预测控制进展及其应用研究

本文探讨了预测控制理论的发展和现状 ,主要包括预测控制系统的稳定性、鲁棒性等性能以及对非线性系统的研究。分析了当前预测控制在工业控制领域中的发展、应用的现状和今后的发展方向。

基于多项式核的稀疏核学习单步预测控制算法及其应用

提出一种基于稀疏核学习辨识模型的单步预测控制(sparse kernel learningone-step-ahead predictive control,SKL-OPC)框架,并推导了该框架下采用多项式核的一种控制算法。该算法在求取最优控制律时可将调节变量从目标函数分离出来,并最终转化为求解一奇数次代数方程根的问题。因此无需复杂的非线性优化技术,且克服了基于二次多项式核辨识模型不准确造成控制算法失效的缺点。在一非线性连续搅拌反应釜的控制研究表明了该方法的有效性和优越性。

Pensim仿真平台在青霉素发酵过程的应用研究

详细分析了针对青霉素发酵过程而开发的Pensim仿真平台,在阐述了其机理模型和内部结构之后,详细探讨了变量及参数设定值的取值范围,并给出了改进后的参考范围。仿真结果表明,经过修正后的Pensim仿真平台更加合理,仿真输出结果有更为明确的物理意义。

BP神经网络预测在流程企业供应链中的应用研究

本文针对流程制造企业的管理模式和相应的供应链特点,采用多智能体技术建立基于预测的流程供应链模型。在比较预测方法的基础上,采用BP神经网络技术建立客户分销的预测支持系统,并采用某造纸流程企业的周销量件数进行了实例预测仿真。

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上,给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤,讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度.通过这种方法能够进行故障的寻找和定位,实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行性和有效性.

局部最小二乘支持向量机回归在线建模方法及其在间歇过程的应用

当间歇生产切换于不同的工艺条件时,由于新工况下的样本一般很少,且批次间存在着不确定性(由于原材料波动或过程动态特性波动等),基于全局学习的建模方法(如最小二乘支持向量机回归,LSSVR)建立的模型泛化性能不强。将局部学习融入LSSVR中,提出一种局部LSSVR(local LSSVR,LLSSVR)的间歇过程在线建模方法。结合前一批次离线优化后的LSSVR参数,针对待预测新样本在线选择与之相关的近邻样本集并基于此进行建模。以建立青霉素发酵过程的菌体浓度为例,验证了LLSSVR算法能够从过程的第2个生产批次开始在线建立较准确的预报模型,较LSSVR有着更好的推广能力、适应性和鲁棒性。

水体有机污染物浓度检测中的紫外光谱分析方法

水体中的大多数有机污染物在紫外区域有较强的吸收,因此可利用紫外吸光度检测水体中的有机污染物浓度。在检测过程中,通过平滑、导数、标准正态变量变换等光谱预处理后,采用主元回归、偏最小二乘、支持向量机等方法建立回归模型,并由该模型依据待测样本的紫外光谱数据计算出有机污染物浓度。为了探究不同的预处理方法、建模方法在有机污染物浓度检测中的特点及内在联系,本文对一组来自污水厂进出水的光谱数据采用不同的预处理和建模方法进行实验研究,研究结果表明:当获得的原始数据较好时,可以直接进行建模,进行光谱预处理反而会使模型效果下降;由于本实验中污水的样本数小于光谱数据点数,所以最小二乘支持向量机更适合于本组实验样本。

动态加权最小二乘支持向量机

提出一种基于动态加权最小二乘支持向量机(LS-SVM)的时间序列预测方法.动态加权LS-SVM能够跟踪时变非线性系统的动态特性,适合于系统辨识和时间序列预测;同时采用鲁棒方法确定权系数,以减小噪声的影响.将动态加权LS-SVM算法应用于工业PTA氧化过程中的4-CBA浓度预测,结果显示,动态加权LS-SVM预测精度高,能够有效减小噪声的影响.

基于特征样本的KPCA在故障诊断中的应用

核函数主元分析(KPCA)可用于非线性过程监控.建立KPCA模型首先要计算核矩阵K,K的维数等于训练样本的数量,对于大样本集,计算K很困难.对此提出一种基于特征样本的KPCA(SKPCA),其基本思想是,首先利用非线性映射函数将输入空间映射到特征子空间,然后在特征子空间中计算主元.将SKPCA应用于监控T ennesseeE astm an过程,并与基于全体样本的KPCA作比较,仿真结果显示,二者诊断结果基本相同,然而特征样本只是训练样本中的一小部分,因此减少了K的维数,解决了K的计算问题.

用于发酵过程在线建模的自适应局部最小二乘支持向量机回归方法

提出一种基于自适应局部学习的最小二乘支持向量机回归(LSSVR)在线建模方法。考虑样本间的距离和角度信息以获得更全面合理的相似样本集,推导了采用快速留一法在线优化模型参数的准则,并给出了发酵过程在线自适应模型选择的策略。以链激酶流加发酵过程为例,验证了所提出算法能够从过程的第2批次开始,同时对活性菌体浓度和链激酶浓度进行较准确的在线预报,较普通的局部LSSVR等建模方法具有更高的预报精度和自适应性。

基于三维荧光导数光谱的水体有机污染物浓度检测

提出了应用三维荧光一阶导数光谱检测水体中有机污染物浓度的分析方法。在计算三维荧光导数光谱时,采用Savitzky-Golay多项式拟合微分法对激发、发射光谱分别求导。由于在计算导数光谱时所采用的多项式拟合本身具有平滑功能,因此不需要单独进行平滑处理以去除噪声。针对所构成的四维荧光导数光谱(激发波长,发射波长,激发波长的一阶导数,发射波长的一阶导数),采用偏最小二乘方法建立回归模型。实验结果表明,在对水体中总有机碳的检测中,与常规的三维荧光光谱分析方法相比,文章提出的分析方法可较好地提高分析精度。

一种新的多工况过程在线监测方法

针对复杂工业过程中的多工况和非高斯信息问题,提出一种基于外部分析的ICA-PCA(independentcomponent analysis and principal component analysis)在线统计监测新方法。首先把过程变量分为外部变量和主要变量,通过偏最小二乘(PLS)回归方法分离外部变量对主要变量的影响,然后利用ICA-PCA两步信息提取策略,完整地提取过程的信息,最后用3个统计量对过程进行监测,建立了一种具有非高斯特性的多工况过程在线监测算法。通过对一个数值例子和连续搅拌槽(CSTR)过程的仿真研究,说明提出的方法是可行、有效的。

SVM在车牌字符识别中的应用

采用支持向量机方法实现车牌字符识别。根据车牌字符排列特征,构造了汉字、数字、字母、数字+字母4个最佳分类器,通过车牌字符的序号对每个字符进行对应识别,再将识别结果组合得到车牌号码。实验结果表明该方法具有较高的车牌字符整体识别率,达到了98.33%,识别时间仅为15ms,能够满足实际应用。

独立元子空间算法及其在故障检测上的应用

针对高维数据建模问题,提出一种独立元子空间算法(ICSM),作为一种新的集成学习算法,ICSM利用独立元在不同变量上的贡献度来选取子空间,符合了集成学习的要求,具备了明确的物理意义,有效地克服了随机子空间算法(RSM)的主要缺点。在此基础上,进一步将ICSM应用于工业过程监控,提出了一种新的ICSM-PCA故障检测算法。首先在各个子空间内分别建立相应的PCA监测模型,然后根据T^2和SPE统计量的值计算出集成时各自的权重,最后构造两个集成统计量对工业过程进行监测。通过在Tennessee Eastman(TE)模型上的仿真研究,说明提出的算法具有较好的建模效果和故障检测能力。

一种快速提取铜块图像感兴趣区域的方法

针对铜块合金样本感兴趣的区域(ROI)有效提取问题,提出了一种完整的单一背景下提取铜块合金样本ROI的方法,进而抽象ROI提取问题。将该问题分割为2个步骤:第一步为背景相关的种子点提取,第二步为背景无关的ROI确定,并提出了一种基于种子点的SBRE方法。复杂背景下的SBRE方法首先建立HSV颜色模型,然后通过不断更新步长收缩搜索矩形框最终使搜索矩形框完全位于铜截面内部,进而确定种子点,最终确定ROI。实际测试结果表明:该方法准确、快速。

基于自适应密度估计的系统参数辨识

针对噪声分布未知的ARMAX系统,提出了一种自适应非参数噪声密度估计方法,由估计误差动态调整高斯核函数的全局带宽和局部带宽,实现了未知噪声分布密度的自适应估计;通过极小化似然函数,给出了基于噪声密度估计的参数辨识迭代算法,分析了算法的收敛性并给出了算法收敛的充分条件.仿真结果表明本文提出的算法在系统噪声未知时具有较强的抗噪能力和良好的收敛性.

基于三维荧光光谱特征峰的水体有机污染物综合指标检测

对来源不同一的32个水样进行三维荧光光谱的测定,并用5种典型有机物的荧光特征峰A(腐殖酸类)、C(腐殖酸类)、B(络氨酸类)、T1(色氨酸类)、T2(色氨酸类)进行了单一和组合式建模,发现对于来源不同一的水体的总有机含碳量(TOC)、化学耗氧量(COD)的检测采用这种提取特征峰建模的效果并不理想。该研究说明,依据典型特征峰对水体有机污染物综合指标的检测不具有普适性,仍需要进一步探究。

基于近红外光谱的成品纸张质量参数快速检测

提出将近红外光谱(NIR)检测技术用于成品纸张质量参数快速检测的方法,主要包括原始光谱预处理、光谱特征提取和检测建模几部分,并比较了采用基于支持向量机方法和采用基于偏最小二乘方法建模的检测性能。实验结果表明:近红外光谱预处理后,采用基于支持向量机建模检测的性能普遍优于采用基于偏最小二乘建模的性能。

基于平行因子算法的三维荧光光谱检测真菌毒素

真菌毒素具有荧光特性,因此可以用三维荧光光谱分析方法来检测真菌毒素浓度。在检测过程中,通过去除瑞利散射、平滑等光谱预处理后,采用平行因子算法(PARAFAC)建立回归模型,并由该模型依据待测样本的三维荧光光谱数据计算出真菌毒素的浓度。对一组含有不同浓度真菌毒素B1的白酒样本进行实验,结果表明:针对三维荧光光谱数据,由于掺杂的干扰比较多,进行光谱预处理可以提高建模效果;采用三维的PARAFAC建模方法效果要比常规的二维建模方法好;由于PARAFAC对组分数很敏感,所以建模过程中选择适当的组分数对模型的效果影响比较大。