SUN工作站CV三维软模型设计系统的二次开发及应用

本文通过对美国CV三维软模型设计系统引进后的状况、二次开发应用情况及在我国最大的整装气田一长庆气田中的成功应用做了较为详细的阐述,并通过长庆气田集气站三维施工图的设计及施工,充分体现了CAD三维设计的优势及对油气田地面建设投资、运用效果产生的深刻影响。

基于GAN的软测量缺失数据生成方法研究

针对工业过程中传感器数据缺失造成软测量模型精度低的问题,提出一种基于生成对抗网络(generative adversarial nets,GAN)的传感器缺失数据生成方法。利用孤立森林算法检测出传感器数据的缺失区域;利用缺失数据属性特征训练条件生成对抗网络(conditional generative adversarial nets,CGAN),在CGAN的输入条件中添加随机序列作为附加信息迭代送入CGAN中生成数据,并借助WGAN-GP(wasserstein generative adversarial nets gradient penalty)成本函数提高网络训练的稳定性;针对缺失区域检测结果引入采样器,将采样的数据填补进缺失区域,形成完整数据集,以提高软测量模型精度。以镍闪速炉温度传感器数据为目标变量进行软测量建模,验证所提出的提高软测量模型精度方法的可行性与有效性。

基于DBO-ELM的污水处理过程软测量建模

针对污水处理过程中出水生化需氧量(Biochemical Oxygen Demand,BOD)等水质参数受其它环境因素的影响较大,难以建立准确测量模型等的问题,提出一种基于改进蜣螂算法(Improved Dung Beetle Optimizer,IDBO)优化极限学习机(Extreme Learning Machine,ELM)的方法对污水出水BOD浓度进行预测。首先,选用随机森林算法(Random Forest Algo-rithm,RFA)对筛选出与BOD相关性较高的因子作为软测量模型的输入变量;其次,引入Tent混沌映射增加DBO算法的种群多样性等问题,利用IDBO算法来优化确定ELM权值分配,以提高ELM网络的预测精度;最后,将设计的IDBO-ELM软测量模型应用于污水处理仿真平台中,并与不同预测模型进行对比。结果表明:论文所设计的IDBO-ELM预测模型得到更高的预测精度和更稳定的网络结构。

基于加权软投票融合模型的脉象信号识别研究

目的脉象识别是中医客观化、智能化的重要组成部分,这种无创、快速的诊断方法具有巨大的临床价值,然而数据不平衡和特征提取繁杂仍是具有挑战性的问题。方法利用tsfresh库对巴特沃兹带通滤波器后的一维脉象信号提取特征向量,并加入探索性数据分析所选出的9列医学辅助特征,共同进行特征筛选得出21列特征向量作为加权软投票融合模型的输入。通过边界合成少数类样本过采样技术,解决数据不平衡问题,构建基于XGBoost、随机森林、LightGBM、梯度提升决策树4种机器学习的加权软投票融合模型,最终模型将输出具体脉象类别,通过评价指标准确率、精确率、召回率和F1分数进行性能展示。结果实验结果表明,所筛选出的21项特征向量共六类脉象信号测试集,在五折交叉验证中取得准确率90.04%,且仅耗时65.9466 s。结论本论文能为脉象信号识别提供更精准、更智能的辅助参考,与常用脉象识别方法相比有更低的操作复杂性和更高的准确率,较短的训练时间也使其在多种类脉象信号识别中更具临床实用价值。

基于ISSA-XGBoost的毕赤酵母菌发酵软测量

针对毕赤酵母菌发酵过程菌体浓度难以在线检测,离线测量又存在极易染菌导致数据集不完整等问题,提出了一种基于改进麻雀搜索算法(ISSA)优化极致梯度提升(XGBoost)的软测量建模方法。首先,利用主成分分析(PCA)算法对样本数据进行主元分析,降低噪声和冗余度;然后,在标准麻雀算法(SSA)中引入自适应超参数和混合变异策略,增强了算法跳出局部极值和全局搜索的能力;最后,构建菌体浓度的ISSA-XGBoost软测量模型,并与XGBoost、SSA-XGBoost模型进行比较。仿真实验结果表明:ISSA-XGBoost模型的均方根误差(RMSE)、平均相对误差(MRE)均比XGBoost、SSA-XGBoost模型低,且ISSA-XGBoost的决定系数(R^(2))更接近于1,说明预测精度明显优于改进前,能够满足对毕赤酵母菌发酵过程菌体浓度的实时测量。

基于随机森林的输气管道压缩机流量软测量技术研究

压缩机是输气管道最主要的耗能设备,其流量计量结果的准确与否直接关系到管道全线的管理水平。在现场测试实验的基础上,构建了基于随机森林的数据驱动软测量模型,采用网格搜索和交叉验证对影响模型精度的超参数进行寻优,最终构建最优预测模型,并与支持向量机(SVM)模型、朴素贝叶斯(NB)模型和经网格搜索确定超参数的支持向量机(GS-SVM)模型的预测结果进行对比。结果表明,通过基尼指数确定的燃料气消耗量和大气压力对压缩机流量的相关性较小,其变量应予以删减;当决策树的个数n为300,分裂特征数m为5时的预测效果最佳;随机森林模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)均最小,说明了随机森林模型对于压缩机流量这类复杂非线性数据集的回归效果较好,具有一定的先进性和科学性。

基于FRBPSO-RBF神经网络的污水BOD5软测量方法

污水处理过程中污水BOD5难以实时准确测量,故软测量方法逐渐被用于污水BOD5的预测,其中RBF神经网络软测量方法应用广泛,但存在训练过程易陷入局部极值等问题。为提高RBF神经网络的预测精度,提出了基于适应度排名的粒子群算法(fitness ranking based particle swarm optimization,FRBPSO),根据适应度排名与迭代次数确定惯性权重的大小,并根据粒子个体历史最优值的排名与迭代次数确定自我学习因子与社会学习因子的大小,并将FRBPSO算法引入RBF神经网络的参数训练中。基于13个基准测试函数与其他3个粒子群优化算法对比,实验结果显示FRBPSO算法的寻优能力相对较强。再将基于FRBPSO算法的RBF神经网络用于构建污水BOD5软测量模型,仿真结果表明,在测试数据中,FRBPSO-RBF软测量模型的平均绝对误差比PSO-RBF软测量模型、DAIW-RBF软测量模型、SCVPSO-RBF软测量模型分别降低了0.7178、0.2402、0.5851,平均绝对百分比误差分别降低了0.47%、0.15%、0.33%,均方根误差分别降低了0.0034、0.0015、0.0039。与其他3个基于PSO算法的BOD5软测量模型相比,FRBPSO-RBF模型具有较高的BOD5预测精度。

基于软构件模型的农业智能系统平台

详细分析了农业智能系统平台的软构件构造流程,提出了一种面向构件设计的自适应软总线模型,依据模型可以进行系统功能构件的组装和组装推导。建立了一个可扩展、可裁减的公共构件底层框架,该框架对构件的接口、约束和交互协议进行了描述,并通过XML格式提供构件扩展机制。在框架研究基础上,开发了一个构件化农业智能系统平台,为农业信息技术人员提供了统一规范、方便快捷的二次开发环境,可显著提高农业智能系统的开发质量,并缩短系统开发周期。

基于智能集成策略的烧结块残硫软测量模型

针对铅锌冶炼烧结过程烧结块残硫估计问题,提出了一个基于智能集成策略的软测量模型,主要包括数学模型、专家规则模型和智能协调器几部分.其中数学模型通过物料平衡方程计算烧结块残硫,方程中的部分不可解参数由神经网络估计给出.专家规则模型对残硫与主要影响因素之间的关系进行了描述.基于模糊逻辑的智能协调器根据生产条件的情况综合各模型的输出作为估计结果.工业实际数据验证表明,智能集成模型的残硫估计误差平均值仅为7.5%,而且真实反映了烧结块残硫的变化趋势,可以为生产操作提供有益的指导.

用DEM软球模型研究颗粒间的接触力

本文采用 DEM（Discrete Element Method）软球模型来研究颗粒间的碰撞过程,用金属球代替流场中的颗粒,研究这些金属球在平面上的运动。运用DEM软球模型求出碰撞过程中小球所受的瞬时接触力以及碰撞时间,并分析这些参数随颗粒物性以及运动参数的变化规律。计算得出:颗粒间的接触力以及碰撞时间与颗粒的相对速度、碰撞角度以及杨氏模量等参数有关。

一种利用多神经网络结构建立非线性软测量模型的方法

采用多神经网络结构建立软测量模型。建模所用的样本数据经过 Km eans聚类方法分成多组训练数据 ,每组数据建立一个单个神经网络模型 ,再通过 PCR方法连接起来得到整个模型的输出 ,从而显著地提高了模型的精确度和鲁棒性。仿真研究表明 ,采用该建模方法能够达到较好的建模效果。

基于LS-SVM和机理模型的球磨机料位软测量

提出了一种机理知识和最小二乘支持向量机(LS-SVM)相结合的球磨机料位混合软测量方法。基于机理模型建立料位理论模型;将料位机理特性融入LS-SVM的建模过程中,利用LS-SVM算法对机理模型进行校正,弥补它的不精确性。通过现场试验和实际运行分析表明,混合模型能够有效地反映出实际运行中料位的变化趋势和动态特性。

丁二烯精馏塔的推断控制方案与软测量模型

研究了某厂丁二烯精馏塔塔底控制回路目前存在的问题 ,提出了基于软测量的推断控制方案。利用DCS采集的现场数据进行相关性分析后 ,分别建立了非线性回归模型和人工神经网络模型。

基于CPSO-LSSVM的汽轮机热耗率软测量模型

为了准确建立汽轮机热耗率预测模型,提出了一种基于变空间Logistic混沌粒子群算法(CPSO)优化最小二乘支持向量机(LSSVM)的汽轮机热耗率软测量模型。采用变空间Logistic混沌搜索策略和粒子镜像越界处理策略来改善粒子群算法(PSO)的全局优化性能,提出了CPSO优化最小二乘支持向量机的超参数以改善模型预测精度,并以某600 MW汽轮机组为研究对象,利用该机组的运行数据建立CPSO-LSSVM的热耗率预测模型。结果表明:CPSO-LSSVM模型具有更高的预测精度和更强的泛化能力,能够准确有效地预测热电厂的汽轮机热耗率。

铜精炼过程铜液温度软测量模型及应用

为了解决铜精炼过程中高温铜液温度的测量难题,确保铜精炼过程的阳极铜产品质量,基于铜精炼过程中不同阶段的热工机理,分别建立了保温过程、氧化过程以及还原过程的高温铜液温度的机理软测量模型,并采用数据预处理、黄金分割法搜索区间及其函数链神经网络校正等技术对其进行了算法设计以及编程实现.实际应用结果表明,铜精炼过程铜液温度软测量可以反映铜精炼过程铜液温度的真实变化,有助于实现铜精炼过程铜液温度软控制以及提高铜精炼过程的生产效率和生产质量.

基于多支持向量机的软测量模型

在许多工业过程控制系统中,软测量技术由于解决了输出变量难以测量的问题而被广泛应用。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(SVM)以其优良的泛化特性而被应用到建立软测量模型中。基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出多支持向量机(MSVM)组合模型的软测量建模方法。该建模方法通过减聚类方法将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机(LS-SVM)建立子模型。为解决子模型相互之间的严重相关问题,提高模型的精度和鲁棒性,各个子模型的预测输出通过主元递归(PCR)方法连接。仿真研究表明,采用该建模方法能够达到较好的建模效果。

纸浆卡伯值软测量模型的研究与应用

对近年国内制浆蒸煮过程纸浆卡伯值软测量技术的研究和应用成果进行了全面的对比分析,展望了智能软测量技术在纸浆卡伯值软测量建模过程中的发展前景。

基于BP网络逆映射的铝酸钠溶液软测量模型

针对铝酸钠溶液成分浓度软测量模型的研究现状,为进一步提高软测量精度和命中率,提出多约束条件求解思想,建立基于BP神经网络的软测量数学模型。该模型以溶液温度和各成分浓度为网络输入变量,对应电导率为输出变量,运用BP网络误差反向传播、权数调整原理实现在多样本约束条件下的网络逆映射求解。实例验证结果表明,该模型能较好地反映铝酸钠溶液电导率与成分浓度、温度间的内在规律,泛化检验散点电导率平均相对误差为1.74%;在多约束条件下,各软测量浓度与实际浓度的相对误差≤2.5%,且浓度适应范围较宽。该研究为实现铝酸钠溶液在线检测奠定了良好的数模基础。

两级递阶软对策模型及其在冲突分析中的应用

NigilHoward通过对亚对策的改进提出了软对策,但该理论仍基于效用进行分析,且没有涉及局中人个体偏好与整体偏好的不一致问题。本文的主要工作包括以下三个方面:一是将多维偏好分析技术与现有软对策模型结合起来,弱化原来要求局中人对所有可行结局排序的条件,使之在分析面向目标的冲突问题中显得更加方便;二是考虑到整体利益与局部利益的差异的普遍存在,且在局中人现有偏好结构下又常无法达到整体最优结局的问题,在冲突分析中引入整体协调人,给出一个二级递阶模型;三是借助个体偏好偏离度向量定量测度个体偏好与整体偏好的差异程度。最后结合一水资源冲突问题进行实证分析。