成分分析方法获得,解决了以往方法缺乏训练数据的问题.数字仿真和三水箱实验验证了提出方法的有效性.     

基于阶段识别的诺西肽发酵过程软测量建模

诺西肽是一种含硫多肽类抗生素,该抗生素是一种优良的非吸收型饲料添加剂,它能促进动物生长且在动物体内无残留.针对诺西肽发酵过程中关键生化参数难以在线测量的问题,提出了一种基于阶段识别的软测量建模方法.利用诺西肽发酵过程的非结构模型状态方程,根据隐函数存在定理确定出辅助变量,并利用K均值聚类算法进行阶段识别,根据识别结果对现场数据进行分类,然后采用多个神经网络分别构建出对应于各个阶段的局部软测量模型.实验结果验证了所提方法的有效性.     

基于MICA-FDA的水压试验机故障诊断方法研究

由于水压试验机机理建模的复杂性,很难从机理方面对其生产过程进行故障诊断,因此利用钢管水压试验系统过程变量多、打压速度快、短时间内能够产生大批数据信息的特点,采用基于数据的多向Fisher判别分析(MFDA)方法对其进行故障诊断.在建立MFDA模型之前,先采取多向独立成分分析(MICA)方法去除变量之间的相关性,并且提取少数驱动过程本身的关键变量,经过MICA变换后的数据用以建立MFDA模型可以提高故障诊断精度.综上,本文提出了一种基于MICA-FDA的方法用于水压试验机打压过程的故障诊断.采用水压试验机生产过程的几类故障数据对该方法进行验证,结果表明该方法具有很好的故障诊断性能.