一种主元分析方法在聚合生产过程故障监测与诊断中的应用

对聚合生产过程中的操作变量进行主元分析，提取过程变量的主要特征，建立主元模型，可实现对多变量过程数据的压缩．在不减少原信息主要特征的基础上，有效地去除了测量噪声．将主元分析应用到聚合反应生产过程故障诊断系统中，大大减少了监测变量个数，能够实现对过程状态的有效监控；异常状态可根据变量对统计量贡献值的大小来确定故障源．     

离散变量结构优化设计中变量和约束的分解与简化

提出了优化设计中对设计变量和约束条件进行缩减和分解的方法．设计变量可分解为基本设计变量和复合设计变量，复合设计变量是基本设计变量的函数或综合；约束条件可根据它与计算过程的关系和作用范围分步、分阶段考虑；对于离散结构的实体杆件，可以很据受力和对结构的作用情况分成5类，常用截面分成24种类型．最后通过一个三维空间实例，证明所提方法优化效率高，效果明显，可节约材料39．26％，是求解大规模离散变量工程结构最轻设计问题的较好方法．     

转轴变换下的不变量的简易证明

给出了二次曲面在转轴变换下的六个不变量的简易证明．类似地，可给出二次曲线在转轴变换下的四个不变量的简易证明．     

新型径向柱塞泵液控伺服变量机构的研究

介绍了为径向柱塞泵配置的液控伺服变量机构的原理,并对其性能进行分析．这种变量机构不仅容易实现定子偏心位移反馈,而且可平衡泵在工作过程中定子所受单向力,从而提高了控制性能．仿真结果表明：此种液控伺服变量机构能使泵在变量过程中具有良好的动态性能．     

数据库实用编程技巧──宏替换函数的应用

数据库管理系统是数据管理、信息管理领域中最实用的技术，它广泛应用于财务会计、工资管理。科研项目、学生成绩、人事档案、生产调度、经营计划、财政税收、银行帐目等各个管理部门．在我国最常用的数据库管理系统有dBASEⅢ和FOXBASE＋．数据库设计程序时采用“模块”设计，即把应用程序分成几个功能模块，在功能模块完成之后，再设计主模块．在编制程序的过程中，经常要用到定代换函数，其格式为：＆＜字符内存变量＞它的基本功能为：把字符型内存变量的值代换出来．在数据处理中，宏代换函数有着广泛的应用，主要应用在下面的几个…     

模糊控制在甜菜制糖渗出系统中的应用

一些复杂的工业过程，既不容易建立数学模型，又具有多个输入输出变量．针对这类过程，提出一种实用的控制方法，即将复杂控制系统划分为多个子系统，子系统本身采用模糊控制，子系统之间采用传统控制，并将其应用于甜菜制糖渗出过程的微机控制系统中，实际运行取得了满意的效果．     

次高斯变量的判别准则及其应用

以实次高斯变量和复次高斯变量的定义为基础，得到了次高斯变量的4个判别准则，然后讨论了次高斯序列决定的随机函数F的e^λ｜F｜^2的可积性．     

描述裂纹愈合过程的内变量

在连续介质热力学框架内，以热力学第二定律为出发点，推导出裂纹愈合耗散不等式，确定了描述裂纹愈合过程的热力学内变量H的定义形式．裂纹愈合过程内变量的提出，不仅可以将裂纹愈合过程模型化，而且还可以建立裂纹愈合过程的演化方程和本构方程，为裂纹愈合过程的定量分析提供可能性．     

常压蒸馏塔的多变量预估控制

针对兰州炼油厂二套常减压装置常压蒸馏塔，采用先进的多变量预估控制器实现产品质量和实时优化控制．根据控制器在现场的实际投运表明，多变量预估控制器ＩＤＣＯＭ能成功地解决过程模型的大时滞和多个变量间具有强关联作用等控制应用难题．     

计算机联锁控制系统数学模型的研究

利用现代控制理论与系统工程学的方法，研究计算机联锁控制系统建立数学模型的方法．系统建模后，利用状态树的方法把系统的全部状态过程分解为若干个子过程，针对每一个过程，建立起系统的解析模型．根据解析模型，选择适当的编程语言，可将系统模型表达为计算机程序模型．这样的系统建模方法与解析方式，能够准确地描述计算机联锁控制系统的全部动态过程以及表达各个变量之间的复杂关系，从而使计算机联锁控制系统编程标准化，同时也为系统功能的检测提供了依据．     

基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模

为提高数控机床热误差模型的预测精度,提出了将主成分分析与BP神经网络相结合的主轴热漂移误差的建模和预测方法.使用主成分分析法对多个温度变量进行降维处理或重新组合,将处理后所得较少的主成分变量作为样本输入BP神经网络进行训练而得到主轴热漂移误差模型,并与经过测点优化后以关键点温度作为输入的BP神经网络模型进行对比分析.结果表明：基于主成分分析与BP神经网络相结合的主轴热漂移误差模型的拟合精度较高,残差较小;由于BP神经网络的输入变量较少而使所提出的模型训练速度快、迭代次数少.     

基于主成分分析和代理模型辅助的多目标生产优化方法

多目标优化方法常用于考虑地质不确定性时进行油藏鲁棒生产优化,该方法能够同时优化历史拟合得到的多个概率模型的平均经济净现值和经济净现值的离散程度,从而得到一组权衡多个目标的最优生产方案。然而,多目标优化过程涉及的决策变量规模大,且基于常规数值模拟的目标函数评估计算耗时长。对此,本文提出了一种基于主成分分析和代理模型辅助的多目标生产优化方法(K-MOEA/D-PCA),采用主成分分析对大规模决策变量进行降维,然后借助基于代理模型辅助的多目标进化算法,通过设计计算高效的近似函数来代替常规数值模拟进行生产优化,最终得到目标油藏的最优生产方案。为验证提出方法的有效性,将其应用到标准测试模型(Egg模型)。结果表明,提出的K-MOEA/D-PCA方法,通过降低变量的维数,可以有效解决具有大规模变量的油藏多目标生产优化难题,实现优化效率和方案精度的平衡。     

质量控制中的统计相关分析与建模

介绍了统计相关分析方法及其在连续过程产品质量相关因素分析和质量指标的建模与估计中的应用。描述了多元统计分析中的主元素分析和部分最小二乘两种方法,并将这些方法用于连续过程的质量控制,进行炼油过程油品质量相关因素的分析和质量指标的统计建模与预测,对不同条件下的模型预测结果进行了分析比较。结果表明,统计分析是一种收集、整理、分析数据的有效方法,模型预测精度很高,它将为连续过程质量控制开辟新的途径。     

卷取张力控制过程的故障诊断

在冶金工业生产中,带材的卷取过程会直接影响产品的最终质量.卷取张力是保证卷取过程稳定的重要因素.因此卷取张力控制过程的故障诊断具有现实意义.采用偏最小二乘（Partial Least Squares,PLS）对卷取张力控制过程的故障进行诊断.PLS是一种利用统计原理提取过程数据中的有用信息建立过程模型的降维技术.它不仅可以完成数据降维和特征提取,还考虑了输入、输出数据之间的回归关系.通过PLS分解可以降低空间的维数,使提取的主元具有变化度和可区分性,最后根据T²和Q统计量实现故障检测,通过累计贡献图实现故障识别.仿真结果验证了方法的可行性.     

基于故障重构的PCA模型主元数的确定

基于故障重构理论研究了PCA模型主元数的确定方法,应用累积方差贡献率以及复相关系数对主元模型性能进行分析·在基于PCA理论进行故障诊断中,故障变量可根据故障的方向向量进行重构,未重构方差(VRE)可分别投影于主元子空间(PCS)和残差子空间(RS)·确定最优重构是使两空间的VRE之和达到最小,与此相对应的主元数即为最优主元数(PCs)·应用累积方差贡献率以及复相关系数对主元模型性能进行评价,结果表明确定的PCA模型PCs保证了PCS中的信息存量·对于工业PVC聚合反应过程的故障诊断说明了上述方法的合理性与有效性·     

基于主成分分析和支持向量机分类模型的滚动轴承故障诊断

为了提高滚动轴承故障诊断的准确率,提出一种基于主成分分析(principal component analysis,PCA)和支持向量机(support Vector machine,SVM)模型的滚动轴承故障诊断方法.通过比较不同方法计算的标准差和拉依达准则对数据进行误差分析,利用MATLAB软件中的PCA函数对数据进行主成分分析,将8个原始变量降维成3个综合变量,分别从降维前和降维后的输入属性数据中随机选取70％的数据作为训练集来建立SVM分类模型和PCA-SVM分类模型,而把剩余的30％作为测试集来对模型的性能进行仿真测试.MATLAB仿真测试的结果表明,PCA-SVM模型的分类效果更好,其预测正确率对于绝大多数故障诊断来说是可以接受的,可以作为一种故障诊断的评价标准.     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种基于主元分析和模糊聚类的数据预处理算法。采用模糊C均值聚类算法得到聚类中心，进行线形回归从而对过程变量数据进行了预处理。主元分析法则用采进行辅助变量的选取和输入高维向量的降维简化．针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型。根据工业实际生产数据进行的模型校验和误差分析表明，能够满足浮选过程控制的精度要求。     

流化床喷雾制粒神经网络模型及其应用

建立了反映流化床喷雾造粒过程参量同产品物性之间映射关系的BP神经网络模型。在建模中运用了正交实验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术，对网络结构及其参数进行了优选。网络模型输出同实验结果非常接近，具有广泛的适应性。该网络可以实现各种定量分析计算，例如：预测在特定过程参量下的产品粒径，或者根据指定的产品目标，确定合适的工艺参量等。     

基于SPC的高炉炉况异常检测研究

针对高炉冶炼过程复杂多变,影响高炉炉况的因素众多且运行过程复杂,为保证高炉炉况稳定顺行,开发了一种基于主元分析(PCA)和统计过程控制(SPC)的高炉炉况异常检测模型。由于高炉运行参数具有高耦合和非高斯的特点,该模型首先采用主元分析算法对高炉实际生产的历史离线数据进行聚类分析,然后应用基于T²统计量的多元控制图和单值控制图对聚类后的新变量和相关参数进行监测,从而达到监测高炉出现异常炉况的目的。该模型可以实时监测高炉炉况的异常波动,其中PCA算法将高炉本身的高维数据降到低维,大幅去除数据中的噪声和不重要特征,在实际生产和应用中,节省了大量的成本和时间。选取马钢某高炉炼铁过程为应用场景,结合数据特点调整和改进算法,通过历史数据模拟和实时在线运行验证模型的可靠性和算法的有效性,同时也对指导高炉实际操作技术做出了一定的贡献。