基于多元时滞序列驱动的复杂过程故障预测方法应用研究

复杂过程故障预测是保证过程安全可靠运行的关键,而复杂系统的工作状态往往由多元时滞序列决定,该序列含有变量间的时滞信息及相关关系,具有一定的信息完备性。因此文章提出一种基于多元时滞序列驱动的复杂过程故障预测方法,该方法首先构建复杂系统的时滞符号有向图（TD-SDG）进而得到多元时滞序列,然后针对复杂系统变量多、关系复杂的问题,提出一种独立成分分析（ICA）和ELM神经网络集成的方法,此方法可快速获取多元时滞序列的独立成分从而建立监控统计量,最终达到故障预测的目的。通过在Tennessee Eastman（TE）过程上的仿真实验验证,表明所提方法能够至少提前15 min预测到故障,方便工作人员及时有效地采取措施。     

共聚聚酰亚胺纤维的制备及其性能研究

采用4,4’-二氨基二苯醚和1,6-己二胺(HDA)为二胺单体,与均苯四甲酸酐(PMDA)在二甲基乙酰胺(DMAc)中共聚得到聚酰胺酸(PAA)纺丝原液,通过干法纺丝工艺路线纺制PAA初生纤维,利用热酰亚胺化制备了共聚型聚酰亚胺(PI)纤维;通过红外光谱分析、动态力学分析、热重分析、X射线衍射等手段分析了PI纤维的力学性能及热性能。结果表明:红外光谱分析发现HDA的长亚甲基链引入到PI的链中;当HDA质量分数为20%时,PI纤维的断裂强度和模量分别为5.1 cN/dtex和76 cN/dtex;动态力学和热重分析发现,纤维的玻璃化转变温度为315～380℃,热稳定性在400℃以上;纤维经热处理后聚集态结构存在一定的有序性。     

聚酰亚胺纤维制备及应用

聚酰亚胺是指分子主链中含有酰亚胺环的一类聚合物材料,这种高度共轭的主链结构赋予了聚酰亚胺纤维优异的力学性能,较高的耐热氧化稳定性、耐溶剂腐蚀性能等,在航空航天、环境保护等领域具有广阔的应用前景.由于聚酰亚胺加工过程中的基础问题尚未攻克,影响了这类高性能纤维的发展和使用.高新材料发展的需要、聚酰亚胺化学结构的多设计性和合成技术的改进以及纺丝技术的进步促进了聚酰亚胺纤维的发展,通过大分子结构设计和聚集态结构的调控,可以得到不同化学结构的高强高模、耐高温、耐辐射特性的聚酰亚胺纤维.主要概述了聚酰亚胺纤维的性能、制备方法及应用领域,并对近年来国内外最新研究进展和产业化情况进行了介绍.     

基于差异特征的案例可拓修改方法研究与应用

案例修改作为案例推理技术的重要环节和难点,存在着修改知识获取困难、修改方法通用性差的问题,结合可拓理论,在运用基元模型实现统一深层次案例描述和相似度检索的基础上,对相似案例进行满意评估,对于评估出的不相容的相似案例,提出了一种基于差异特征的取代式案例可拓修补方法,并将修改后的案例进行筛选评价得到最佳解决方案,从而形成了一套完整的案例可拓修改方法。以精馏塔理论板数的确定为例进行验证,结果表明,此方法对知识依赖性低、学习能力强,为案例修改技术的进一步研究提供了新思路。     

基于数据特征提取的AANN-ELM研究及化工应用

针对极限学习机不能有效解决化工过程中高维数据建模的问题,本文将其与自联想神经网络结合,通过自联想神经网络过滤输入数据中存在的冗余信息、提取特征分量,并对所提取的特征分量采用极限学习机进行训练,由此形成了一种基于数据特征提取的AANN-ELM(auto-associative neural network-extreme learning machine)神经网络。同时,以UCI标准数据集进行测试,以精对苯二甲酸(PTA)溶剂系统进行验证,结果表明,AANN-ELM在处理高维数据时具有学习速度快、网络稳定性强、建模精度高的特点,为神经网络在复杂化工生产中的应用提供了新思路。     

HLCC法定量评价CBCT图像伪影

为解决CBCT图像评价标准不一问题,本文提出了一种基于HLCC的CBCT图像伪影定量评价方法。该方法通过CUDA模拟CBCT投影,然后用重排算法转换射束获得HLCC曲线,建立三个评价伪影严重程度的定量指标。实验结果表明:定量指标数值越小,表明图像伪影程度越轻,且带伪影的HLCC曲线的三个评价指标数值是不带伪影数值的4~846倍。图像伪影的主次关系可总结为:散射伪影射束硬化伪影几何伪影余晖伪影无伪影。该方法可在投影阶段客观判断图像伪影的严重程度,简单快捷。     

基于分位数回归CGAN的虚拟样本生成方法及其过程建模应用

针对复杂工业过程因难以检测变量或因时间上和经济上成本因素导致的建模样本稀缺问题,提出了一种将分位数回归（quantile regression）嵌入到条件生成式对抗网络（conditional generative adversarial network, CGAN）的虚拟样本生成方法QRCGAN。首先,在标准CGAN“生成器-判别器”两元对弈结构中嵌入回归器,使模型不仅具备标签样本生成能力,同时也具备处理回归预测问题的能力。其次,以分位数回归神经网络实现回归器,连同判别器和生成器进行同步对抗训练。当模型到达Nash平衡时,在分位数回归神经网络回归器的作用下,生成器能够产生落在一定置信区间的新样本。然后,利用Kullback-Leibler（KL）散度评估生成样本的质量。最后,通过标准函数数据和实际化工过程数据验证所提方法的有效性。     

基于主元提取的鲁棒极限学习机研究及其化工建模应用

化工生产过程日益复杂,传统极限学习机(extreme learning machine, ELM)无法有效地对化工过程数据建模。针对该问题,提出一种基于主元提取(principal components extraction, PCE)的鲁棒极限学习机(PCE-RELM)。通过对ELM隐含层进行主元分析,提取数据的主元特征,去除变量间的线性相关性,简化研究问题。可以减小隐含层节点数对模型精度的影响,实现对ELM隐含层节点数的快速随机选取,同时使ELM具有鲁棒性。为验证提出方法的有效性,将PCE-RELM模型应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模。仿真结果显示,相比传统的ELM,PCE-RELM模型具有设计简单、鲁棒性好、精度高等优势,可以对化工过程控制、分析起到指导作用。     

基于组件的石化过程智能建模与优化系统的设计与开发

世界各国的经验表明,流程模拟、先进控制与过程优化技术是提高企业经济效益的主要技术手段之一.因此设计开发1个基于生产数据驱动的智能化实用数据处理、建模与优化集成的系统具有重要的实用价值.本文采用组件化程序设计方法,设计了1系列具有良好的可重用性、语言无关性、高度开放性的软件组件,开发了1个集成数据处理、建模和优化相关技术的软件系统,实现了适用于石化过程的建模与优化系统,并在实际企业应用取得社会与经济效益.     

基于灾害仿真的虚拟应急演练系统

基于虚拟现实技术的虚拟应急演练有着广泛的应用,但现有演练系统往往缺少对灾害场景的有效仿真,以及预案支撑下的完整系统框架.针对上述问题,该文首先提出了一种面向应急演练的仿真系统VEDSimu,解决了实体间消息高效传输、大规模仿真模型计算问题;并基于VEDSimu开发预案脚本系统、预案推理机、考核评价以及虚拟现实客户端等其他模块,构建虚拟应急演练系统VEDSys.最后,结合VEDSys在实际企业虚拟消防演练中的应用,验证了系统的可行性、高效性与可扩展性.