检索结果-南通市图书馆

城市固废焚烧过程炉温与烟气含氧量多目标鲁棒预测模型

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第5期50卷 1001-1014页

作者：胡开成严爱军汤健北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124

为实现城市固废焚烧(Municipal solid waste incineration,MSWI)过程炉温与烟气含氧量的准确预测,提出一种基于改进随机配置网络的多目标鲁棒建模方法(Multi-target robust modeling method based on improved stochastic configuration network,MRI-SCN).首先,设计了一种并行方式增量构建SCN隐含层,通过信息叠加与跨越连接来增强隐含层映射多样性,并利用参数自适应变化的监督不等式分配隐含层参数;其次,使用F范数与L_(2,1)范数正则项建立矩阵弹性网对模型参数进行稀疏约束,以建模炉温与烟气含氧量间的相关性;接着,采用混合拉普拉斯分布作为每个目标建模误差的先验分布,通过最大后验估计重新评估SCN模型的输出权值,以增强其鲁棒性;最后,利用城市固废焚烧过程的历史数据对所提建模方法的性能进行测试.实验结果表明,所提建模方法在预测精度与鲁棒性方面具有优势.

关键词：城市固废焚烧炉温烟气含氧量随机配置网络隐含层并行构造多目标鲁棒建模

基于仿真机理和改进回归决策树的二噁英排放建模

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第8期50卷 1601-1619页

作者：夏恒汤健余文乔俊飞北京工业大学信息学部北京100124 北京工业大学智慧环保北京实验室北京100124 墨西哥国立理工大学高级研究中心(CINVESTAV-IPN) 墨西哥07360墨西哥

城市固废焚烧(Municipal solid waste incineration,MSWI)过程是“世纪之毒”二噁英(Dioxin,DXN)的重要排放源之一.截止目前为止,DXN的演化机理和实时检测仍是尚未解决的难题.现有研究主要基于离线化验数据构建数据驱动模型,DXN的检测... 详细信息

城市固废焚烧(Municipal solid waste incineration,MSWI)过程是“世纪之毒”二噁英(Dioxin,DXN)的重要排放源之一.截止目前为止,DXN的演化机理和实时检测仍是尚未解决的难题.现有研究主要基于离线化验数据构建数据驱动模型,DXN的检测未有效结合燃烧过程机理.针对该问题,本文提出基于仿真机理和改进线性回归决策树(Linear regression decision tree,LRDT)的DXN排放建模.首先,采用基于床层固废燃烧模拟软件FLIC(Fluid dynamic incinerator code)和过程工程先进系统软件(Advanced system for process engineering Plus,Aspen Plus)耦合的数值仿真模型,获取蕴含多运行工况的虚拟机理数据;接着,利用虚拟机理数据构建基于改进LRDT的CO2、CO和O2燃烧状态表征变量模型;然后,以真实CO2、CO、O2作为输入和以DXN真值作为输出,构建多入单出LRDT的过程映射模型(Process mapping model,PMM),再利用该模型进行半监督学习和结构迁移得到机理映射模型1(Mechanism mapping models1,MMM1);最后,通过结构增量学习获得基于半监督迁移学习的MMM2模型.在实验室的半实物平台和北京某MSWI厂的边侧验证平台对所提方法进行了工业应用验证.实验结果证明了所提方法与研发的软测量系统可有效实现二噁英排放浓度在线检测.

关键词：城市固废焚烧二噁英燃烧状态数值仿真机理线性回归决策树半监督迁移学习

基于混合数据增强的MSWI过程燃烧状态识别

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第3期50卷 560-575页

作者：郭海涛汤健丁海旭乔俊飞北京工业大学信息学部北京100124 智慧环保北京实验室北京100124

国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧,存在智能化水平低、识别结果具有主观性与随意性等问题.由于MSWI过程的火焰图... 详细信息

国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧,存在智能化水平低、识别结果具有主观性与随意性等问题.由于MSWI过程的火焰图像具有强污染、多噪声等特性,并且存在异常工况数据较为稀缺等问题,导致传统目标识别方法难以适用.对此,提出一种基于混合数据增强的MSWI过程燃烧状态识别方法.首先,结合领域专家经验与焚烧炉排结构对燃烧状态进行标定;接着,设计由粗调和精调两级组成的深度卷积生成对抗网络(Deep convolutional generative adversarial network, DCGAN)以获取多工况火焰图像;然后,采用弗雷歇距离(Fréchet inception distance, FID)对生成式样本进行自适应选择;最后,通过非生成式数据增强对样本进行再次扩充,获得混合增强数据构建卷积神经网络以识别燃烧状态.基于某MSWI电厂实际运行数据实验,表明该方法有效地提高了识别网络的泛化性与鲁棒性,具有良好的识别精度.

关键词：城市固废焚烧深度卷积生成对抗网络燃烧状态识别非生成式数据增强混合数据增强

城市固废焚烧过程燃烧线极端异常火焰图像对抗生成

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第11期44卷 4376-4386,I0016页

作者：郭海涛汤健夏恒乔俊飞北京工业大学信息学部北京市朝阳区100024 智慧环保北京实验室北京市朝阳区100124

燃烧线是表征城市固废焚烧(municipal solid waste incineration,MSWI)过程燃烧稳定性的关键参数之一。完备的火焰图像模板库是实现燃烧线量化以从检测视角代替依靠运行专家“人工看火”,进而通过实时反馈提升MSWI过程控制的智能化水平... 详细信息

燃烧线是表征城市固废焚烧(municipal solid waste incineration,MSWI)过程燃烧稳定性的关键参数之一。完备的火焰图像模板库是实现燃烧线量化以从检测视角代替依靠运行专家“人工看火”,进而通过实时反馈提升MSWI过程控制的智能化水平的基础。针对燃烧线极端异常火焰图像缺失问题,该文提出基于机理知识和对抗网络的燃烧线极端异常火焰图像生成方法。首先,基于焚烧炉内三维空间位置到图像像素点的机理映射关系分析燃烧线极端异常火焰图像,通过对正常火焰图像像素点的平移、拼接和组合等方式获取伪标记的燃烧线极端异常火焰图像;然后,采用循环生成对抗网络(cycle generative adversarial networks,CycleGAN)获得符合真实火焰图像分布的候选图像;最后,提出组合基于弗雷歇距离(Fréchet inception distance,FID)评估最优模型参数和根据伪标记筛选最终燃烧线极端异常火焰图像的2级评估与筛选策略。针对北京某MSWI厂的实验结果表明:依据燃烧线可划分图像为51%~73.6%正常、47%~51%和73.6%~100%异常、0%~47%极端异常;当第2级评估阈值设定为0.4时,所提方法生成合格极端异常火焰图像的比例为85.7%,优于传统评估方法。

关键词：城市固废焚烧燃烧线量化燃烧线极端异常火焰图像循环生成对抗网络图像评估与选择

在线全文

学校读者我要写书评

暂无评论

基于多目标PSO混合优化的虚拟样本生成

自动化学报 2024年第4期50卷 790-811页

作者：王丹丹汤健夏恒乔俊飞北京工业大学信息学部北京100124 北京工业大学智慧环保北京实验室北京100124 北京工业大学智能感知与自主控制教育部工程研究中心北京100124

受限于检测技术难度、高时间与经济成本等原因,难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题,严重制约了数据驱动模型的泛化性能.针对以上问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optim... 详细信息

受限于检测技术难度、高时间与经济成本等原因,难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题,严重制约了数据驱动模型的泛化性能.针对以上问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)混合优化的虚拟样本生成(Virtual sample generation, VSG)方法.首先,设计综合学习粒子群优化算法的种群表征机制,使其能够同时编码用于连续变量和离散变量;然后,定义具有多阶段多目标特性的综合学习粒子群优化算法适应度函数,使其能够在确保模型泛化性能的同时最小化虚拟样本数量;最后,提出面向虚拟样本生成的多目标混合优化任务以改进综合学习粒子群优化算法,使其能够适应虚拟样本优选过程的变维特性并提高收敛速度.同时,首次借鉴度量学习提出用于评价虚拟样本质量的综合评价指标和分布相似指标.利用基准数据集和真实工业数据集验证了所提方法的有效性和优越性.

关键词：小样本建模虚拟样本生成混合优化多目标粒子群优化分布相似度

在线全文

学校读者我要写书评

暂无评论

面向复杂工业过程的虚拟样本生成综述

自动化学报 2024年第4期50卷 688-718页

作者：汤健崔璨麟夏恒乔俊飞北京工业大学信息学部北京100124 北京工业大学智慧环保北京实验室北京100124 北京工业大学智能感知与自主控制教育部工程研究中心北京100124

用于复杂工业过程难测运行指标和异常故障建模的样本具有量少稀缺、分布不平衡以及内涵机理知识匮乏等特性.虚拟样本生成(Virtual sample generation,VSG)作为扩充建模样本数量及其涵盖空间的技术,已成为解决上述问题的主要手段之一,但... 详细信息

用于复杂工业过程难测运行指标和异常故障建模的样本具有量少稀缺、分布不平衡以及内涵机理知识匮乏等特性.虚拟样本生成(Virtual sample generation,VSG)作为扩充建模样本数量及其涵盖空间的技术,已成为解决上述问题的主要手段之一,但已有研究还存在缺乏理论支撑、分类准则与应用边界模糊等问题.本文在描述复杂工业过程难测运行指标和异常故障建模所存在问题的基础上,梳理虚拟样本定义及其内涵,给出面向工业过程回归与分类问题的VSG实现流程;接着,从样本覆盖区域、实现流程与推广应用等方向进行综述;然后,分析讨论VSG的下一步研究方向;最后,对全文进行总结并给出未来挑战.

关键词：复杂工业过程虚拟样本生成数据驱动建模样本覆盖区域

基于贝叶斯分位数回归的鲁棒随机配置网络预测区间方法

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年

作者：严爱军汪福和汤健数字社区教育部工程研究中心城市轨道交通北京实验室北京工业大学信息学部

针对数据中异常值或噪声会导致预测模型的准确性低和泛化性能差等问题提出了基于贝叶斯分位数回归的鲁棒随机配置网络预测区间方法。首先，采用随机配置算法确定隐层节点的数量、输入权值和偏差；其次，将贝叶斯分位数回归嵌入到随机配... 详细信息

针对数据中异常值或噪声会导致预测模型的准确性低和泛化性能差等问题提出了基于贝叶斯分位数回归的鲁棒随机配置网络预测区间方法。首先，采用随机配置算法确定隐层节点的数量、输入权值和偏差；其次，将贝叶斯分位数回归嵌入到随机配置网络代替经典的最小二乘回归，以非对称拉普拉斯分布作为随机配置网络噪声的先验分布，使用最大后验估计将随机配置网络噪声的先验分布转化为输出权值的后验分布；然后，通过期望最大化算法迭代优化随机配置网络的噪声和输出权值上假设分布的超参数；最后，在四个标准数据集和城市固废焚烧过程的历史数据的测试表明本文方法在预测精度、预测区间和鲁棒性方面具有优势。

关键词：贝叶斯分位数回归随机配置网络期望最大化预测区间鲁棒性

基于模糊神经网络对抗生成的城市固废焚烧过程二噁英排放预警

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制理论与应用 2024年

作者：崔璨麟汤健夏恒乔俊飞北京工业大学信息学部智慧环保北京实验室

城市固废焚烧(MSWI)过程产生的二噁英(DXN)类剧毒污染物是全世界范围内备受关注的环保指标,进行DXN排放浓度预警是缓解焚烧建厂“邻避效应”和实现城市精准污染防控等难题的关键之一.受限于产生机理上的全流程相关、记忆效应等特性以及... 详细信息

城市固废焚烧(MSWI)过程产生的二噁英(DXN)类剧毒污染物是全世界范围内备受关注的环保指标,进行DXN排放浓度预警是缓解焚烧建厂“邻避效应”和实现城市精准污染防控等难题的关键之一.受限于产生机理上的全流程相关、记忆效应等特性以及检测技术上的高难度和离线化验上的高成本等原因, DXN建模数据面临着维数高、不确定性强和样本稀疏等问题.对此,本文提出基于模糊神经网络(FNN)对抗生成的DXN排放预警方法.首先,采用基于随机森林(RF)的自适应特征选择算法降低输入变量维数;接着,基于FNN的生成对抗网络(GAN)迭代产生用于预警建模的候选虚拟样本,以缓解不确定性和稀疏性问题;然后,通过多约束选择机制进行虚拟样本筛选以提高样本质量;最后,构建基于真实与虚拟混合样本的DXN排放预警模型.基于北京某MSWI电厂的实际DXN数据验证了所提方法的有效性.

关键词：城市固废焚烧二噁英模糊神经网络生成对抗网络虚拟样本预警模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低髓鞘化脑白质营养不良的基因研究进展

中华实用儿科临床杂志 2024年第1期39卷 69-73页

作者：庞可心朱敏汤健丁乐南京医科大学附属儿童医院康复医学科南京210008 南京医科大学附属儿童医院神经内科南京210008

低髓鞘化脑白质营养不良(HLDs)是一组以中枢神经系统髓鞘形成减少为主要特征的神经退行性疾病, 其临床表现多样, 患者常有精神运动发育迟缓、运动障碍等问题, 部分患者存在癫痫、小头畸形等其他临床表现。目前尚无特异性治疗方案, 大部... 详细信息

低髓鞘化脑白质营养不良(HLDs)是一组以中枢神经系统髓鞘形成减少为主要特征的神经退行性疾病, 其临床表现多样, 患者常有精神运动发育迟缓、运动障碍等问题, 部分患者存在癫痫、小头畸形等其他临床表现。目前尚无特异性治疗方案, 大部分患者预后不良。近年来, 随着基因筛查在临床上的广泛应用, 发现了诸多与HLDs相关的致病基因。明确其发病机制和临床表型变得尤为重要。

关键词：基因脑白质营养不良低髓鞘化神经退行性疾病研究进展