增力抗疲劳保健膳食配方规律和烹饪特点研究

目的:为了研究增力抗疲劳保健膳食配方规律和烹饪加工特点。方法:用VisualFoxPro6.0对增力抗疲劳保健膳食配方中中药、食药及食物使用种数和重量情况,配方使用中药、食药、食物种类及其出现频率,中药、食药与食物的配伍情况,膳食成形的类型及其出现频率等进行统计分析。结果统计表明本研究所采用的保健膳食配方包含了古今各类文献123部;药膳配方中中药与食药所占的比例要小于食物所占的比例,其在用药的量上要小于中药方剂所用食物的量;中药黄芪、人参、党参、当归、白术、生地等在本类药膳中使用频率较高,食药山药、大枣、枸杞、生姜、茯苓、橘皮、莲子等使用频率较高,食物白酒、粳米、白糖、鸡蛋、火腿、鸡、羊肉等使用频率较高;中药黄芪、人参、当归、党参、白术、牛膝、生地、熟地、肉苁蓉、川芎、附子等与食物白酒、虎骨、鸡、狗脊髓、曲、黑豆、粳米、糯米等配伍使用较多;食药橘(橘皮)、枸杞、山药、生姜、大枣、莲子、茯苓、川椒、龙眼肉、肉桂等与食物白酒、白糖(红糖)、鸡、粳米、核桃仁、糯米、面粉、鸡蛋、虎骨等配伍使用较多。菜肴、汤、粥、酒类所占的比例最大。

基于ICA的雷达信号欠定盲分离算法

该文针对源信号时域和频域不充分稀疏的情况,提出了欠定盲源分离中估计混合矩阵的一种新方法。该方法对等间隔分段的观测信号应用独立分量分析(ICA)的盲分离算法获得多个子混合矩阵,然后对其分选剔除了不属于原混合矩阵的元素,最后利用C均值聚类的学习算法获得对混合矩阵的精确估计,解决了源信号在时域和频域不充分稀疏的情况下准确估计混合矩阵的问题。在估计出混合矩阵的基础上,利用基于稀疏分解的统计量算法分离出源信号。由仿真结果,以及与传统的K均值聚类,时域检索平均算法对比的实验结果说明了该文算法的有效性和鲁棒性。

基于SPM的多变量连续过程在线故障预测方法

Fault prediction for a class of unknown-model multivariate continuous processes with a hidden fault was studied,and a solution was given based on statistical process monitoring(SPM)approach.A principle component analysis(PCA)model using sample data under normal state was built,then the characteristic value for fault prediction was constructed,and time series analysis and prediction were applied to the characteristic value to predict the remaining useful life(RUL)of the system.Aiming at the linear time invariant system,a characteristic value was proposed and the prediction error of RUL was analyzed under some assumptions for system structure and hidden fault.A case study on a CSTR showed the efficiency of the proposed approach.

造纸过程的统计过程监视

根据现实过程测量数据的时序相关特点,提出了一种动态主元分析方法;通过对造纸过程模型的仿真计算,分析了过程滞后对统计过程监视中主元分析性能的影响;并给出了旨在消除这些影响的过程监视方案。对造纸过程异常检测的仿真研究。

基于PCA的重油分馏塔故障监测与诊断分析

对系统过程数据进行主元分析,建立主元模型,可以在保留原有数据信息特征的基础上消除变量关联和部分系统噪声干扰,从而简化系统分析的复杂度。建立正确的主元模型,结合多变量统计过程控制图(Q统计图,HotellingT2图,主元得分图,贡献图),是对过程对象的进行检测和诊断的一项发展中的技术。通过对一个典型的重油分馏塔运行过程的故障监测与诊断分析,进一步说明了主元模型在确定故障特征方向和多变量统计控制图在监测和诊断故障源上的作用和有效性。同时采用了平均贡献图来直观明确地判别引起系统故障的主要原因。

基于多尺度PCA的工业过程故障预测

研究了同时含有隐含性能退化和输入故障的连续过程故障预测问题.假设退化过程变化缓慢,而输入故障突发且变化快速.基于多尺度主元分析模型,提出了一种针对性能退化过程的故障预测方法.首先对一段正常工况下的历史数据进行离散小波分解,对不同尺度下的小波系数建立相应的主成分分析模型.经过多层小波分解,性能退化过程会被低频系数模型检测到.然后用基于重构的方法估计退化程度,并用指数平滑方法对其进行预测,最后预测出系统剩余有效寿命(RUL).对CSTR的案例研究表明了该方法的有效性.

基于主元分析的最优状态检测技术

针对不确定化工过程的实时优化问题,提出了一种基于主元分析的最优状态检测技术。通过分析系统在不同扰动工况下的最优状态必须满足最优性必要条件这一特征,提出使用测量变量对最优状态特征进行等价描述。基于主元分析方法建立最优状态的特征模型并使用多变量统计手段建立统计限,判别当前系统状态是否处于最优操作点。主要的思路是将系统非最优状态视为一种特殊的过程故障,然后通过多变量统计方法检测出来。提出的最优状态检测技术可用于评估系统的优化控制性能,并且为控制系统是否有必要进一步执行后续实时优化措施提供指导意见。