一种多阶段发酵过程的联合加权支持向量机建模方法

发酵过程是一类具有多阶段特性的间歇过程,在建立其多阶段模型时,各阶段子模型的融合方法特别是过渡阶段的处理方法是研究重点。针对发酵建模过程中过渡阶段的处理问题,提出了一种联合加权支持向量机(SVM)建模方法,利用阶段划分得到的隶属度函数对训练样本数据进行扩展,进而直接建立发酵过程的多阶段模型。实验结果证明,所提出的方法能够很好地处理各阶段间的过渡过程,提高了模型精度。     

基于样本稀疏化高斯过程的发酵过程软测量建模方法

提出了一种基于样本稀疏化高斯过程(GP)的发酵过程软测量建模方法。该方法将聚类和灰色关联度分析相融合，综合考虑样本点间欧式距离和各个特征向量对样本点间相似度的影响，通过剔除相似度比较大的样本点，实现训练样本集的稀疏化，降低了模型的计算复杂度。利用基于样本稀疏化的高斯过程构建青霉素发酵过程的软测量模型，同时得到青霉素浓度的预估值和表征预估值的不确定度，实验结果表明，本文所提方法与标准GP方法相比，在保证模型预测精度的前提下，减少了模型的训练时间。     

基于虚拟仪器技术的过程实时数据管理系统研究

针对流程工业过程实时数据的高效管理问题,提出了一种基于虚拟仪器技术的过程实时数据管理系统设计方法,给出了系统的体系结构;构建了一种基于Hash二叉树的改进型数据查询和索引结构,该结构提高了实时数据访问和索引的效率。通过基于ADO.NET的接口程序和数据压缩模块实现了对历史数据的管理。实验测试表明,该系统在处理实时数据方面具有高度的稳定性和可靠性。     

基于马氏距离的最终执行元件功能安全失效表征

针对现有最终执行元件功能安全失效分析方法未能切实考虑实际工况的不足,提出了一种基于马氏距离的最终执行元件功能安全失效表征方法。预先获取各状态下最终执行元件的工况参数,构建样本空间,计算其中各样本的马氏距离;其次对马氏距离进行Box-Cox变换,使其满足正态分布后,由3σ准则确定各状态的阈值,构建最终执行元件的失效表征模型;最后利用所设计的检测系统检测工况参数,构建样本向量,通过所构建的失效表征模型实现最终执行元件功能安全失效表征。仿真实验和现场实验结果表明,本文方法能够准确识别出最终执行元件的功能安全失效,为其失效分析提供了一种新的方法。     

基于非参数回归的发酵过程软测量建模

为了对发酵过程进行检测并分析发酵中产物的浓度,提出一种基于非参数回归的发酵过程软测量方法。该方法直接利用未经处理过的历史数据,采用多维窗宽选择方法确定窗宽,通过计算待估计点与历史数据库中其他时刻点数据的距离来确定该时刻点的权值,从而达到软测量建模的目的,并将其用于青霉素发酵过程产物浓度的测量。实验研究表明,所得软测量模型精度较高,能够有效地实现对青霉素发酵产物浓度的估计。     

基于容差动态调整的旋转门(SDT)改进算法

提出了一种基于容差动态调整的旋转门(SDT)改进压缩算法,该算法通过在数据压缩过程中,根据相近两个压缩区间的标准差对容差进行动态调整,并记录在压缩区间内对压缩精度影响较大的原始数据点,实现了压缩率的提高,压缩误差的降低。应用结果表明,该算法与标准的SDT算法相比,压缩率可以提高0.10%,而压缩精度却提高了56.7%。     

微生物发酵乙醇浓度在线检测模型及其应用

利用半导体气敏传感器,结合气液平衡关系原理,提出了一种微生物发酵乙醇浓度在线检测模型的建立方法。该方法利用LM(Levenberg-Marquardt)算法对模型进行参数辨识,建立了液体乙醇浓度和测量电压信号两个物理量之间直观的非线性对数模型,并采用虚拟仪器技术实现了该模型算法。将模型应用于谷胱甘肽发酵中乙醇浓度的检测,实验与分析表明了该模型的有效性,检测绝对误差小于0.1%,重复性好,能够很好地满足微生物发酵工程应用需求。     

基于滑动时间窗口加权MPCA的间歇过程监测方法

针对间歇过程的时段划分问题,提出了一种滑动时间窗加权MPCA方法,利用了相邻观测数据所蕴含过程信息的相关性,降低了过程扰动、观测噪声以及多阶段间过渡过程等不确定性因素对时段划分的影响,进而改善了间歇过程的监测效果。将所提出的方法应用于青霉素发酵过程阶段划分和监测,实验结果表明,所提出方法与常规MPCA相比,能够得到更好的效果。     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制。     

基于高斯性检验的自适应小波去噪方法

针对软阈值和硬阈值去噪算法存在的缺陷，提出了一种基于高斯性检验的自适应非线性阈值去噪方法。该方法根据信号和噪声的模极大值特性自适应确定分解层数，引入高斯性检验选择软阈值和硬阈值方法对每层小波系数进行降噪处理。仿真结果表明，该自适应滤波方法简单有效、稳定性高，去噪后信号信噪比得到很大提高，且不同仿真信号结果都明显优于经典的小波去噪算法。