【摘 要】
：
流程工业的规模发展越来越大,有效建立过程模型对于生产过程优化控制有重要意义。当前基于数据驱动的智能建模成为了控制科学与工程领域的研究热点。神经网络技术是典型的数据驱动技术,已经广泛应用于过程建模。其中,回声状态网络（Echo State Network,ESN）作为典型的递归神经网络,训练速度快,泛化能力强,能够有效处理动态时序数据,因此研究新型可靠的ESN用于复杂工业过程建模具有重要的理论意义和
【基金项目】
：
国家自然科学基金项目《复杂过程系统虚拟样本生成方法研究》（No.61973024）； 国家自然科学基金项目《基于VSG及ELM的复杂石化过程智能建模方法研究》（No.61703027）；
论文部分内容阅读
流程工业的规模发展越来越大,有效建立过程模型对于生产过程优化控制有重要意义。当前基于数据驱动的智能建模成为了控制科学与工程领域的研究热点。神经网络技术是典型的数据驱动技术,已经广泛应用于过程建模。其中,回声状态网络（Echo State Network,ESN）作为典型的递归神经网络,训练速度快,泛化能力强,能够有效处理动态时序数据,因此研究新型可靠的ESN用于复杂工业过程建模具有重要的理论意义和实用价值。通过参考相关文献,本文的主要工作如下:针对传统ESN储备池中神经元冗余影响建模精度的问题,本文首先提出基于输入属性空间划分的多储备池ESN模型（Multi-Reserve Pool ESN,MRP-ESN）。在MRP-ESN模型中,通过k-shape算法将输入空间划分,根据划分结果建立多储备池ESN模型。为了进一步提高模型精度,基于集成思想,提出了集成不同激活函数的MRP-ESN模型（Multiple Activation Functions-MRP-ESN,MAF-MRP-ESN）。首先建立了基于正弦函数、余弦函数、双曲正切激活函数的MRP-ESN,最后将三种模型集成,进一步提升了建模精度。通过UCI数据和过程工业数据对本文所提出的模型进行了验证,仿真结果表明本文所提出的模型具有可行性,其中MAF-MRP-ESN具有最好的模型性能,为复杂石化生产过程提供了可靠的智能模型。
其他文献
当下,工业生产过程愈发繁杂,需要控制的节点不断增多,进而对关键节点的预测也有了更高的要求。在以往的传统工业生产过程中,通常采用传统的点预测对关键变量进行预测估计,然而随着实际工业过程日渐复杂,仅仅依靠点值无法对变量进行不确定分析,故点预测方法在一定程度上无法满足监控关键变量的需求。区间预测作为一种趋势分析方法,对复杂工业过程中关键变量的预测有较高的精度,并且可以直观地对关键变量变化趋势进行观测,已
简缩极化SAR是合成孔径雷达领域的一个新方向。作为一个独特的双极化模式,简缩极化技术能够获取相对于传统双极化模式更加全面的信息,以及相对于传统全极化模式更大的成像幅宽。因此近年来受到了许多学者的广泛关注。简缩极化分解是提取简缩极化数据信息的重要方式。目前,对于简缩极化SAR目标分解主要有三大思路:基于波的二分解理论的方法、基于特征值的方法以及基于模型的方法。然而,对于目前大多数分解方法,都存在着高
随着科技的不断发展,各个行业领域所积累的数据信息与日俱增,不平衡数据问题无处不在,相关分类问题已成为数据挖掘领域的一个研究热点。针对不平衡数据分类问题的研究主要分为数据层面和算法层面两个角度,本文将从上述两个角度展开研究工作。本文首先将合成少数类过采样技术（SMOTE）与支持向量机（SVM）结合,形成SMOTE-SVM算法。将该算法在UCI数据集和实际工业数据集中进行试验,分析其在数据生成与分类上
磁共振成像（MRI）是目前医学领域内普遍采用的一种影像技术,其基本原理是核磁共振,即人体（处于强磁场中）中的氢原子核被特定频率的射频脉冲激励而产生共振,向外辐射射频信号,这个回波信号被采集,并通过特定的方式重建以得到人体图像。传统上MRI的射频回波信号是通过同轴电缆从屏蔽室的低噪前置放大器传送到设备室的谱仪进行采集,这种情况下模拟信号的传送必然存在一定的衰减,并且容易受到干扰。因此,为了改善MRI
血浆是最可靠、最方便的疾病诊断生物标志物来源,广泛用于即时诊断。然而,在进一步分析生物标志物之前,需要从血液中提取血浆,血浆的提取是许多临床测试的先决条件。血浆中含有多种蛋白质标志物,因此检测血浆中的蛋白质是最直观可靠的。使用微流体技术可以显著降低分析成本,并使分析设备小型化,使生物样本分析过程变得更加简单。介电泳技术是一种主动分离法,和离心、过滤等传统方法相比该技术操作简单,生物危害少。介电泳在
理论研究与工程实践表明,模型预测控制面向处理复杂化工过程的非线性、大时滞等特性是一种有效的方法。然而,其预测模型的建立通常需要进行现场的在线测试、而影响正常生产;另外,化工过程由于受到原料状况以及调度策略的改变、产生多种操作工况,这会使得单一工况的预测模型出现较大偏差,从而降低模型预测控制的性能。针对以上问题,论文研究了一种基于数据深度学习的化工过程多工况模型预测控制方法（MC-MPC）,所完成的
在传统石油、化工等一些复杂工业过程的优化控制中,针对工业实际需求,人们一直致力于生产质量、生产效率及自动化的发展。在解决像操纵变量决策优化等复杂问题时,通常受到模型不确定及大时滞的影响。基于最优控制理论方法的提出及其应用,推动了工程控制领域的发展。但是这些方法往往依赖专家经验驱动决策方向,容易受模型失配和维度灾难问题的制约,由于时延问题导致的策略实时优化难以实现。针对以上问题,本文提出了一种基于目
广袤的海洋蕴藏着丰富的资源,船舶业飞速发展,各类船舰在海洋中长期航行,会导致海洋生物长期附着在船舶表面,从而大大增加船舶阻力,降低船舶行驶速度,增加油耗,缩短船舶服务寿命,因此船体表面附着物的清洗是实现船舶节能减排的重要途径之一。我国针对船体的清洗技术仍落后于发达国家,尚不能满足国内船舶市场需求。研发自动化程度高的船体清洗机器人,具有重要意义。本文结合船体清刷ROV（Remote Operated
近年来科技发展迅速,移动机器人的应用更加多元,而实现其在工业和生活更深维度应用的一个重要前提是定位与对于环境的感知建图,SLAM技术作为实现移动机器人定位建图的关键成为研究热点。本文研究了RGB-D相机和IMU传感器融合的SLAM方案,只是视觉SLAM虽能够实现定位与建图,却不能实现场景中语义信息的提取,场景中的语义信息可以通过基于卷积神经网络（CNN）的语义提取算法提取。因此总体来说,本文采用视
给水管网是一个城市中不可缺少的基础设施,是城市居民生活和工业生产的生命线工程。随着人口的逐年增长以及城市的扩张,城市用水需求持续增加,城市现存的老旧给水管网不能满足城市用水需求,使得城市给水管网改扩建工程十分必要。科学合理的给水管网设计方案不仅能够节省管网建设成本和运行维修费用,还可以增加供水系统的可靠性。本文通过研究给水管网的优化设计,设计了给水管网优化模型,提出了一种改进麻雀搜索算法,对给水管