基于LE-ISTOA-SVM的聚合釜化工过程故障诊断

聚合釜是制备高分子化合物的最主要设备,其能否稳定的运行关系到产品的质量以及人员、设备的安全。但是,现代化工生产流程非常复杂,化工过程诊断数据具有高维非线性的特点。提出了基于LE-ISTOA-SVM的聚合釜化工过程故障诊断方法。首先,使用拉普拉斯特征映射算法(Laplace Feature Mapping Algorithm,LE)对故障数据进行降维。然后,使用改进乌燕鸥优化算法(Improved Sooty Tern Optimization Algorithm,ISTOA)优化SVM(Support Vector Machine,SVM)的参数来提高其性能。最后,利用聚合釜的实验数据做仿真测试。测试结果表明,该方法有较好的诊断效果。

基于改进鲸鱼算法优化LSTM的化工过程故障诊断方法

鲸鱼优化算法是一种群体智能优化算法,文中针对基本鲸鱼优化算法收敛速度慢、收敛精度低、易陷入局部最优等问题,从几个方面对其进行了改进:通过Tent混沌对种群进行初始化来增加种群多样性;融入非洲秃鹫算法的群体最优和次优策略与探索阶段位置更新策略,以避免算法早熟以及陷入局部最优;采用一种新的非线性收敛因子替代鲸鱼优化算法原本的线性收敛因子,平衡算法的全局探索和局部开发;引入了非线性自适应增量惯性权重,更好地平衡了全局搜索能力与局部搜索能力;最终得到一种混合非洲秃鹫算法的改进鲸鱼优化算法(MAWOA)。在对4种基准测试函数进行的对比试验中显示,MAWOA具有较快的收敛速度和较高的收敛精度。将MAWOA算法应用于长短期记忆(LSTM)网络的超参数寻优中,构建MAWOA-LSTM故障诊断模型。结合田纳西伊斯曼(TE)化工数据集进行故障诊断,通过与LSTM、WOA-LSTM等模型进行准确率对比,验证了所提算法的优越性。

基于改进动态核主元分析算法的化工过程故障检测

为克服工业过程数据的非线性、动态性等限制,提出基于希尔伯特黄变换的动态核主元分析算法(HHT-DKPCA)。首先用标准化正常数据计算均值和标准差,之后对原始数据进行标准化。然后对协方差矩阵进行特征分解,将数据映射到低维空间。HHT变换去噪前对每个主元变量进行降维,然后将去噪后的数据重新映射到高维空间,并重新计算T^(2)和SPE。将HHT-DKPCA与PCA、KPCA、DKPCA、HHT-PCA在TE过程故障数据上的处理结果进行比较,结果表明,HHT-DKPCA具有更高的故障检测率。

基于子块典型变量分析的化工过程故障检测

大型化工生产过程包含许多单元,单元内变量之间具有非常强的相关性,针对这一特点,提出一种基于子块典型变量分析(sub-block canonical variate analysis,SB-CVA)的故障检测方法.依据块内变量高度相关、块间变量相关性较小原则将过程建模数据分块,在各个块内分别建立CVA模型,计算T 2和SPE统计量作为故障检测指标.该方法主要优点是能及时检测故障并定位故障发生的单元.对TE过程进行仿真,并与PLS、MB-PLS和CVA方法进行对比,结果验证了该方法的有效性.

基于频域特征提取与信息融合的磨机负荷软测量

提出了基于频域特征提取与多传感器信息融合的磨机负荷(ML)软测量新方法。针对磨矿过程主要依靠人工经验定性判断ML状态,难以定量检测ML参数的现状,通过融合磨机筒体振动、振声及驱动电机电流信号,建立了以料球比、矿浆浓度、充填率为输出的ML软测量模型。该方法首先采用快速傅里叶变换(FFT)将时域振动及振声信号转换为频谱变量,再对频谱变量通过主元分析(PCA)进行谱特征提取,然后采用径向基函数(RBF)变换生成的激活矩阵实现谱特征的非线性映射,最后采用偏最小二乘(PLS)算法建立以谱特征、激活矩阵、电流信号为输入的回归模型,从而有效克服了多传感器信息之间及RBF变换引起的多重共线性等问题。实验表明,该方法能够较准确地检测ML参数,融合多传感器的软测量方法具有更好的预测效果。

融合时/频信息的磨矿过程磨机负荷软测量

磨机负荷(ML)是磨矿过程的重要参数,能否准确地确定ML状态及ML参数直接影响磨矿产品的质量、产量及设备安全.针对实际生产中只能依据专家经验判断ML状态,难以检测与ML及ML状态直接相关的ML参数的问题,本文提出了融合时频信息的ML软测量策略和相应的软测量方法.该方法首先求取磨机筒体振动及振声信号的频谱,再采用自适应遗传算法—偏最小二乘(AGA-PLS)选择频谱特征,然后融合时域电流信号,基于PLS算法建立融合时频数据特征的ML参数检测模型,最后通过规则推理模型判别ML状态.通过实验球磨机的磨矿过程验证了该软测量方法的有效性.

影响肝癌预后独立危险因子的信息学分析

目的:通过生物信息学调研和分析,探讨对肝癌预后产生影响的独立危险因子及其与肝癌靶向药索拉非尼作用靶点的相互关联特征。方法:从TCGA数据库收集的248例肝癌患者中选取79例死亡患者的基因表达量、生存时间、生存状态数据,以中位生存时间360 d为界将这些死亡患者分为2组,用DEseq算法对这2组患者的基因表达量数据进行差异基因筛选。不考虑其他混杂因素,仅考虑差异基因表达单个因素与患者生存时间相关,用Kaplan-Meier法对差异基因进行单因素分析。将分析得到的差异基因表达量和患者生存时间、生存状态整合的矩阵用COX回归模型作生存分析,寻找对肝癌预后产生影响的独立危险因子。以STRING数据库为基础,将得到的差异基因与肝癌靶向药索拉非尼的作用靶点结合构建蛋白互联网络,探寻索拉菲尼作用靶点与差异基因的关系。结果:DEseq算法初筛得到52个有可能对肝癌预后产生影响的差异基因。Kaplan-Meier法分析得到26个与患者生存时间相关的差异基因。COX分析最终确认3个差异基因(SQSTM1、ANXA10和STMN1)为影响肝癌预后的独立危险因子。其中ANXA10为负向影响因素,而STMN1与SQSTM1为肝癌患者预后的正向影响因素。蛋白质相互作用网络显示,肝癌靶向药索拉非尼的作用靶点与多个差异基因密切相关。ANXA10参与钙离子结合和钙依赖性磷脂结合,STMN1和SQSTM1在多种信号通路中起重要作用。结论:ANXA10、STMN1和SQSTM1可能是对肝癌预后产生影响的独立危险因子,可作为未来开发靶向药物的作用靶点或患者预后预测指标。

无线消防救援信息采集与监测系统

针对目前消防人员信息孤岛的状况,提出了一种新型消防队员装备信息系统。系统以433 MHz无线传感器网络为数据收集及传输平台,使用电子压力传感器代替机械表进行压力检测,利用MEMS惯性器件监测人员的实时姿态,最后通过GPRS网关,将数据发送到远程的指挥中心。用户在指挥管理软件上可实时获取消防员的信息。试验测试结果验证了该系统应用于消防求援的可行性。该系统改变了消防员信息孤岛的状况,为消防员的生命安全提供了进一步的保障。

基于局部加权重构的化工过程数据恢复算法

针对化工过程数据中存在缺失数据的问题,在保持局部数据结构特征的基础上提出了基于局部加权重构的化工过程数据恢复算法。通过定位缺失的数据点并以符号Na N(Not a Number)标记,将缺失的数据集分为完备数据集和不完备数据集。不完备的数据集按照完整性的大小依次找到它们在完备数据集中相应的k个近邻,根据误差平方和最小的原则,求出k个近邻相应的权值,用k个近邻及相应的权值重构出缺失的数据点。将该算法应用在不同缺失率下的两种化工过程数据中并与望最大化主成分分析(EM-PCA)法和平均值(MA)两种传统的数据恢复算法相比较,该算法的恢复数据误差最小,并且计算速度相比EM-PCA算法平均提高了2倍。实验结果表明,局部加权重构的化工过程数据恢复算法可以有效地对数据进行恢复,提高了数据的利用率,适用于非线性化工过程缺失数据的恢复。

基于局部信息统计的人耳识别方法

提出了一种基于局部信息统计的人耳识别方法。该方法将一幅人耳图像分成若干个子区域,分别提取每个子区域的分类特征,将各个子区域的特征串联为一个特征向量构筑人耳特征矢量,更加全面描述了人耳图像的局部与结构信息,应用最近邻分类器进行模式分类。采用三种不同的特征提取方法,以USTB人耳图像库对算法进行测试,实验结果表明,与全局信息比较同种方法识别率提高30%以上,验证了局部信息方法的有效性。

基于非高斯信息的JITL软测量模型

为了有效监控具有非高斯数据特性的工业过程,提出了一种新的基于非高斯信息的JITL(Just-In-Time Learning)软测量模型.首先通过非高斯非相似度测量选择JITL局部建模样本;然后建立局部ICA-PLS回归模型实现工业过程质量变量监控.该方法从局部建模样本选择到局部回归模型建立能够有效处理工业过程数据的非高斯特性,并且保留了JITL建模的优点,能够有效地处理工业过程时变特性以及非线性.通过硫回收处理过程的应用,验证了方法的有效性.

面向精细化工产业集群云平台的研究与应用

为提高我国精细化工产业的现代化水平,结合云制造服务型理念,提出了建设面向精细化工产业集群的云服务平台解决方案,建立公共云服务平台体系架构。根据该产业集群的现状,选择基于Saa S模式作为平台的系统架构,为产业集群提供了一个切实可行的信息化解决方案。

基于信息熵的Push/Pull策略下供应链不确定性

以3级多产品供应链为例,分别采用Push/Pull/混合Push&Pull/改进Push 4种控制策略运行供应链,采用总熵比量化供应链的全局不确定性.将基于仿真优化(SBO)与遗传算法(GA)相结合,解决了计算量大与不确定因素多的难题.以控制规律中的增益为决策变量,对不确定性进行优化,计算出最优决策变量下的客户满意度、超量库存、延迟交货和总成本等常用性能指标.仿真结果表明:供不应求时,采用混合Push&Pull策略可以降低总成本;供大于求时,采用改进Push策略能最大程度降低供应链的不确定性.

地方院校电气信息类应用型人才培养模式探索与实践

针对大众化教育背景下高等教育存在的诸多问题,结合区域经济发展战略和应用型人才培养需求,探索地方院校电气信息类应用型人才培养模式,制订适应区域经济发展的应用型人才培养方案,并通过师资队伍建设等环节打造应用型人才培养的教学环境,通过教学过程加以实践。

基于种群信息的布谷鸟算法

布谷鸟算法(CS)是一种优秀的元启发式算法,其控制参数少的优点使它可以很容易确定控制参数和结果的关系,在许多实际问题的处理中都发挥了良好的作用.但是单一的Levy飞行策略使每个个体很难凭借自身的随机游动跳出局部极值,长时间陷入局部极小值限制了算法的收敛速度.为此,提出一种基于种群信息的布谷鸟算法(PBCS).整个种群的平均位置信息将作为个体迭代时的参考方向,使个体可以成功地跳出局部极值.将种群最优位置作为生成新个体方向,可以增加整个算法的收敛速度,便于在寻找到最优值所在的区域后迅速收敛.在6种常见的基准函数上与其他两种算法的对比,证明该算法具有更好的全局探索和局部搜索能力.

面向工程教育认证的电路分析基础课程体系建设

我国的工程教育认证工作已经普遍开展起来,《电路分析基础》作为电子信息与电气工程类专业的一门重要专业基础课,需要通过课程改革适应工程教育专业认证的需求。本文探讨了该课程体系建设中的一些典型问题,并提出了面向工程教育的课程体系建设思路。

基于加权差分主元分析的化工过程故障检测

针对工业生产过程的多模态和非线性特性,提出了一种新的基于加权差分主元分析的故障检测算法。首先选取原始数据样本的最近邻xf以及xf的前k个近邻,分别计算出xf的前j个近邻样本的均值mj和权值wj,利用加权差分的方法对原始数据进行预处理,剔除多模态和非线性特征;然后利用主元分析法(PCA)计算出负载矩阵P以及SPE和T2检测指标的控制限,建立PCA模型;最后将待检测数据运用加权差分法预处理后投影到PCA模型上计算检测指标,通过检测指标是否超过控制限进行故障检测。将该方法应用于数值例子和半导体生产过程来验证其有效性。

基于多模态数据全信息的概率主成分分析故障检测研究

针对工业过程复杂的数据分布特性,本文提出了一种基于局部近邻标准化(LNS)的概率主成分分析(PPCA)故障检测方法(LNSPPCA)来解决由于过程数据的多模态特性和不确定性所引起的故障检测效果不理想问题。首先,通过LNS解决数据多模态问题,使标准化后数据尽可能的服从单一高斯分布,然后,使用PPCA方法从概率的角度对数据进行分析,能够考虑到数据的随机性,从而更真实的描述数据,提取更加全面有价值的信息,有效的在复杂的数据分布过程中对故障进行检测。因此,LNSPPCA方法可以有效提高多模态过程复杂数据分布的工业过程故障检测能力。利用数值例子和TE过程进行应用实验,并将测试结果与主成分分析法(PCA)、PPCA方法进行对比,验证了LNSPPCA方法的有效性。

基于局部Fisher判别分析的复杂化工过程故障诊断

为了提高复杂化工过程中故障检测和分类能力,提出基于局部Fisher判别分析(local Fisher discriminant analysis,LFDA)的复杂化工过程故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵,寻找LFDA的投影方向;其次把训练数据和测试数据向投影向量上投影,提取特征向量;最后计算特征向量间的欧氏距离,运用KNN分类器进行分类。把提议的LFDA方法应用到Tennessee Eastman(TE)过程,监控结果表明,LFDA的效果好于FDA和核Fisher判别分析(kernel Fisher discriminant analysis,KFDA),说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。

KNN在化工生产过程故障定位中的应用

为了在没有任何历史故障信息的情况下定位真正的故障变量,研究了KNN在化工生产过程故障定位中的应用。首先利用局部离群因子(LOF)算法剔除原始数据中的离群点,将剩余数据作为训练数据建立KNN模型;然后计算待检测数据的检测指标,将其与控制限对比进行故障检测。最后,对检测出的故障计算训练数据基于KNN的变量贡献,利用核密度估计确定定位指标的控制限。对测试数据计算变量对定位指标的贡献,对所求的贡献矩阵进行量化,画出故障定位图。将该方法用于数值例子和TE过程,仿真结果说明该方法可以对故障进行准确定位,证明了其有效性。