【摘 要】
:
针对调和汽油辛烷值建模中的变量选择问题、模型适应性问题与辛烷值的优化问题,采用随机森林、最大信息系数与皮尔森相关系数组合提出了一种辛烷值建模变量选择的方法.还提出一种基于BP神经网络与模糊神经网络的建模方法,建立对辛烷值的预测模型,提高了辛烷值预测模型的适应性.在此基础上,对基本粒子群算法进行了改进,改进后的粒子群算法更符合实际生产对操作变量允许调整幅度值为确定值的要求,并且提高了优化算法的计算速度.
论文部分内容阅读
针对调和汽油辛烷值建模中的变量选择问题、模型适应性问题与辛烷值的优化问题,采用随机森林、最大信息系数与皮尔森相关系数组合提出了一种辛烷值建模变量选择的方法.还提出一种基于BP神经网络与模糊神经网络的建模方法,建立对辛烷值的预测模型,提高了辛烷值预测模型的适应性.在此基础上,对基本粒子群算法进行了改进,改进后的粒子群算法更符合实际生产对操作变量允许调整幅度值为确定值的要求,并且提高了优化算法的计算速度.
其他文献
泡沫灭火剂是常用的火灾扑救方法之一,但常规泡沫灭火剂存在半衰期短,析液、聚并迅速而影响灭火效能的问题,基于火灾化学和活性剂技术,提出碳氢表面活性剂SDS、有机硅表面活性剂LS-99和低碳醇的三元系泡沫体系,并系统探究碳氢/有机硅/低碳醇的复配配比.通过表面张力、发泡高度、稳泡系数的大量测试,发现LS-99的临界胶束浓度为0.0083%.LS-99和SDS二元系在降低表面张力、提升发泡高度和稳泡系数方面具有良好的协同增效作用.在此基础上引入适量浓度的能够延缓泡沫析液、聚并的异丁醇,设计出了性能优良的碳氢/有
基于机器学习的入侵检测模型在网络环境的安全保护中起着至关重要的作用.然而,入侵检测数据集存在不平衡类问题,限制了分类器对少数类的检测性能,降低了少数类的检测率.为了解决入侵检测数据集数据不平衡的问题,提出一种新的混合采样技术(SSG),由基于支持向量机(SVM)合成少数类过采样(SMOTE)算法和高斯混合模型(GMM)欠采样聚类技术相结合.其次,为了解决网络入侵数据特征学习不充分的问题,运用特征提取功能强的膨胀卷积神经网络模型(DCNN),使用膨胀卷积来增大对信息的感受野,从而提取高级特征.在UNSW-N
利用定容燃烧弹爆炸实验平台结合高速纹影摄像技术,系统研究了组分浓度和当量比对氢气/二甲醚/甲烷三元混合气体燃料爆炸特性的影响.结果表明:平均火焰传播速度Sa随氢气浓度XH2的增加单调递增,随二甲醚浓度XDME和甲烷浓度XCH4的增加单调递减.压力峰值pmax与XH2的关系受到当量比φ的强烈影响,当φ=0.8、1.0和1.2时,pmax随XH2先缓慢线性增加然后快速增加;而当φ=0.6、1.4和1.6时,pmax始终线性增加;同时,pmax随XCH4线性递减,而随XDME的变化可分为两个时期.XH2与最大压
针对复杂工业过程数据的动态性、非线性和多阶段性等特征,提出基于时空近邻标准化和KNN规则(Time-Space Nearest Neighborhood Standardization and K Nearest Neighbor Rule,TSNS-KNN)的复杂多阶段过程故障检测方法.首先使用训练样本在时间和空间域上的两层嵌套近邻集的统计信息对样本预处理,然后将标准样本的累积近邻距离作为检测统计量进行故障检测.TSNS-KNN在排除非线性干扰的同时,消除了前后时刻样本间的动态相关性,将多阶段数据转换为
为实现多路信号采集测量的快速响应,自主搭建试验装置,以高温高压工况需要进行温压补偿的流量测量为例展开研究,从软件算法策略上做出改进,并与常规方法进行对比,验证改进方法的有效性,结果表明:流量和液位信号的均值响应时间分别提高了36.7%和45.6%,稳定性也有所提高.
在乙烯裂解炉烧焦过程中,部分炉管出口温度(COT)容易过高发生“飞温”,而部分过低致使COT分布不均衡.针对传统烧焦控制方法仅对COT平均值进行控制,不能很好地控制热场的问题,提出基于工况识别的随机分布系统建模方法,通过对烧焦过程COT升温快慢工况的识别,再对烧焦过程中COT分布的概率密度函数进行建模,为乙烯裂解炉烧焦过程COT进行随机分布先进控制奠定基础.
对于不锈钢管道、容器等保温包覆层较厚的情况(提离距离超过50 mm),从拓扑学角度分析信号特征,提出基于持续同调特征条形码的不锈钢板脉冲涡流大提离测量方法.分析结果表明:在待测板厚大于18 mm的情况下,该方法对60~140 mm提离距离测量的相对误差为±6.00%.
为了准确分析旋转设备振动信号0.5倍频、基频与多倍频的相关参数,基于高速模拟数字转换器(ADC)和数字信号处理(DSP)平台,运用线性插值重采样方法,实现了旋转设备振动信号的自适应采样,并将采样数据进行快速傅里叶变换(FFT)得到振动信号频谱分析参数.针对实际工业应用,在满足性能指标的前提下,拓宽信号频率范围.通过搭建硬件平台,在DSP内部以模拟信号进行的仿真实验结果表明:本设计能够准确定位所需分析信号的频率,计算所得幅值相对误差在±0.3%.
为达到精细注水的注采要求,利用两种不同隐层门控循环单元(GRU)神经网络模型的注水流量预测方法,同时借助国内某油田注水井的历史数据对两种不同隐层模型的预测结果进行了对比.结果表明:与传统的循环神经网络(RNN)和长短期记忆(LSTM)神经网络相比,GRU不仅拥有较好的预测性能,模型训练效率也更高;且双隐层结构较单隐层在模型的训练仿真和预测上有着更高的准确度,说明深层网络结构在信息的主要特征提取上更具优势,同时证明了GRU预测模型在油田注水流量预测方面的可行性和优越性.
利用相对增益矩阵(RGA)和NI指数分析方法共同判断多台FACTS装置接入电力系统的交互影响.首先建立含静止无功补偿器(SVC)和静止无功发生器(SVG)的线性化电力系统输配电模型,根据所建模型求出控制系统的传递函数和电力系统的相对增益矩阵.通过RGA和NI指数分析方法共同找出两台静止无功补偿器之间、静止无功补偿器和静止无功发生器之间的负交互影响与电气距离的关系,并使用时域仿真证明此方法的可靠性.