检索结果-南通市图书馆

基于即时学习策略MPLS的发酵过程在线故障监测

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于即时学习策略MPLS的发酵过程在线故障监测

作者：张亚堃北京工业大学

学位级别：硕士

发酵过程因其具有生产灵活、产品附加值高的特点已经成为医药、食品、染料、香料及生化制品等领域的主要生产方式。为了保证发酵过程的安全生产,急需一种能够对生产过程进行有效监测的系统,用以防患于未然,发现早期故障,为故障处理争取... 详细信息

发酵过程因其具有生产灵活、产品附加值高的特点已经成为医药、食品、染料、香料及生化制品等领域的主要生产方式。为了保证发酵过程的安全生产,急需一种能够对生产过程进行有效监测的系统,用以防患于未然,发现早期故障,为故障处理争取时间。现今,发酵过程的监测模型主要采用基于数据驱动的建模方法,通过分析发酵过程的数据特点,对算法改进以达到建立准确监测模型的目的。本文主要研究内容和贡献如下:(1)提出一种二维搜索相似样本的JITL-MPLS在线局部建模监测方法分析了即时学习(Just-in-Time Learning,JITL)策略对发酵过程实行监测过程中存在的优缺点,在此基础上,提出一种兼顾采样时刻与相似度的即时学习策略。针对发酵过程批次内和批次间的动态性问题,将采样时刻引入到相似样本搜索过程当中。利用过程的相似样本占比识别过程的动态性,自适应地调整时间窗的窗长,再结合累计相似贡献率进行建模样本选取,构建JITL-MPLS模型。通过Pensim仿真平台产生的正常和故障数据验证了此方法的可行性与优越性。(2)将核方法引入到即时学习策略中扩展核参数的取值范围JITL策略属于局部建模策略,能够在一定程度上减弱数据的非线性,但是在某些阶段非线性特征依然明显,对JITL-MPLS模型影响较大。本文将核方法(Kernel Methods,KM)引入到即时学习策略中,将非线性数据映射为线性数据,使得核空间中所建立的线性监测模型也能够有较高的精度。由于即时学习策略的相似样本以当前采样点为欧式空间的中心,而非离线建模的聚类中心,所以能够进行较好地局部线性化,从而扩展核参数的取值范围,降低了核参数的设置难度,最终取得了较好的故障监测效果。(3)提出一种基于残差更新判断的JITL-MKPLS监测方法传统的即时学习策略属于“懒惰学习”,即每采集到一个数据将进行一次完整建模步骤,这样在监测比较稳定的阶段时会造成大量的计算浪费,影响系统响应其他操作。本文利用了多向核偏最小二乘(Multi-way Kernel Partial Least Squares,MKPLS)的回归特性,通过对比回归残差判断模型是否需要更新,从而减少了模型更新次数。模型更新判断机制在保证了与传统JITL建模精度相类似的前提下,大幅减少了计算量,扩展了本方法的应用范围。(4)大肠杆菌制备白介素-2发酵过程实验验证利用北京某生化制药厂实际生产的数据对本文提出的方法进行验证。本实验不但监测了正常批次和较大故障,而且对微小故障进行了针对性实验。监测结果表明,本文所提的方法监测发酵生产过程时,相较于传统离线阶段划分方法能够明显降低漏报率和误报率,对微小故障较敏感,能够较早发生报警。并且通过引入模型更新判断机制,大量减少了计算量。

关键词：发酵过程偏最小二乘即时学习故障监测

基于多模型与即时学习的青霉素发酵过程软测量建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模型与即时学习的青霉素发酵过程软测量建模

作者：刘聪江南大学

学位级别：硕士

随着生物发酵过程的规模不断扩大,通过对发酵过程进行先进控制与优化提高产品质量与产量,同时减少生产成本具有重要意义,而这些先进控制理论和方法依赖于产物浓度、菌体浓度等重要过程参数实时准确地测量。传统的离线分析方法存在较长... 详细信息

随着生物发酵过程的规模不断扩大,通过对发酵过程进行先进控制与优化提高产品质量与产量,同时减少生产成本具有重要意义,而这些先进控制理论和方法依赖于产物浓度、菌体浓度等重要过程参数实时准确地测量。传统的离线分析方法存在较长时间滞后,难以满足先进控制对关键参数实时性测量的要求。软测量技术是一种解决复杂过程中重要过程参数难以在线估计问题的有效手段,能够为过程的在线监测和控制提供及时的反馈信息,从而达到提质增效的目的。因此,本文通过对青霉素发酵过程特性进行分析,结合多模型和即时学习策略建立了相应的软测量模型。（1）针对变量维数高且变量之间存在相关性进而影响软测量模型性能的问题,使用稀疏自动编码器对输入数据进行特征提取并同时引入互信息加权,提出基于互信息稀疏自编码的软测量建模方法。首先,通过计算输入与输出变量之间的互信息加权处理稀疏自动编码器损失函数中的重构误差项,使得与输出变量相关性不同的输入变量具有不同的重构精度,从而提取与输出更为相关的特征;然后,建立基于所提取特征的最小二乘支持向量机模型。青霉素发酵过程的仿真实验表明,通过引入互信息加权提取与输出更为相关的数据特征建立软测量模型,能够提高青霉素产物浓度在线预测的准确性。（2）针对发酵过程具有较强的阶段性和非线性,单个软测量模型的估计精度难以满足要求的问题,提出基于互信息稀疏自编码及改进密度峰聚类的多模型软测量建模方法。首先,引入相似度函数计算样本点的k近邻及与其k近邻之间的共享近邻,进而重新定义样本点的局部密度;然后,利用样本点之间的k近邻关系重新定义样本点的分配策略;最后,将改进后的密度峰聚类算法对训练样本集进行聚类,基于互信息稀疏自编码器对得到的子集分别进行特征提取同时建立最小二乘支持向量机模型,采用开关方式进行融合输出。仿真结果表明,利用k近邻及共享近邻对局部密度的计算以及样本点分配策略进行改进能够有效提高聚类质量从而提高软测量模型的估计精度。（3）针对发酵过程具有较强的时变特性,离线建立的软测量模型会随着时间和条件的变化产生老化,其预测性能难以保证的问题,提出基于多阶段误差补偿的即时学习软测量建模方法。首先,基于即时学习策略,针对训练样本集中的每个样本点,以加权距离最小为准则选择相似样本集进行建模,获得模型在该样本点输入下的估计值并计算其与真实值的偏差;然后,通过改进密度峰聚类算法对训练集进行阶段划分,针对不同阶段分别建立样本输入变量与偏差之间的误差模型。对于新的测试样本,采用即时学习策略建立软测量模型得到其估计值,并加上相应阶段的误差模型计算的误差补偿值作为最终的模型估计值。青霉素发酵过程产物浓度的估计结果表明,多阶段误差补偿方法能够对输出估计值进行有效补偿。

关键词：软测量改进密度峰聚类多模型即时学习发酵过程

基于改进即时学习算法的镨/钕元素组分含量在线检测系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进即时学习算法的镨/钕元素组分含量在线检测系统

作者：饶运春华东交通大学

学位级别：硕士

我国稀土资源丰富,稀土分离企业规模和产量均在世界前列;但企业的稀土提取和分离控制技术仍处于离线分析和人工控制阶段,自动化水平限制了资源利用率和市场竞争力。稀土元素组分含量的在线检测是高效获取稳定、合格稀土产品的重要前提,... 详细信息

我国稀土资源丰富,稀土分离企业规模和产量均在世界前列;但企业的稀土提取和分离控制技术仍处于离线分析和人工控制阶段,自动化水平限制了资源利用率和市场竞争力。稀土元素组分含量的在线检测是高效获取稳定、合格稀土产品的重要前提,目前运用软侧量技术进行组分含量预测的研究停留在离线建模状态,当稀土萃取工况发生突变则无法做出有效的预测。本文针对稀土萃取过程工况突变下镨/钕元素组分含量的在线检测问题,提出了一种基于改进即时学习算法的组分含量预测模型,并开发了集自动取样、图像处理及信息提取、组分含量检测、数据管理和人机交互为一体的稀土元素组分含量在线检测系统。主要研究内容如下:1、结合稀土萃取生产现场检测需求,确定在线检测系统总体方案,完成系统硬件结构和软件功能设计,实现稀土混合溶液图像的在线采集;采用HACLON软件设计图像处理算法,对图像进行颜色空间转换,由中值滤波减少环境和图像传输过程中产生的噪声干扰,以自适应阈值分割获得特征区域,确定一阶矩作为溶液图像颜色特征并对图像溶液有效区域进行信息提取。2、引入互信息加权相似准则、数据更新策略和自适应度阈值模型更新策略对传统即时学习算法进行改进,提出了一种基于改进即时学习算法的镨/钕元素组分含量预测模型。进行改进即时学习算法、传统即时学习算法和WLSSVM组分含量预测模型的仿真对比实验,结果表明:本文所建模型的综合预测性能指标最佳,满足萃取工况突变下的组分含量预测要求。3、在MFC平台搭建系统开发环境,结合HALCON和MATALB的优势,开发图像处理算法和组分含量预测模型,完成镨/钕元素组分含量在线检测系统软件的功能要求和人机交互,并采集现场测试样品分析系统的预测精度、重复性、实时性等性能指标。由算法仿真实验和系统测试实验表明,改进即时学习算法在线建立的组分含量预测模型能够解决工况突变下的镨/钕元素组分含量预测,并且系统的各项性能指标均可满足现场快速检测的要求。

关键词：稀土萃取即时学习组分含量预测在线检测系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习策略的火电厂球磨机负荷软测量

计算机工程与应用 2012年第7期48卷 224-227,230页

作者：张炎欣王伟张航湖南女子学院现代教育技术中心长沙410004 中南大学信息科学与工程学院长沙410083

针对电厂球磨机负荷难以进行有效预测的问题,从提高预测模型在线自适应能力的角度出发,提出一种基于即时学习策略的改进SVM建模方法。利用灰色关联分析方法对过程参数进行优化筛选,获得辅助变量;在即时学习策略建模框架下,采用多种群混... 详细信息

针对电厂球磨机负荷难以进行有效预测的问题,从提高预测模型在线自适应能力的角度出发,提出一种基于即时学习策略的改进SVM建模方法。利用灰色关联分析方法对过程参数进行优化筛选,获得辅助变量;在即时学习策略建模框架下,采用多种群混合优化算法进行SVM预测模型参数的优化选取;基于电厂实际运行数据进行了仿真研究。仿真实验表明,与标准BP神经网络和SVM建模方法的比较,该算法具有更好的预测性能,虽然计算开销有所增加,但能够满足制粉系统球磨机负荷检测的实时性要求。

关键词：球磨机负荷在线自适应即时学习改进支持向量机多种群混合优化算法

基于Copula函数的即时学习在聚酯纤维聚合过程中的应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Copula函数的即时学习在聚酯纤维聚合过程中的应用

作者：高进琛东华大学

学位级别：硕士

聚酯纤维是世界上第一种工业化并广泛使用的聚酯产品,它是由对苯二甲酸和乙二醇为原料缩聚而成的,简称PET纤维。聚酯纤维生产工艺主要包括聚合、熔体输送、纺丝等部分,作为聚酯纤维生产的起点,聚合过程直接影响了纤维的性能,但其反应机... 详细信息

聚酯纤维是世界上第一种工业化并广泛使用的聚酯产品,它是由对苯二甲酸和乙二醇为原料缩聚而成的,简称PET纤维。聚酯纤维生产工艺主要包括聚合、熔体输送、纺丝等部分,作为聚酯纤维生产的起点,聚合过程直接影响了纤维的性能,但其反应机理复杂,涉及变量很多,建模较为困难。本文针对聚酯纤维特性粘度的在线预测问题,提出了基于Copula函数的特征选择方法,并建立了基于经验Copula函数和混合Copula函数的即时学习（Just-in-time-learning,JITL）模型,以及具有鲁棒性的混合Copula-JITL模型。本文的研究工作包括以下几方面的内容:（1）考虑聚酯纤维聚合过程中数据高维度和输入输出特征非线性相关性,应用Copula特征选择方法对数据进行降维,选取与输出相似度最高的特征,相关实验结果验证了Copula特征选择方法的有效性。（2）在JITL建模过程中,相似性样本的选择对模型的预测精度有显著影响。传统的距离度量方法大部分都是基于线性时间序列的假设,本文将Copula函数的非线性时间序列距离度量的方法引入JITL模型,建立聚酯粘度在线预测模型,实验结果表明了该距离度量方法下JITL模型的有效性。（3）在相似度距离测量过程中,基于Copula函数的非线性时间序列距离度量的方法需要计算经验Copula函数在每个数据点上的值,在提高预测精度的同时,效率有所降低。为了提升预测效率,将Copula函数分支中椭球分布族的t-Copula函数与经验Copula函数相结合,并利用布谷鸟搜索（CS）算法优化模型的权重和参数。实验结果表明基于混合Copula函数的距离度量方法在牺牲一定精度的前提下大大提升了模型的预测效率。（4）Copula特征选择方法虽然考虑了模型输入与输出之前的非特性相关关系,但处理噪声数据的能力不强。将KPCA特征提取方法与Copula特征选择方法相结合,并在原有LSSVM模型中引入模糊加权隶属度,提出了具有鲁棒性的混合Copula-JITL模型,实验结果表明所提模型具有更好的鲁棒性。

关键词：聚酯纤维聚合过程即时学习 Copula特征选择 Copula相似度量混合Copula函数核主成分分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习的变量加权算法的研究

基于即时学习的变量加权算法的研究

作者：颜丙云青岛科技大学

学位级别：硕士

由于实际工业过程中的复杂性、强非线性和时变性等特点,极大地限制了全局软测量模型的应用,即时学习算法作为一种局部软测量建模方法能够很好的解决此类问题。相似性度量是即时学习算法中最关键的一步,很大程度上直接决定了模型的预测... 详细信息

由于实际工业过程中的复杂性、强非线性和时变性等特点,极大地限制了全局软测量模型的应用,即时学习算法作为一种局部软测量建模方法能够很好的解决此类问题。相似性度量是即时学习算法中最关键的一步,很大程度上直接决定了模型的预测精度。本文以局部加权偏最小二乘回归算法为基础,研究了给变量加权的即时学习算法,具体的研究工作如下:第一,针对工业过程中常见的相似性度量只考虑输入变量的问题,提出一种与输出相关的给变量加权的即时学习算法,并总结和比较了基于相关系数和基于回归系数给变量加权的算法。通过数值例子和脱丁烷塔化工过程验证了基于与输出相关的给变量加权的即时学习算法能够有效的提高系统的鲁棒性,并发现权重系数的不同阶次对模型的预测结果有一定的影响。第二,在基于与输出相关给变量加权的即时学习算法的基础上,首先研究了基于相关系数和回归系数给变量加权的权重系数的不同偶数阶次（包含绝对值）对模型预测结果的影响,通过具有时变过程的数值仿真例子和硫回收单元中硫化氢的浓度预测验证了权重系数的阶次越高,预测效果不一定越好,在异常值较多的情况下,取权重系数的绝对值的预测结果反而最佳;然后选取了四种常用的权重函数进行了即时学习建模,实验结果表明,针对不同的工业过程,选取不同的权重函数能够提高模型的预测效果。因此,在实际工业过程中,根据不同的数据特性,选择合适的权重系数的阶次和权重函数能够最大程度提高模型的预测精度,从而提高工业的生产效益。第三,针对工业过程中的数据具有高维性、强非线性以及噪声干扰等问题,提出了基于即时学习的不完整高维数据非线性过程软测量算法。首先采用概率主成分分析法补全原始缺失数据,然后利用偏最小二乘法对样本数据进行有监督降维,最后在潜在空间中进行局部加权偏最小二乘回归。与传统的利用主成分分析法降维的局部加权偏最小二乘回归相比较,数值例子和脱丁烷塔化工过程实验仿真结果均表明所提算法能够有效的提高模型的预测性能。最后,在偏最小二乘算法能够有效降维的基础上,结合与输出相关给变量加权的即时学习算法,提出了基于多样性给变量加权的局部加权偏最小二乘回归算法,同时进一步研究了相关系数的不同阶次对模型性能的影响。该算法的有效性和精准性在数值例子和脱丁烷塔化工过程中均得到了验证,并对工业过程中提高系统的鲁棒性提供了指导方向。

关键词：即时学习相似性度量局部加权偏最小二乘回归偏最小二乘法主成分分析法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

集成即时学习软测量建模方法研究

集成即时学习软测量建模方法研究

作者：李建刚昆明理工大学

学位级别：硕士

软测量技术是实现难测参数在线实时估计的一种有效手段,在冶金、造纸、制药、石油、化工等生产过程的监测、控制及优化中扮演着日益重要的角色。由于实际工业过程往往呈现出非线性、时变性、多模式、多时段等过程特性,使用传统的全局建... 详细信息

软测量技术是实现难测参数在线实时估计的一种有效手段,在冶金、造纸、制药、石油、化工等生产过程的监测、控制及优化中扮演着日益重要的角色。由于实际工业过程往往呈现出非线性、时变性、多模式、多时段等过程特性,使用传统的全局建模方法难以得到令人满意的结果。因此,即时学习作为一种典型的局部学习建模方法在软测量建模领域日益受到青睐。本文从即时学习软测量建模技术出发,研究高性能的集成即时学习软测量建模方法。论文的主要研究工作总结如下:（1）针对传统即时学习单一的建模配置难以保证即时学习模型适应所有的过程状态,提出了一种基于多样性子空间和相似度的集成即时学习软测量方法。该方法以局部加权偏最小二乘（Locally Weighted Partial Least Squares,LWPLS）算法为基学习器,通过输入特征扰动和相似度扰动相结合的多模态扰动机制激发即时学习基模型的多样性,并基于进化多目标优化方法构建多样性和准确性的LWPLS基模型,最后采用Stacking集成学习策略实现基模型的融合。通过在青霉素发酵过程和工业混炼胶过程中的应用,验证了所提方法的有效性和优越性。（2）针对传统即时学习建模方法中仅使用单一相似度,难以处理工业过程复杂特性的问题,提出了一种基于异构相似度的选择性集成即时学习软测量方法。该方法通过定义多个相似度函数构建相似度函数库,使用进化多目标优化选择相似度函数用于建立满足多样性和准确性的即时学习基模型,最后使用Stacking集成策略融合基模型,并得到最终预测输出。通过在青霉素发酵过程中的应用,验证了该方法的有效性。（3）针对工业混炼胶过程中门尼粘度这一关键参数难以在线测量的问题,提出了一种基于多样性子空间和异构相似度的选择性集成即时学习软测量方法。该方法通过相似度函数扰动和输入变量扰动相结合的多模态扰动机制来增强即时学习基模型的多样性,使用进化多目标优化方法获得一组同时满足准确性和多样性的即时学习基模型,再结合自适应混合机制集成策略实现基模型的融合。通过在工业混炼胶过程中的应用,验证了所提方法的有效性。

关键词：软测量即时学习集成学习相似度函数进化多目标优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非线性系统即时学习建模方法研究

非线性系统即时学习建模方法研究

作者：赵丹江苏大学

学位级别：硕士

流程工业系统具有非线性、强烈时变性和不确定性,单一的全局建模方法往往无法满足系统建模与优化的需求。基于分而治之思想的局部建模为解决这一问题提供了一种有效策略。本文结合信息熵与样本的时段特性,提出一种即时学习建模算法。具... 详细信息

流程工业系统具有非线性、强烈时变性和不确定性,单一的全局建模方法往往无法满足系统建模与优化的需求。基于分而治之思想的局部建模为解决这一问题提供了一种有效策略。本文结合信息熵与样本的时段特性,提出一种即时学习建模算法。具体工作归纳如下:相似度准则决定了即时学习建模的精度,然而,常用的相似度准则仅考虑样本之间的相似性,而没有考虑输入变量与输出变量之间的相关性,从而影响了预测精度。因此,本文结合信息熵提出一种改进相似性度量准则的即时学习建模算法。它利用互信息评估输入变量与输出变量之间相关程度,构建潜在建模空间,并在此潜在空间中定义相似度指标。数值仿真和在青霉素发酵过程中的应用表明,与传统的即时学习方法相比,本文所提方法的预测精度明显提高。在流程工业中,过程变量的特征往往随着时间的变化而发生变化,亦即:具有明显的时间特性。而传统的即时学习方法采用全局搜索策略,忽略了数据的时段特性。因此,本文在相似度准则中融入时间信息,提出一种时变系统即时学习建模算法。首先采用聚类算法将数据库样本划分为相应的几个时段,其中聚类使用的相似度准则融入时间信息;然后使用分层搜索策略寻找局部建模样本。在此基础上,提出局部模型更新策略,利用偏移补偿算法矫正模型输出,降低即时学习的在线计算量。最后,数值仿真验证所提算法的有效性。

关键词：即时学习局部学习数据驱动软测量聚类

基于即时学习的模型未知系统数据驱动控制策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于即时学习的模型未知系统数据驱动控制策略研究

作者：刘浩燕山大学

学位级别：硕士

随着被控对象复杂程度的不断提高,其模型的建立和控制器的设计变得越来越困难。针对这一现状数据驱动控制被引入控制领域,数据驱动控制仅利用其输入输出(I/O)数据就能完成控制器设计。本文以即时学习算法(Lazy Learning,LL)为基础进行... 详细信息

随着被控对象复杂程度的不断提高,其模型的建立和控制器的设计变得越来越困难。针对这一现状数据驱动控制被引入控制领域,数据驱动控制仅利用其输入输出(I/O)数据就能完成控制器设计。本文以即时学习算法(Lazy Learning,LL)为基础进行模型未知系统的轨迹跟踪控制研究。针对模型未知系统的轨迹跟踪控制问题,提出了两种基于即时学习的数据驱动控制策略,并针对一类模型未知系统的轨迹跟踪问题进行了理论分析和仿真研究。本文的主要工作如下:(1)对比了几类常用数据驱动控制策略各自的优势和不足,最终选取了具有本质自适应性、局部建模精度高的LL算法来完成在线局部建模的任务。(2)针对LL算法运量复杂的问题进行了改进。首先,在特征空间的模糊核聚类算法(Kernel-based fuzzy C-means in feature space,KFCM-F)的基础上,加入了本文提出的Flag一致法则,设计了KFCM-Flag数据库聚类策略,简化了即时学习局部建模过程;其次,提出了Center-Flag数据库递阶搜索策略并结合k-vnn方法来搜索最适合当前时刻建模的信息向量;再次,提出了k-vnn-Flag数据更新策略用以保证新数据的实时更新以及防止数据库的过于冗余庞大。(3)利用本文改进的LL算法进行局部建模,并在此基础上利用广义最小方差控制算法(Generalized Minimum Variance Control,GMVC)设计了基于即时学习的广义最小方差控制器(LL-GMVC)。此外,用LL-GMVC对一类模型未知系统的轨迹跟踪控制进行了仿真研究。(4)利用本文改进的LL算法构造轨迹跟踪的目标函数,并利用粒子群优化(Particle Swarm Optimization,PSO)算法进行优化,直接得到最优控制量,此控制方法记作LL-PSO。之后,利用LL-PSO对一类模型未知系统的轨迹跟踪控制进行了仿真研究。通过对比LL-GMVC与LL-PSO两种控制器作用下的系统轨迹跟踪仿真结果,对这两种控制器各自优势和不足进行了分析。(5)总结了本文工作,并对本课题未来的研究方向进行了展望。

关键词：即时学习模糊核聚类算法广义最小方差控制粒子群优化模型未知