基于李雅普诺夫稳定性的模糊关系模型辨识算法*

本文在李雅普诺夫稳定性意义下，提出了一种辨识模糊关系模型的学习算法．仿真研究表明该算法简单易行，效果良好；可为模糊系统的辨识与控制提供了一条有效的途径．     

动态系统模糊辨识的新算法*

本文针对复杂动态系统的辨识问题，提出了一种基于一类标准模糊系统的模糊辨识的简单学习算法。仿真研究表明该算法具有辨识精度高、所需样本量小以及运算速度快等优点，是动态系统模糊辨识的有效工具。     

基于故障映射向量和结构化残差的主元分析(PCA)故障隔离

在基于主元分析(PCA)的多变量统计过程监控中, 现有方法很难直观有效地完全实现故障的隔离与诊断. 本文通过分析各类故障的数学模型, 提出一种基于结构化残差和故障映射向量的隔离方法, 并推导出PCA模型下过程故障映射向量方向的提取算法, 进而实现了传感器/执行器故障和过程故障的故障隔离, 在CSTR仿真上的研究进一步验证了该法的有效性.     

先进控制软件集成实时数据平台的分析与设计*

先进控制软件在流程工业中广泛应用,但普遍存在着集成性弱、互操作性差等缺点。系统地分析了先进控制集成平台的必要性和功能需求,提出了集成平台的体系结构设计和数据模型设计,根据该设计模型实现先进控制软件集成实时数据平台ESPiSYSA的开发,现场运行取得了良好效果。     

专家系统及其在化工生产中的应用(四) 第四讲 专家系统在化工设计中的应用

上两讲介绍了与化工生产装置的操作运行直接相关的监督型和控制型专家系统,本讲讨论另一类专家系统—为工程设计人员服务的设计型专家系统。本讲将通过几个实例介绍专家系统在化工设计中的应用,并讨论     

炼油企业生产计划与重点装置工艺条件集成优化

传统的生产计划优化由于不考虑过程装置的操作优化,从而无法保证企业生产计划层与过程操作层的全局最优.为了在获得炼油企业最优生产计划的同时,确保计划优化中重点装置的操作条件可以实现,本文建立了集成装置工艺条件的炼油企业生产计划优化模型.该模型引入常减压装置侧线产品切割点温度、催化裂化装置转化率等过程工艺条件,基于物料质量平衡、产品质量指标约束等关系,进行厂级生产计划建模与求解,确定可达的装置操作条件.应用案例中重点通过与传统常减压装置侧线收率固定的生产计划方案比较,证明在满足可达的操作条件下,集成装置工艺条件操作范围的生产计划优化模型,可以实现更高的全厂利润与更优的装置收率分布,同时优化结果对炼厂实际生产更具有指导意义.     

误差校正新方法在重整装置芳烃收率在线软测量中的应用

针对软测量建模中含有误差会极大影响模型精度问题,提出一种将数据误差校正、模型参数校正和模型结构校正技术相结合的软测量误差三重校正方法.该方法可以有效地处理测量数据的过失误差和随机误差,从而提高软测量精度,并且该方法直接面向数据,实现方便.应用该方法对某芳烃厂的连续重整装置的芳烃收率软测量进行误差校正,取得了很好的效果.     

度量空间中基于距离孤立点的快速挖掘

将数据点的k最近邻（k-NN）距离作为孤立程度指标能够有效地发现数据集中的孤立点,但是基本算法需要O(N2)次数据点间的距离计算,不适用于大数据集.为此提出了一种利用度量空间中三角不等式的快速挖掘算法--提前修剪（ADVP）.ADVP利用每次k-NN查询中保存的近邻点到被查询点的距离计算出近邻点的孤立程度上界.孤立程度上界小于已发现最弱孤立点的孤立程度的数据点可被修剪而无须进行k-NN查询.基于抽样方法优化了搜索次序以提高修剪效果.同时将ADVP自然地扩展为增量式算法.在标准大数据集上的实验结果表明,ADVP和现有算法相比明显节省了计算开销,具有更好的伸缩性;增量式ADVP能够有效地处理新增数据.     

基于修正闭环子空间辨识--分段线性结构的 环管式丙烯聚合反应过程非线性模型预测控

本文提出一种非奇异终端滑模funnel控制(NTSMFC)方法, 实现带有饱和输入电机伺服系统的指定性能跟踪控制. 根据中值定理, 非光滑饱和函数转化为放射形式, 并且应用一个简单的神经网络进行逼近和补偿. 为保证跟踪误差被限制在指定的界限内, 同时为避免构建复杂的barrier李雅普诺夫函数或逆函数, 本文采用一个新的限制变量. 然后, 构建非奇异终端滑模funnel控制器保证电机伺服系统的指定跟踪性能. 该方法无需事先已知输入饱和函数的界限等先验知识, 且基于李雅普诺夫函数设计可以保证位置跟踪误差的收敛性, 最后给出仿真对比实例证明了该方法的有效性.     

双线性数据校正的多组分过程容错模型研究

可靠的测量数据是化工过程建模的关键.流程工业中的变量测量值不可避免带有误差.如果这些带有噪声误差的测量数据直接作为模型辨识的样本数据,由此得到的模型势必和真实流程模型大相径庭.本文提出了一种基于双线性数据校正的多组分过程容错建模方法,利用双线性数据校正方法来对测量数据进行预处理,然后再将协调结果和其他的测量数据一起作为模型辨识的输入,从而减少测量数据误差对于过程建模的影响.等离子裂解煤制乙炔气体分离工段的仿真结果证明了该方法的优越性.