基于分离重叠谱峰的在线过程质谱气体定量分析方法

在线定量分析工业生产过程的反应气体或尾气,获知各组分气体含量,有助于及时调整生产工艺、提高产品质量,对相关工业的转型升级有着重要的意义。但受工业生产成本的影响,价格高昂的高分辨率质谱仪在工业在线定量分析中的应用相对局限,而采用低分辨率质谱仪检测出的带有重叠谱峰的质谱图可能会对反应气体或尾气的准确定量造成困难。虽然现有的在线定量分析方法较为成熟,但在定量准确度、方法适用性以及设备复杂性方面仍存在优化空间。为实现更准确且高效的在线定量分析,本研究提出了采用在线过程质谱仪对反应气体或尾气进行检测并分离重叠谱峰的定量分析方法。首先,根据工业生产场景精确预估待测反应气体或尾气的各组分气体及其含量,获得预测矩阵并配制校正标气。其次,通过查找各组分气体的标准质谱图,获得校正标气的所有重叠谱峰,根据各组分气体的主峰与重叠谱峰之间的关系构造最简单的比值矩阵,并配制与相关组分气体含量相同的比值标气修正比值矩阵。然后,利用质谱仪测量校正标气获得校正矩阵,并与预测矩阵和比值矩阵构建校正数学模型求得相对灵敏度矩阵。最后,根据计算出的相对灵敏度矩阵、修正后的比值矩阵与测算待测反应气体或尾气后获得的检测矩阵一同构建定量数学模型,实时求得各组分气体的含量矩阵,实现对工业生产过程的实时监测与调控。采用该方法分析具有代表性的酵母菌发酵罐尾气时,表现出准确度高且适用性强的特点,经过多次在线定量分析实验后,其最大定量误差可控制在0.4%以内,最大定量相对标准偏差可限制在2%以内。

在线过程分析技术在抗生素等药物结晶中的应用

工业结晶是药物分离与精制的关键技术,到目前为止,药物结晶还是半艺术化的科学问题。过程分析技术的提出与应用对于药物结晶过程的分析与控制提供了先进的科学研究手段。本文分析了在线红外、在线拉曼、在线太赫兹光谱、在线X射线衍射、在线粒度及图像分析技术(FBRM和PVM)等多种过程分析技术在抗生素等药物结晶方面的应用及其特点。

冷连轧动态变规格在线过程控制原理与应用

根据国内某1220冷连轧机组生产实际情况,采用逆流直接求解非线性方程组的方法建立起变断面、变张力冷连轧机组动态变规格控制系统,得到变规格过程中各个过渡段各个机架的辊缝、辊速变化值及变规格轧机调整时间·生产实践表明,带钢在变规格过程中的厚度偏差及偏差长度优于设计要求,在变规格过程中各种轧制参数具有较高的稳定性·

基于核参数分时段调节型LSSVM的在线过程辨识方法

利用最小二乘支持向量机(least square support vector machine,LSSVM)在线辨识时变非线性过程时,设定其核参数较困难,设定的核参数不能适应过程变化而进行自动调节。针对此问题,提出了一种基于核参数分时段调节型LSSVM的在线过程辨识方法。该方法利用了三个LSSVM,并将整个建模预测时期分为启动阶段和若干个工作周期。初始阶段末和每个工作周期末选定预测误差和最小的LSSVM,作为后续工作周期的工作LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为后续工作周期的比较LSSVM。该方法设定核参数相对容易,而且核参数具有一定的自动调节能力。数字仿真显示,从统计角度而言,所提方法比传统方法有更好的适应性。

无偏LSSVM的抗噪在线过程建模方法

当动态过程的输出含有测量噪声时,直接用最小二乘支持向量机(LSSVM)对过程建模预测效果较差,为了提高LSSVM模型的预测精度,提出了一种基于无偏LSSVM的抗噪在线过程建模方法。该方法在每一预测步期间对过程输出测量值进行误差判断,若输出测量值与预测值相差较大,就对测量值予以修正,然后用修正值构成样本在线建模,从而减少噪声影响。数字仿真显示,当过程输出测量值混有高斯白噪声时,该文方法比直接LSSVM和现有的加权LSSVM的预测精度要高。

化工装置中在线过程分析采样系统的设计探讨

在大型化工装置中,在线过程分析采样系统常用来测量关键流路的工艺介质组分、物性和化学特性,以监控工艺装置的稳定、健康运行状况。针对在线过程分析采样系统的结构和特点,结合相关的国内外标准和工程设计经验,介绍了在线过程分析采样系统的流程和分工特点、取样点的位置及取样探头型式,并对分析采样系统关键环节的设计要点进行了梳理和介绍,有利于工程设计中在线过程分析采样系统的设计和应用。

基于无偏置项LSSVM的稳健在线过程建模方法

针对直接利用最小二乘支持向量机(LSSVM)对动态过程在线建模时预测精度易受过程输出测量值上的粗大误差和噪声影响的问题,在分析样本序列结构特征和噪声作用特征基础上,提出一种基于无偏置项LSSVM的稳健在线过程建模方法.该方法在每一预测周期中根据预测误差与设定阈值之间的关系来识别和恢复异常测量值、识别和修正含噪声测量值,从而降低样本中的噪声,使得出的LSSVM较好地跟踪过程的动态特性.这种在线过程建模方法具有稳健性,能减少输出值上粗大误差和高斯白噪声对LSSVM预测精度的影响,提高预测精度.数字仿真显示该方法的有效性和优越性.

数据驱动的教育机构在线教学过程评价指标体系构建与应用

当下,我国在线教育事业蓬勃发展,其质量备受关注,在线教学过程监控成为教学质量保证的有效措施。本文以远程教育机构在线教学过程为评价对象,采用演绎和归纳相结合的办法构建了"基于数据驱动的教育机构在线教学过程评价指标体系",并基于国家开放大学学习网2016年秋季学期1.1亿条教与学行为日志,对国家开放大学44所分部的在线教学过程进行评价。实践应用表明,这一指标体系可以高度概括地表征教育机构在线教学过程现状,并精确呈现机构之间的差距。这一体系有助于监控在线教学过程并诊断存在的问题,为教学质量的改进指明方向。

一种近红外光谱在线监测新方法及其在中药柱层析过程中的应用

近红外光谱(NIRS)广泛应用于生产过程分析与监测,常需事先建立定量校正或定性判别模型,并需在生产条件变化后调整模型,使用较复杂。本文从相异度和相似度两个对立互补的角度,提出自适应移动窗口标准差法和过程光谱相似度法,并以此为基础建立一种针对生产过程的无需校正模型的简易光谱在线监测方法。论文以中药柱层析过程为例,对监测过程作NIRS自适应移动窗口标准差趋势图和过程光谱相似度趋势图,并通过HPLC离线分析所得的多指标成分含量变化趋势图进行对比验证,发现可用于工艺状况实时监测,指导收集起点、终点、溶液相变点的判断,表明论文提出的方法合理可行。该方法亦可用于紫外/可见、红外、拉曼、荧光等光谱及色谱、质谱等其他过程分析技术。

学习风格对学习者在线协作学习过程影响的实证研究

随着信息技术的发展,在线协作学习越来越受到研究者的关注与青睐。文章采用社会网络分析法和内容分析法,研究不同学习风格类型的学习者在观点的产生(IG)、观点的组织(IO)和知识的融合(IC)这三个阶段中的表现差异,发现不同学习风格类型的学习者在在线协作学习过程的三个阶段中具有不同的表现形式。

在线教学学习过程评价研究

近年来在线教育已引起了教学理念、模式、内容的全方位变革,并逐渐成为热议话题。但目前还欠缺系统化、标准化的研究,存在着重技术轻整合的问题。因此,本文试以在线学习体系里最核心的三个主体要素"课程、组织(或管理)、学生"为依据,并使用它们的特征规定相应分类原则,进而总结出定位分析法模型,并搭建出在线教学过程评价的整体模型。

基于大数据技术在线学习过程行为分析框架设计

针对国内外中等规模以上在线学习平台课程完成率低、用户流失严重的现象,分析了在线学习过程行为影响学习效果提升的关联因素。基于大数据技术,构建了在线学习过程行为分析模型总体框架和数据模型,依据行为科学和人工智能理论,完成了对在线学习行为的聚类分析和关联分析,最终,给出了个性化学习资源和教学策略的推荐,有效提高了在线课程资源的利用率和学习效果。

改进的MPCA批过程在线监测方法

针对多向主元分析(MPCA)方法用于批过程在线监测时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且需要建模批次的长度相等的缺陷,提出了一种基于变量展开和主元协方差随时间变化的MPCA方法。该方法按变量展开,不需要对新批次未反应完的数据进行预估,而数据之间的动态联系通过时变主元协方差得以保存,并且不需要建模批次的长度相等。将该方法应用于β-甘露聚糖酶发酵批过程实时监测中,并与MPCA、移动窗多向主元分析(MWMPCA)法相比,结果表明该方法克服了MPCA不能处理实时性的问题,避免了MPCA在线应用时预测值的误差,比传统的MPCA,MWMPCA方法更能精确描述过程的故障,准确性和实时性良好。

基于大数据技术在线学习过程行为分析框架设计

针对国内外中等规模以上的在线学习平台课程完成率低、用户流失严重的现象,分析了在线学习过程中影响学习效果提升的关联因素。基于大数据技术,构建了在线学习过程行为分析模型总体框架和数据模型,依据行为科学和人工智能理论,完成了对在线学习行为的聚类分析和关联分析。最终,给出了个性化学习资源和教学策略的推荐,有效提高了在线课程资源的利用率和学习效果。

基于自适应自然梯度法的在线高斯过程建模

为了满足在线建模算法的实时性要求,提出了在高斯过程的训练中使用自适应自然梯度法(ANG),即基于自适应自然梯度法的在线高斯过程回归建模算法。将此算法运用在Micky-Glass系统和连续搅拌反应釜(CSTR)模型的建立中,并与稀疏在线高斯过程算法进行比较。仿真结果表明此算法满足了非线性系统建模的实时性和精度的要求,同时克服了其他方法计算量很大、不符合在线算法的实时性要求的缺点。

应用在线控制优化污泥种群强化A/O工艺短程硝化

应用A/O中试试验装置处理实际生活污水,研究了在线过程控制对微生物种群活性和结构的影响,分子生物学FISH检测表明,污泥种群的优化是可能的也是有效的,基于DO、pH传感器在线信息动态控制DO浓度和曝气量可以实现系统中亚硝酸盐氧化菌(NOB)的淘洗,从而获得稳定的短程硝化反应.应用过程控制不但可实现污泥种群优化,提高系统脱氮效率,而且可最大程度的节约运行费用.

A/O生物脱氮工艺处理生活污水中试(三)短程硝化过程控制的研究

应用A/O生物脱氮中试试验装置处理实际生活污水,考察了生物脱氮过程中DO和pH的变化规律.结果表明,A/O工艺硝化过程中DO和pH在好氧区的变化可分为3种典型情况,并获得pH曲线可以作为短程硝化反应的控制参数,基于在线过程控制,可以获得稳定较高的NO2--N积累,而不采用在线过程控制,NO2--N积累很不稳定;当亚硝化过程完成继续曝气将造成亚硝酸氮继续氧化为硝酸氮,从而亚硝酸氮积累率降低.应用在线过程控制,不但可提高系统脱氮效率,而且可大大节约系统运行费用.

基于多动态核PCA的统计过程监测策略研究

针对工业生产过程数据多具有动态和非线性等特性,在时序相关性和非线性理论的基础上提出了一种多动态核PCA的监测方法。该方法突破了MKPCA单模型、非动态的建模方式,构造了适合批量生产过程的多模型、非线性和动态的建模方法,并侧重于在线过程性能监测的实时性,消除了预报未来测量值带来误差,提高了过程性能监视的准确性,并通过实例数学模型验证了该方法的有效性。

原子级制造测量与表征研究现状综述

原子级制造是指将能量作用于原子,通过原子级材料的可控去除或者原子/分子级结构的大规模操控及组装,实现产品性能与功能跃迁的前沿制造技术,是一种可以大规模、批量化的先进制造技术。该过程需要在10-10m空间尺度下精确操控原子。同时,制造过程中原子的键合时间、电子动力学变化均发生在飞秒(10-15s)至阿秒(10-18s)量级。因此,只有具备超快时间和空间分辨在线检测与表征能力,才能够深入了解并利用原子级制造过程中原子尺度的新原理、新效应,保障原子级制造的可达性与可控性;只有实现原子级制造过程的高通量、大范围的在线监测,才能保障原子级制造的可靠性。基于此,原子级制造的测量与表征是指在原子级的时间、空间、能量尺度上对材料、结构或器件进行精确的测量和表征,以保障原子级制造的可达性、可控性与可靠性。本文介绍了原子级制造所需的测量表征手段的研究现状,从原子级超快动力学过程观测、原子结构演变原位表征、原子级制造过程在线质量监测三大方向进行系统梳理,总结了目前原子级制造测量与表征的挑战并针对未来发展给出建议。