间歇过程

摘要： 过程安全对于间歇过程生产具有重要意义,为提高间歇过程生产安全性,提出一种基于改进粒子群算法(AMWPSO)优化长短期记忆网络(LSTM)的间歇过程故障预测模型AMWPSO-LSTM。针对LSTM中的神经元个数、迭代次数、学习率等参数需要人为设置的问题,采用AMWPSO对这些参数进行自动寻优。AMWPSO在原有粒子群优化算法(PSO)中融入了自适应变异和非线性递减惯性权重,提高了PSO的参数寻优能力。由于间歇过程具有多阶段性,因此先根据模糊C均值聚类(FCM)方法对间歇过程进行阶段划分,再利用Pearson相关系数对各阶段实验数据进行相关性分析,以降低系统变量的维数,并建立各阶段T;统计量控制限作为系统是否发生故障的指标。实验以青霉素发酵过程数据为例,建立基于AMWPSO-LSTM的多阶段故障预测模型,并将该模型的预测结果与基于LSTM的多阶段预测模型、基于PSO-LSTM的多阶段预测模型的预测结果进行比较,结果表明,基于AMWPSO-LSTM的多阶段故障预测模型可取得较高的预测准确度。

摘要： 阶段划分是间歇过程准确建模和有效监控的前提.针对传统阶段划分方法未考虑间歇过程的动态性造成阶段划分不准确、影响监控精度,且具有参数选择难、鲁棒性差的局限,提出一种基于动态潜结构的动态间歇过程阶段划分与在线监控方法.首先,对间歇过程三维张量数据沿变量方向展开,并增加时滞变量构建增广矩阵来提取过程动态关系;然后,以增广矩阵作为输入,定义一种新的基于解释方差变化的合并代价函数,衡量不同子序列之间的动态潜结构相似度;利用上述动态潜结构相似度的衡量标准,提出基于自底向上启发式搜索策略的动态间歇过程阶段划分方法;最后,对划分得到的各阶段分别建立基于动态主元分析的子阶段模型和统计指标来实现在线监控.采用青霉素补料分批发酵过程数据开展实验研究,结果表明了所提方法的有效性和优越性.

摘要： 多时段特性是间歇过程的本质特性之一,对间歇过程实现有效的时段划分是故障监测的基础。传统的时段划分方法大多针对过程的输入输出数据,对输入输出数据突变较为敏感。本文提出一种基于瞬时频率响应函数的间歇过程时段划分方法,该方法基于系统的瞬时动态特性,用瞬时频率响应函数替代输入输出数据进行时段划分,利用小波变换估计系统的瞬时频率响应函数进行核主元分析降维,通过模糊C均值聚类对降维后频率响应函数进行聚类划分时段。实验结果表明,本文所提出的方法能够实现对间歇过程的时段划分,并具有较高的鲁棒性。

摘要： 针对间歇过程数据存在的非线性和动态特性导致故障检测效果不佳的问题,提出一种基于滑动窗(sliding window,SW)的多向差分正交邻域保持嵌入(multiway differential orthogonal neighborhood preserving embedded,MDONPE)算法.首先对间歇过程数据进行预处理,找到样本的最近邻,将样本与最近邻进行差分运算;然后对NPE算法进行投影向量正交化得到具有正交约束的正交邻域保持嵌入算法,利用正交邻域保持嵌入算法进行降维和特征提取,进一步利用滑动窗策略,选择合适的窗口宽度,合并窗口内的采样数据,使得故障样本的特征更加明显;最后通过检测T^(2)和SPE统计量判断是否发生故障.利用青霉素发酵仿真过程数据并与MPCA、KNPE算法进行对比验证,结果显示SW-MDONPE算法在故障检测中对比其他算法有更好的检测效果.

摘要： 检测具有复杂性的间歇过程是非常困难的,它具有复杂性。为了最终达到对间歇过程的更有效地检测和诊断,降低系统的误报率,本文以pensim青霉素发酵过程的仿真为基础,设计了一种以多向主元分析为基础的故障检测方法,并利用MPCA和聚类分析法对间歇时段的故障进行检测。

摘要： 针对间歇过程的实时优化问题,提出了一种基于自优化控制的批内优化方法.以测量变量的线性组合为被控变量,在单批次内跟踪控制被控变量实现间歇过程的实时优化.根据是否在间歇过程的不同阶段切换被控变量,给出了两种自优化控制策略,对每种策略又分别提出两种设定轨线选取方案.为求解这些情形下的最优被控变量(组合矩阵),以最小化平均经济损失为目标,推导了组合矩阵和经济损失之间的函数关系,分别将其描述为相应的非线性规划问题.在此基础上,进一步引入了扩张组合矩阵,将这些非线性规划问题归纳为求解扩张组合矩阵的一致形式(扩张组合矩阵具有不同的结构约束),并推导得到了其中一种方案的解析解计算方法.以一个间歇反应器为研究对象,验证了方法的有效性.

摘要： 针对离心铸造过程现阶段外观检测、渗透检测等方法操作复杂、花费较高,提出一种基于MKECA的离心铸造过程故障监测方法.离心铸造属于间歇过程,包含时间、批次与变量数据信息,正常连续监测方法无法有效提取特征数据,将三维数据沿批次-变量二维展开,提取特征信息,采用MKECA构建炉管质量监测模型,先使用正常批次数据集构建离线MKECA监测模型,再将实时采集数据代入系统内实现炉管故障监测.将乙烯裂解炉管实际生产数据代入炉管故障监测内进行实验研究,验证了该方法的有效性与可行性.

摘要： 针对间歇过程数据的非线性和高斯与非高斯混合分布特性导致故障检测效果不佳的问题,提出了基于多向差分邻域保持嵌入—加权差分独立元分析(MDNPE-WDICA)的间歇过程故障检测算法.首先采用Jarque-Bera检验方法(J-B test)将原始数据空间划分为高斯和非高斯子空间;然后,在高斯子空间,将差分策略与NPE算法结合提出MDNPE算法,对高斯空间数据进行维数约简,在保持其局部结构不变的同时处理非线性,并克服传统非线性处理方法由于引入核函数带来的计算复杂的问题;在非高斯子空间,将加权差分策略与IC A算法结合提出WDICA算法,在充分提取数据非高斯信息的同时解决其非线性,并有效利用数据的局部信息;最后,通过贝叶斯推断构建一个新的监测统计量,实现整个间歇过程数据的故障检测.通过青霉素生产过程仿真结果验证了所提算法的可行性和有效性.

摘要： 由于生物发酵过程的代谢反应没有稳定的工作操作点,使得反应过程具有高度的非线性变化,生产质量伴随严重的时变性演化,导致传统型的PID控制器参数整定困难,控制效果的满意程度较低.该文提出采用多种不同类型的粒子群算法来整定发酵过程PID控制器的参数.结合生物反应过程的机理特性,将整个发酵过程分解成4个子区间,并优化整定得到基于不同类型的粒子群优化算法的子过程PID控制器.仿真结果表明:针对发酵过程的不同特性,可选择不同粒子群算法优化子过程PID参数,以解决实际应用的问题.

摘要： 通常,从生物质发酵生产燃料级化学品(例如丁醇)的工艺存在间歇过程产率低和能源成本高的问题。目前,伦敦帝国理工学院(Imperial College London,ICL)的研究人员与英国BP公司合作,示范了一种新的膜萃取生物燃料工艺,帮助克服上述问题。据报道,该工艺的能耗降低了25%,产率提高了10倍。据参与该研究的ICL研究人员Ji Jionon Kim介绍,在典型生物质发酵过程中生成的丁醇含水。

摘要： 针对间歇过程的实时优化问题,提出了一种基于最优性条件近似法的批间自优化控制策略.首先获取标称工作点的最优输入轨迹形态,将其参数化为少量决策变量,简化问题复杂度.然后根据参数化后的决策变量得到批间优化的最优性条件,并建立批次终端可测变量和最优性条件之间的回归模型,将其作为被控变量进行批间跟踪控制.对一个间歇反应器进行了仿真研究,结果表明方法能有效实现间歇过程的批间自优化控制.

摘要： 针对间歇过程的操作优化问题,提出了一种基于时段变量空间的数据驱动型操作曲线优化新方法.本方法将过程操作跟踪控制问题转换成依时段变量构造的高维线性空间进行主元分析问题,从而避免了直接处理传统意义上比较困难的非线性优化问题.通过对新的高维空间做主元降维和偏最小回归处理,找出不同操作时段对过程终极产品指标的灵敏度和控制作用,以达到对整体操作过程的优化控制.该方法应用于某化工产品的间歇结晶过程中,结果验证了所提方法的有效性的可实施性.

摘要： 针对间歇过程的在线优化问题,提出了一种基于隐效操作变量的优化控制方法.首先在不同操作工况下离线优化得到一系列最优控制参数,从中提取出低维主元变量作为控制系统的操作变量,设计闭环优化控制回路.在线优化时,调节操作变量跟踪控制目标函数梯度为0,使系统在外部扰动作用下实现最优控制.通过隐效操作变量变换,在降低控制系统复杂性的同时提高了优化性能,实用性更强.对一个间歇反应器的仿真验证了方法的有效性.

摘要： 间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要.本文针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的模糊T-S模型的复合迭代学习容错控制方法.首先根据间歇过程的非线性模型,利用扇区非线性方法建立其模糊T-S故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此模糊T-S模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益.针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性.

摘要： 由于间歇过程数据包含表征过程变化的相关信息和非相关信息,并且呈现高斯与非高斯的多分布等特点.为了更加充分的提取数据的有用信息和处理数据的非高斯性等问题,实现有效的过程监控,本文提出了一种基于WMNPE间歇过程监测的改进SVDD算法.首先运用多向邻域保持嵌入(MNPE)算法来提取低维子流形以实现降维;再使用概率权值策略来提取表征过程变化的相关信息,通过Greedy方法提取低维子流形的特征样本,最后以支持向量数据描述(SVDD)方法建立监控模型进行监控.通过青霉素发酵过程仿真平台和一个实际的半导体生产过程数据验证了本文提出算法的有效性.

摘要： 针对间歇过程中出现的缓慢变化故障,本文提出一种累加求和的多向独立成分分析(CUS-MICA)方法.该方法把正常工况下的间歇过程三维训练样本数据按变量展开成二维,对此二维数据应用ICA方法提取独立成分,然后利用CUSUM控制图思想,对提取出的独立成分和残差累积求和,构造I2和SPE统计量,求得各统计量的控制限,建立CUS-MICA模型,对新采集的间歇过程数据预处理后,按照模型求取相应的I2和SPE统计量,并与控制限比对,超过控制限则认为有故障发生.在盘尼西林发酵过程上的仿真结果表明,基于CUS-MICA方法的故障诊断方法对缓慢变化的间歇过程故障的检测效果优于MICA方法.

摘要： 针对具有执行器故障和状态时滞的间歇过程,主要考虑输出反馈与迭代学习控制相结合,即复合迭代学习可靠保性能控制器设计问题,将具有时滞的故障系统转化为等价的2D-FM模型的时滞系统,在等价模型基础上,提出了基于2D动态输出反馈的鲁棒迭代学习可靠保性能控制策略,建立了依赖于时滞、确保系统稳定且具有最优性能的充分条件,并提出具有拓展学习信息的鲁棒迭代学习容错保性能控制的优化设计算法,同时,考虑了时滞对系统稳定性及性能的影响,实现了当系统发生执行器失效故障且在故障允许范围内时闭环系统的平稳运行,并具有最优的控制性能.另外,以注射成型过程保压段的喷嘴压力设计控制律为例验证了所提方法的有效性.

摘要： 间歇过程流股对时间的依赖性增加了其换热网络综合的难度.本文提出了采用间接换热进行换热网络综合的一种方法,且考虑了直接换热,同时提出了合并热储罐的方法,并利用热储罐的特点合并间接换热中的换热器,用以减少设备费用,以热储罐中介质的温度为变量以年度总费用最小为目标函数建立非线性规划数学模型,确定热储罐内介质温度,最后将该方法应用于实例中证明此方法的有效性.

摘要： 本文主要解决带有公用工程和处理时间不确定的间歇过程生产调度问题.基于特定单元事件点的连续时间建模方法,建立混合整数非线性不确定规划模型.采用模糊理论描述公用工程的不确定性,并建立公用工程和生产率之间的模糊线性关系,来间接描述处理时间的不确定性.最后利用加权平均法将不确定模型转化成确定性模型再求解.通过算例验证了模型的可行性和有效性.

摘要： 研究含时滞检测值下间歇过程的状态估计问题.针对间歇过程的非线性非高斯特性以及关键参数在线检测无时滞但精度低、离线检测精度高但时滞大的问题,提出一种基于状态增广及粒子滤波的时滞状态估计方法.该方法通过样本-状态增广法建立时滞状态空间模型来实现两种检测值的信息融合,采用粒子滤波算法对关键参数进行估计并提高估计精度,且克服了离线检测时刻和时滞时间不确定的问题.在数值仿真和啤酒发酵过程中的仿真应用验证了该方法的优越性.

摘要： 本发明提供了一种间歇反应器中间歇反应过程的优化控制方法，包括如下步骤：S100：采用TLBO算法，依据接收到的经济优化指标，计算出控制对象的最优值轨迹作为控制层的参考轨迹；S200：在间歇反应过程中，采用一个线性广义预测控制器保证闭环系统的输入输出信号有界，采用一个非线性神经网络广义预测控制器补偿系统的非线性项，在每个采样时刻根据预设的切换性能指标选择线性广义预测控制器或非线性神经网络广义预测控制器，使被控对象追踪S100得到的最优值轨迹；S300：通过一个底层控制器抑制、消除进入到系统中的扰动对输出的影响，进而将控制对象的值输出。

摘要： 本发明涉及预测器在具有无线或间歇性过程测量的过程控制系统中的使用。公开了一种控制技术，该控制技术允许在基于预测器的控制方案中使用缓慢或间歇性地接收的过程变量值，而无需改变控制算法，该控制技术包括控制器(如PID控制器)和预测器(如基于模型的预测器)，所述预测器被耦接为接收例如形式为来自过程的过程变量测量信号的间歇性反馈。该预测器可以是诸如卡尔曼滤波器的观察器或者可以是史密斯预测器，该预测器被配置为在每个控制器执行循环期间根据间歇性的或缓慢的过程反馈信号产生过程变量值的估计值，同时将新过程变量估计值提供给控制器，以使得控制器能够产生用于控制过程的控制信号。

摘要： 本发明提供了一种间歇反应器中间歇反应过程的优化控制方法，包括如下步骤：S100：采用TLBO算法，依据接收到的经济优化指标，计算出控制对象的最优值轨迹作为控制层的参考轨迹；S200：在间歇反应过程中，采用一个线性广义预测控制器保证闭环系统的输入输出信号有界，采用一个非线性神经网络广义预测控制器补偿系统的非线性项，在每个采样时刻根据预设的切换性能指标选择线性广义预测控制器或非线性神经网络广义预测控制器，使被控对象追踪S100得到的最优值轨迹；S300：通过一个底层控制器抑制、消除进入到系统中的扰动对输出的影响，进而将控制对象的值输出。

摘要： 一种用于诸如聚氨酯或类似物的热固性聚合物的间歇反应性混合和脱气的装置，该装置包括：至少一个可气密密封的容器（1），其中将放置一批热固性聚合物；旋转板（2），卫星旋转板可旋转地安装于其上，容器（1）放置在所述卫星旋转板上以便引起所述容器（1）自转和公转；用于驱动旋转板（2）的第一器件和用于驱动卫星旋转板的第二器件；以及用于将容器（1）放置在真空下的器件（3）；所述装置值得注意的是，它包括用于控制用于驱动旋转板（2）从而提供容器（1）的公转速度的第一器件以及用于驱动卫星旋转板从而提供所述容器（1）的自转速度的第二器件的器件，所述控制器件能够使容器（1）的公转速度和自转速度彼此独立地连续地改变。一种用于热固性聚合物的间歇反应性混合和脱气的过程。

摘要： 本发明涉及预测器在具有无线或间歇性过程测量的过程控制系统中的使用。公开了一种控制技术，该控制技术允许在基于预测器的控制方案中使用缓慢或间歇性地接收的过程变量值，而无需改变控制算法，该控制技术包括控制器(如PID控制器)和预测器(如基于模型的预测器)，所述预测器被耦接为接收例如形式为来自过程的过程变量测量信号的间歇性反馈。该预测器可以是诸如卡尔曼滤波器的观察器或者可以是史密斯预测器，该预测器被配置为在每个控制器执行循环期间根据间歇性的或缓慢的过程反馈信号产生过程变量值的估计值，同时将新过程变量估计值提供给控制器，以使得控制器能够产生用于控制过程的控制信号。

摘要： 一种基于过程迁移模型的间歇过程二阶修正自适应优化方法，将生产过程a、b的三维输入数据矩阵按照批次方向展开为二维输入数据矩阵Xa,Xb；对Xa,Xb按列进行标准化处理，对生产过程a和b的二维输出数据矩阵Ya,Yb进行标准化处理；利用Xa,Xb和Ya,Yb建立潜变量过程迁移模型；令i＝i+1，重复步骤三至步骤四直到提取出A个主元；提取出全部主成分；收集的生产数据信息；采用二阶修正自适应优化方法进行批次间优化；判断当前批次的输入数据与求得的下一批次的最优输入数据之差的范数是否小于预设阈值；过程输出；根据当前批次的最优输入数据和实际输出数据对所述潜变量过程迁移模型进行更新；对旧过程数据进行剔除；对第k+1个批次的优化操作。该方法能高效且显著的提升产品的最终质量和优化过程的效率。

摘要： 一种基于过程迁移模型的新间歇过程最优补偿控制策略，获取A、B两个相似过程数据，并建立过程迁移模型；构建基于过程迁移模型的优化问题，求取初始最优解；设置查询点、计算查询数据与历史数据的相似性；获取相似过程中所选数据的输入、输出偏差数据得到最优补偿值；计算预测性能指标偏差；更新新批次过程的建模数据集；计算第K批次最新预测误差及其第一、第二个置信区间；根据预测误差确定是否进行数据剔除、过程迁移；更新信赖域半径。过程迁移模型能有效解决新间歇过程因数据不足而难以建模的问题；该最优补偿控制策略能对求解新间歇过程优化问题的次优解进行补偿，并通过在线数据实时更新模型来补偿模型对象的不匹配。

摘要： 一种基于潜变量过程迁移模型的间歇过程集成优化方法，获取新生产过程B和旧生产过程A的数据信息，且展开二维数据矩阵以获得Xa、Ya、Xb、Yb；对A和B生产过程的数据矩阵进行归一化处理，并建立过程迁移模型；构造优化问题并求解B生产过程最优解xb(k)*；在单个批次运行期间内对操作变量x设定n个决策点，将其分成n+1段；当到达第i个决策点时，判断是否缺失数据，在决策点形成输入矢量，对未知数据进行补充，预估未来的操作变量轨迹；判断决策点i处是否存在扰动，存在扰动计算新的控制剖面；对操作变量进行补偿更新，对补偿后的优化解进行滤波；获取最终产品质量，并使用新的控制剖面操作第k+1个批次。该方法能有利于提高产品的生产质量。

摘要： 一种基于过程迁移模型的新间歇过程最优补偿控制策略，获取A、B两个相似过程数据，并建立过程迁移模型；构建基于过程迁移模型的优化问题，求取初始最优解；设置查询点、计算查询数据与历史数据的相似性；获取相似过程中所选数据的输入、输出偏差数据得到最优补偿值；计算预测性能指标偏差；更新新批次过程的建模数据集；计算第K批次最新预测误差及其第一、第二个置信区间；根据预测误差确定是否进行数据剔除、过程迁移；更新信赖域半径。过程迁移模型能有效解决新间歇过程因数据不足而难以建模的问题；该最优补偿控制策略能对求解新间歇过程优化问题的次优解进行补偿，并通过在线数据实时更新模型来补偿模型对象的不匹配。

摘要： 一种基于双生自迁移模型的间歇过程分层优化方法，在上层优化中，利用DODE方法生成建模数据集，建立全局RSM；引入MA来补偿模型，通过求解基于RSM的优化问题，得到满足收敛的次优解并作为下层优化的初始优化点；在下层优化中，通过PLS和SVR建立次优解附近的局部模型；考虑两模型相似但不相同的特点，将两模型函数通过权重在在线学习过程中动态组合成双生自迁移模型；依据梯度信息采用批次间自调整优化调整操作轨迹；同时判断下层优化进程是否具有实现预期目标的能力，若不具有，则返回上层并重新为下层寻找次优解；若具有，则继续下层优化，直到满足目标。该方法能在无相似过程数据和少数据情况下实现间歇过程稳定、高效的优化。