模式识别在甲醛生产优化控制中的应用

本文试用模式识别方法研究甲醛生产过程,并通过按PCA方法选择稳定子集,建立了主分量y_1和y_2的平面而获得了该系统的控制模型,求得了在满足产品质量和产量约束条件下使原料单耗最低的优化操作条件.由实际运行表明,本文提供的最优条件可显著地降低原料单耗,提高产品质量,延长催化剂寿命.

Lon Works现场总线控制系统中模糊控制器的设计

介绍了如何将模糊控制算法与LonWorks现场总线网络系统紧密结合 ,既可完成现场一级的模糊控制 ,又可实施高级控制一级的复杂模糊控制 ,两者密切配合 ,构成功能完善的模糊现场总线控制系统。

预测PID控制算法的基本原理及研究现状

在现今全球竞争日益激烈的市场环境下，通过先进控制获取经济效益来提高企业竞争力，已成为一种趋势。据有关文献报道（薛美盛等，2002），稳中有降种不同石油化工装置实施先进控制后，其每年净增效益如表1如示。虽然稳中有降公司所报出的年效益有所不同，但其数据出入不大，而实施先进控制所需成本只占其产生效益的很小一部分比例。

流程工业自动化发展趋向与先进控制技术

提出了多变量约束控制的总体设计;对预测控制中的约束问题和多目标优化问题进行了深入研究,分析了组合线性规划的预测控制思想;对多变量系统中常见的病态系统处理方法进行了总结和分析,提出改进算法;基于组合线性规划的思想和病态处理方法,重点对多变量约束控制中的多变量约束预测控制器作了详细的研究。

支持向量机理论及其应用

支持向量机(SVMs,Support Vector Machines)是基于统计学习理论框架下的一种新的通用机器学习方法。它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化能力,为解决工业过程控制中存在的问题提供了一种可行的有效途径。

企业自动化与信息化的实时软件平台与实时数据库

介绍了企业自动化与信息化的实时软件平台的类型、国内外概况以及企业自动化与信息化的实时软件平台的核心技术—实时数据库的设计目标、设计方法、设计原则和实时数据库的性能评价算法。

间歇过程优化与控制

一概述 间歇过程（Batch Processes）广泛应用于精细化工、生物制品、药品生产、农产品深加工等领域。近年来，为适应多品种、多规格和高质量的市场要求，间歇过程生产重新受到重视，国外还出现了较大规模的间歇生产，针对间歇过程的优化和先进控制的研究也出现了新的热潮。在普通工业过程中间歇过程所占的比例如表所示。

面向生产实际,提高毕业环节质量

近几年来,我们在指导自动化专业本科生毕业环节过程中,面向生产实际,选择了十多个课题,直接为生产服务,多数课题均已投运成功,受到厂方好评,取得了较为明显的经济效益。如甲醛生产过程微机优化控制,使单耗下降,催化剂寿命延长;变换系统微机控制投运后,每个班次可节约1吨蒸汽;酒精计量计算机控制,既实现自动放料,又提高了计量精度;开发的“微机定时控制成套装置”,在上海市计算机应用成果展览会上获得好评,并两次出现在电视屏幕上;“环氧树脂反应器最小时间控制法研究”一文。

企业自动化与信息化的实时软件平台与实时数据库

介绍了企业自动化与信息化的实时软件平台的类型、国内外概况以及企业自动化与信息化的实时软件平台的核心技术-实时数据库的设计目标、设计方法、设计原则和实时数据库的性能评价算法.

基于三层结构的流程工业现代集成制造系统

流程工业是国民经济发展的重要支柱 ,流程工业现代集成制造系统 (CIMS)是提高流程工业竞争力的重要高技术之一 ,是工业自动化领域的前沿课题。提出了适合流程企业实现扁平化管理模式的基于经营计划系统 (BPS) /制造执行系统 (MES) /过程控制系统 (PCS)三层结构的CIMS ,并分别阐述了BPS、MES。

基于LabWindows／CVI的生物发酵系统上位机软件

发酵工业是国民经济中的重要行业．其过程涉及复杂的生化反应和传递现象。微生物细胞有其本身复杂的调节系统．而细胞外的控制只能控制细胞的外部环境来调节其内部环境：再加上影响微生物发酵过程的许多化学量具有非线性和大漂移特点．难以测量．因此控制难度较大。近年来．生物发酵技术和发酵装置作为生物技术产业化的基础．已引起人们的广泛关注．而使用发酵过程精确的自动控制系统能减少生产成本．

基于核主元分析和邻近支持向量机的汽轮机凝汽器过程监控和故障诊断

提出了基于核主元分析(KPCA)和邻近支持向量机(PSVM)的汽轮机凝汽器过程监控和故障诊断新方法,将数据先用核主元法进行分析和处理,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间中进行特征提取,若数据的Hotelling’sT2和Q统计量超过控制限,说明有故障发生,则计算样本的非线性主元得分向量,并将其作为输入值送入已训练好的邻近支持向量机进行故障类型识别。该方法可以有效地捕捉变量间的非线性关系,过程监控和故障诊断效果明显好于PCA-PSVM法。汽轮机历史故障特征数据集仿真试验证明了该方法的有效性。

遗传退火进化算法

提出了一种新的将模拟退火和遗传算法相结合的进化算法，避免了遗传算法中存在的早熟收敛的问题，增强了算法的全局收敛性，并且提高了算法的收敛速度．

基于遗传算法的退火精确罚函数非线性约束优化方法

提出一种新的基于遗传算法求解非线性约束优化的方法，通过自适应的退火罚因子和不可微精确罚函数来处理约束条件，可以使算法逐渐收敛于可行的极值点。仿真结果表明该方法有较高的求解精度。

基于SVM的软测量建模

支持向量机 (Support Vector Machines)是一种基于统计学习理论的新型学习机 ,本文提出用支持向量机建立软测量模型 .理论分析和仿真研究表明 ,该方法学习速度快、跟踪性能好、泛化能力强、对样本的依赖程度低 ,比基于

基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法.该方法构造了滚动时间窗,利用滚动时间窗内的数据优化建模.模型随着时间窗的滚动进行在线更新,并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息.将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模,进行轻柴油凝固点的预估.结果表明,该建模方法十分有效.

一种新的自适应遗传算法及其在多峰值函数优化中的应用

在分析遗传进化过程的基础上 ,提出了一种新的自适应遗传算法 ,有效地解决了遗传算法的全局收敛性问题 ,并且在多峰值函数优化问题中显示了优良的性能 .

基于高斯过程的软测量建模

软测量技术在工业过程中得到了广泛的应用,其核心问题就是建立软测量模型。提出了一种基于高斯过程的软测量建模方法,高斯过程是一种有着概率意义的核学习机,在不牺牲性能的条件下,与人工神经网络和支持向量机相比具有实现简单的特点,理论分析和仿真研究表明了高斯过程在软测量建模中的优越性。

基于最小二乘支持向量机的软测量建模

软测量技术在工业过程控制中得到了广泛的应用,对保证产品质量和安全生产有很重要的作用。软测量技术的核心问题是建立优良的软测量数学模型。支持向量机是近几年发展起来的机器学习的新方法,它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。本文研究了基于最小二乘支持向量机的软测量建模方法,并用交叉验证的方法进行支持向量机参数选择。将基于最小二乘支持向量机的软测量模型应用于轻柴油凝固点的预估。结果表明最小二乘支持向量机是软测量建模的一种非常有效的方法。