诺西肽分批发酵过程混合建模

提出了基于过程机理和神经网络修正的混合建模方法.利用差分进化算法对诺西肽分批发酵过程机理模型的参数进行辨识,用神经网络建模方法对机理模型进行修正.模型的训练与验证数据都取自实际的实验过程-诺西肽分批发酵.验证结果表明,混合模型比单纯的机理模型具有更高的精度.     

基于案例推理的湿法冶金全流程优化设定

湿法冶金全流程具有工况多变、强耦合、非线性等特点,基于机理模型的过程优化控制通常求解困难且难以适应工况变化.为此,提出一种基于案例推理的全流程优化设定方法.由于湿法冶金各生产工序之间存在紧密耦合,运行参数彼此关联,这些关联关系表现为各工况运行参数和各调整变量的优化设定值之间的关系.因此,通过对历史数据进行关联规则挖掘,寻找各运行参数和操作变量的优化设定值之间的规则,将挖掘的规则用于案例修正环节,以解决案例修正中规则难以获取的问题.仿真实验表明,该方法可以提高湿法冶金全流程的经济效益.     

改进差分进化算法及其在发酵优化中的应用

针对发酵过程的补料优化问题,提出一种改进的差分进化算法.为了克服基本差分进化算法在全局最优点附近搜索速度较慢、精度较低的缺点,引入单纯形加速算子以提高算法收敛速度,而针对算法易过早收敛的缺点引入混沌迁移算子,以提高算法种群多样度,增强算法跳出局部最优解的能力.对于有约束优化问题,利用3个准则进行选择操作,使求得的最优解满足约束条件.将改进的算法用于某一类补料分批发酵过程,提高了发酵最终产物产量,表明了该算法的有效性.     

基于差分进化算法的离心式压缩机建模

根据离心式压缩机的工作特性及流体力学、能量守恒和质量守恒等物理学原理,建立了单级压缩机的机理模型.将各级压缩机的模型串联得到了某钢厂CCPP煤气系统低压端三级离心式压缩机的机理模型,并把多级压缩机机理模型的参数辨识问题转化为优化问题,采用差分进化算法确定模型中的未知参数.模型验证结果表明,所建立的模型能够反映离心式压缩机的工作特性,为压缩机防喘控制奠定了模型基础.     

基于改进粒子群算法的诺西肽发酵过程优化

在诺西肽补料分批发酵动力学模型的基础上建立了诺西肽发酵过程产量优化模型,根据发酵工艺选取了决策变量,并确定了变量的边界约束范围.针对标准粒子群算法在求解复杂优化问题时易于陷入局部最优的问题,利用混沌序列具有随机性和遍历性的特点,引入混沌迁移算子,提出了一种改进的粒子群算法.利用改进算法对所建立的诺西肽发酵优化模型进行求解,大大提高了最终产物的产量,证明了所提改进粒子群算法的有效性.     

基于Elman神经网络集成的诺西肽发酵过程建模

针对单神经网络模型外推效果不理想、泛化能力较差的缺点,将神经网络集成用于诺西肽发酵过程的建模.采用Bagging技术进行重复取样用于个体神经网络的训练,结论生成时采用加权平均法,各子网络的权重利用差分进化算法来确定.个体神经网络选用典型的动态神经网络Elman网络,通过对多个Elman神经网络模型的输出进行融合,建立了基于神经网络集成的诺西肽发酵产物浓度模型.最后将所建立的模型与基于单神经网络的模型进行了比较,结果说明该模型具有更高的精度和泛化能力.     

改进PCA及其在真空自耗炉故障诊断中的应用

针对过程变量呈均值阶段性变化的一类生产过程,提出了一种新的主成分分析(PCA)故障诊断方法.该方法通过高通滤波对过程变量进行状态变换,扩展系统,然后采用主成分分析方法对扩展系统进行统计建模,并基于该模型进行过程监测和故障诊断.该方法可以克服普通主成分分析不能消除均值变化对所建模型的负面影响,进而提高故障诊断的鲁棒性和灵敏性.将提出的方法在真空自耗电弧炉中进行应用研究,冷却水泄漏故障诊断结果表明,提出的方法是有效的.     

基于RBF神经网络的非线性主元分析新方法

在分析非线性主元曲线性质基础上,提出了非线性负载是变量X的函数,基于此,设计非线性负载RBF神经网络结构,给出了随机梯度下降算法。提出的非线性主成分分析方法与以往方法比较,得分和负载在概念上具有和线性主成分分析相同的解释,在结构上较为简单,解决了缺乏训练数据问题,训练容易。与线性主成分分析的对比仿真验证了提出方法的有效性。