深锥浓密机底流浓度模型及动态压密机理分析

泥层高度和底流浓度是深锥浓密机最为重要的两个参数,因此有必要研究底流浓度随泥层高度的变化规律.采用自制小型深锥浓密机,对尾矿非连续/连续动态压密过程进行了物理实验;借助于有效孔隙比与泥层压强间遵循的Power函数关系,结合对尾矿颗粒的受力分析,推导出了底流浓度与泥层高度的数学模型,揭示了浓密机底流浓度与泥层高度的内在关系,并从尾矿颗粒空间结构的角度解释了该模型的变化规律;结合矿山生产对于底流浓度的要求,应用该数学模型,为其推荐了泥层高度的合理范围,验证了底流浓度数学模型的可靠性.该模型为深锥浓密机的设计和运行提供了理论依据.     

基于PCA和LS-SVM的软测量建模与应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力.应用结果表明,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.     

基于DRFNN的赖氨酸发酵生物参数估计

赖氨酸发酵过程是一个复杂的非线性强耦合动态过程,发酵过程中某些关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测.针对这些问题,建立了基于动态递归模糊神经网络(DRFNN)的赖氨酸发酵生物参数估计软测量模型.利用主元分析法建立发酵过程中在线不可测参数的软测量模型,应用动态递归模糊神经网络所具有的自学习、自适应能力以及对任意非线性的逼近能力,对该模型进行辨识,从而达到预测这些关键生物参数的目的.仿真结果表明该方法能够对赖氨酸发酵过程中不可在线测量的生物参数进行估计,且达到了较高的精度.     

深锥浓密机底流浓度预测与外部结构参数优化

针对困扰支持向量机(SVM)模型参数选择问题,结合遗传算法(GA),建立了深锥浓密机底流放砂浓度的GA-SVM预测模型,研究了不同结构参数状态下底流浓度的变化规律,进行了深锥浓密机的外部结构参数优化选择。以司家营铁矿为例,在最优底流放砂浓度为72%的条件下,经外部结构参数优化后的深锥浓密机锥高10m、锥角为30°,系统稳定可靠、底流连续均匀,动力荷载较同类矿山降低约15%,压耙停机故障降低80%。     

基于稳定学习的碳酸碱浓度模糊建模

针对氧化铝生产过程中原矿浆制备工序碳酸碱浓度机理模型难以建立,无法实现在线检测的问题,通过对铝酸钠溶液温度和电导率的特性分析,提出一种基于同步聚类和稳定学习的碳酸碱浓度模糊建模方法。首先采用同步聚类算法将建模数据分类,并对聚类中心及分类进行离线修正,然后对每类数据进行模糊TS(Takagi-Sugeno)建模,并采用稳定学习算法对模型参数进行在线校正,保证辨识误差有界。将该方法应用于氧化铝生产过程碳酸碱浓度的软测量,现场实际数据预测结果表明了方法的有效性。     

基于核偏最小二乘的砷盐净化除钴过程钴离子浓度软测量

针对锌湿法冶炼砷盐净化除钴过程中钴离子浓度无法在线检测给生产优化控制带来困难的问题,建立基于机理模型和核偏最小二乘(kernel partial least squares,KPLS)参数辨识的钴离子浓度软测量模型;考虑到过程具有时变性,根据所建立的软测量模型特点,提出一种双向递归KPLS模型参数更新和滤波修正相结合的模型在线校正方法,以提高软测量模型精度;同时,采用基于主元分析和贝叶斯分类的异常值在线检测方法实现对参数辨识相关检测量的实时异常值在线检测,保证用于参数更新数据的有效性。研究结果表明:所建钴离子浓度软测量模型跟踪效果好,满足实际生产过程预测精度要求,解决了钴离子浓度无法在线检测给优化控制带来的困难,可为生产过程的优化控制提供指导。     

基于改进的GA-LSSVM的软测量建模方法

针对工业过程中某些重要过程变量难以实现在线测量的问题,提出了一种改进的最小二乘支持向量机(IGA-LSSVM)的软测量建模方法.该方法采用核独立分量分析(KICA)对高维数据进行特征提取,利用改进的最小二乘支持向量机进行建模.该方法既利用了最小二乘支持向量机求解速度快的特点,又利用了自适应遗传算法强大的全局搜索能力,增强了模型的自适应性.用该方法建立柴油凝点的软测量模型,结果表明,基于IGA-LSSVM方法建立的软测量模型具有较高的预测精度和泛化能力.     

基于即时学习算法的软测量建模方法

针对工业过程中存在许多难以直接测量变量的问题,提出1种基于即时学习算法的软测量建模方法.提出k-矢量近邻方法建立系统的当前工况点的建模邻域,以提高即时学习算法的预测能力,利用递归最小二乘算法简化建模的在线计算量,通过PRESS估算得到算法的最优解,优化了算法,应用该算法对某一化工厂产品的酯化率进行测量建模,预测得到的最大相对误差为0.8742%,证明该方法的泛化性能良好,满足实际测量的精度要求,是1种便于理解,易于实现的软测量方法.     

基于嵌入式系统的中药提取软测量方法研究

针对中药提取过程中软测量建模的计算机在线实现问题,将遗传算法（GA）和支持向量机（SVM）相结合,对葛根素在线提取过程进行软测量建模,并将该软测量模型固化到基于树莓派的嵌入式系统,构建了葛根素提取率的在线检测系统。该系统实现了下位机的在线实时温度数据采集、提取率计算、数据发送和结果三维显示,能完成上位机软件的软测量模型更新、数据存储、历史数据显示、数据包解析和三维坐标系显示提取效果等功能。与紫外分光光度计的离线检测方法相比较,本文方法得到平均相对误差为4.33%,具有实时性好、测量精度高、操作简便等优点。     

发酵过程中生物量浓度的在线估计

在发酵过程中,像生物量浓度等变量都是进行实验室的离线采样分析,这往往由于存在较大的时间延迟而不能及时地进行过程控制,达不到指导生产的目的.而软测量技术为该问题提出了一个很好的解决办法.基于神经网络与最小二乘支持向量机分别建立了生物量浓度的在线检测软测量模型.模型分为两类:黑箱模型与混合模型.模型的训练与验证数据都是取自真实的实验过程诺西肽发酵.结果表明软测量方法对生物量浓度具有很好的预估性能,而且加入先验知识的混合模型精度更高.     

基于IRLS-ELM生物发酵在线软测量建模方法

为解决生物发酵过程中生物量浓度难以在线测量的问题,提出一种基于改进的最小二乘正则化极限学习机(IRLS-ELM)软测量建模方法并将其应用于红霉素发酵过程生物量浓度的在线预测中.根据误差反馈原理,将训练误差作为输入建立带反馈的神经网络,以提高模型预测精度.并将加权最小二乘法引入到ELM中改进其数学模型,削弱离群点或者不稳...     

基于深度学习图像分析的晶体特性反馈控制

针对晶体尺寸期望以及标准偏差特性的在线反馈控制问题，提出一种基于深度学习图像分析的在线反馈控制方法.首先，通过基于深度学习神经网络的晶体图像分析方法在线分析晶体的形状与尺寸；然后，对图像分析的结果进行数学统计分析，得到某一批次晶体的尺寸期望与标准偏差；最后，针对晶体尺寸期望和标准偏差控制的欠输入特性设计了一种路径跟踪算法与PID相结合的反馈控制器，以获得具有目标尺寸期望与标准偏差的晶体.通过明矾冷却结晶实验验证了所提方法的有效性和可行性.     

即时学习多模型加权GPR软测量方法

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行即时建模,最终多模型加权获得最终的预测结果.将所提方法应用于实际的工业炼胶过程,实验结果表明,该方法具有很好的预测性能.      

传感器故障在线诊断和信号恢复的两级神经网络方法

目的研究控制系统中传感器软硬故障诊断和信号恢复．方法提出一种两级神经网络（ＮＮ）包括一个主神经网络和若干个局部神经网络方法．主神经网络负责诊断传感器故障,其输入为各传感器在时刻ｔ的信号,输出为各传感器在时刻ｔ＋１的信号．各局部网络负责传感器故障诊断和信号恢复．每一个局部网络对应一个传感器,局部神经网络输出为相应的传感器在时刻ｔ＋１的信号,其输入为其余传感器在时刻ｔ的信号．各网络均采用先学习,后工作的在线学习方法．结果与结论所述方法具有在线学习、故障误检率低、可以诊断多个传感器软硬故障的优点．对气垫船中传感器软硬故障诊断的仿真结果表明,该方法是行之有效的．     

基于PCA-BLS的逆变器故障诊断

为了确保电气设备的安全可靠运行,提出基于主成分分析法与宽度学习系统的逆变器故障诊断方法。利用主成分分析法对逆变器输出的电流信号进行处理,提取信号特征;构建宽度学习系统,并编写不同故障模式下的故障编码;利用不同故障模式下的信号特征对宽度学习系统进行训练,利用网络输出编码实现故障分类。仿真结果表明,该研究方法在诊断准确率及训练时间方面优于传统的神经网络故障诊断方法。     

基于AdaBoost.R2和ELM的软测量新方法

针对软测量建模的特点提出了一种基于AdaBoost.R2和ELM的软测量新方法,该方法依据AdaBoost.R2可以提高单一学习机精度和ELM学习速度快的特点,将二者结合起来实现软测量建模.这种结合使得新的软测量方法在提高软测量模型预测精度的同时保证了软测量模型的建模速度.该方法已经应用于抚顺老虎台矿冲击地压预测中,实验结果表明其冲击地压软测量模型具有良好的预测精度.     

面向移动云计算的轻量级数据完整性验证方法

研究了面向移动云计算的数据完整性验证技术,依托BLS短签名算法和Merkle哈希树,提出了一种适合在移动云计算环境中部署的数据完整性验证方案.该方案针对移动云计算环境中的移动设备计算能力较低和通信传输能力较弱的情况进行设计,能以相对较少的计算量和较低的数据通信量完成可信度较高的数据完整性验证.该方案还具有支持验证外包、无需源文件块直接参与验证、验证中无状态信息保存、以及支持对云端数据的动态操作等特性,适合于移动云计算环境中面向数据的应用.     

基于循环系统的膏体浓密机底流调控及其数学模型

为了保证浓密机在高料位下不压耙,一般通过增设循环系统使料浆始终处于活化状态,降低耙架运行阻力.然而,目前循环参数对底流的影响规律不明确,造成系统的设计及应用缺乏科学依据,为此开展了循环参数对底流的调控研究.分析循环系统的作用原理,将循环系统作用范围划分为两大区域,揭示循环参数对底流的调控机制,运用微积分原理对区域内的底流体积分数变化进行求解,最终建立浓密机底流调控数学模型.最后,利用该模型对底流循环实验参数进行验证.研究结果表明:开启底流循环后,底流体积分数开始降低并最终趋于稳定,底流体积分数差随着循环流量及循环高度增大而增大,体积分数变化幅度为0.7%~2.2%,稳定所需时间随流量及高度增加而减小.该理论模型完全吻合验证结果函数,为循环系统的设计及运行提供理论依据.