检索结果-南通市图书馆

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

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

面向工业过程的图像生成及其应用研究综述

自动化学报 2024年第2期50卷 211-240页

作者：汤健郭海涛夏恒王鼎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

在面向工业过程的计算机视觉研究中,智能感知模型能否实际应用取决于其对复杂工业环境的适应能力.由于可利用的工业图像数据集存在分布不均、多样性不足和干扰严重等问题,如何生成符合多工况分布的期望训练集是提高感知模型性能的关键.... 详细信息

在面向工业过程的计算机视觉研究中,智能感知模型能否实际应用取决于其对复杂工业环境的适应能力.由于可利用的工业图像数据集存在分布不均、多样性不足和干扰严重等问题,如何生成符合多工况分布的期望训练集是提高感知模型性能的关键.为解决上述问题,以城市固废焚烧(Municipal solid wastes incineration, MSWI)过程为背景,综述目前面向工业过程的图像生成及其应用研究,为进行面向工业图像的感知建模提供支撑.首先,梳理面向工业过程的图像生成定义和流程以及其应用需求;随后,分析在工业领域中具有潜在应用价值的图像生成算法;接着,从工业过程图像生成、生成图像评估和应用等视角进行现状综述;然后,对下一步研究方向进行讨论与分析;最后,对全文进行总结并指出未来挑战.

关键词：工业过程视觉感知图像生成生成图像评估与应用城市固废焚烧

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

维普期刊数据库博看期刊

城市固废焚烧智能算法测试与验证模块化半实物平台

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年

作者：汤健王天峥夏恒崔璨麟潘晓彤郭海涛王鼎乔俊飞北京工业大学信息学部北京工业大学智慧环保北京实验室

城市固废焚烧(Municipal solid waste incineration, MSWI)过程因工业现场的安全要求和控制系统的封闭特性导致离线研究的各类智能算法难以在线验证.此外,已有的实验室仿真平台难以模拟领域专家基于多模态数据进行智能感知、认知、决策... 详细信息

城市固废焚烧(Municipal solid waste incineration, MSWI)过程因工业现场的安全要求和控制系统的封闭特性导致离线研究的各类智能算法难以在线验证.此外,已有的实验室仿真平台难以模拟领域专家基于多模态数据进行智能感知、认知、决策和控制的工业实际.针对上述问题,首先,在综述现有面向工业过程的仿真平台研究现状和所面临挑战的基础上,描述面向MSWI过程智能算法测试与验证平台的需求,提出并构建了由多模态历史数据驱动系统、安全隔离与优化控制系统和多入多出回路控制系统组成的模块化半实物平台.然后,在实验室环境中完成平台硬件搭建、工业软件开发、仿真功能实现和典型场景验证,并移植部分模块至现场进行应用.最后,总结与展望所构建模块化半实物平台的研究方向.

关键词：城市固废焚烧多模态数据算法测试与验证模块化半实物平台安全隔离工业软件

基于仿真机理和改进回归决策树的二噁英排放建模

在线全文

同方期刊数据库

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CO_(2)、CO和O_(2)燃烧状态表征变量模型;然后,以真实CO_(2)、CO、O_(2)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

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

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

同方期刊数据库

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

融合自适应评判的随机系统数据驱动策略优化

自动化学报 2024年第5期50卷 980-990页

作者：王鼎王将宇乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 北京人工智能研究院北京100124 智慧环保北京实验室北京100124

自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽... 详细信息

自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽松假设下的非线性随机系统,研究带有折扣因子的无限时域最优控制问题.所提的随机系统Q-learning算法能够将初始的容许策略单调不增地优化至最优策略.基于数据驱动思想,随机系统Q-learning算法在不建立模型的情况下直接利用数据进行策略优化.其次,利用执行−评判神经网络方案,实现了随机系统Q-learning算法.最后,通过两个基准系统,验证本文提出的随机系统Q-learning算法的有效性.

关键词：自适应评判设计数据驱动离散系统神经网络 Q-learning 随机最优控制

在线全文

学校读者我要写书评

暂无评论

考虑换道博弈的驾驶风格在线识别方法

华南理工大学学报（自然科学版） 2024年第4期52卷 126-137页

作者：张云超黄建玲李永行陈艳艳杨安安张永男北京工业大学交通工程北京市重点实验室北京100124 北京市智慧交通发展中心北京100027

驾驶风格是驾驶行为的外在表达,激进风格的驾驶员容易进行更为频繁的危险驾驶操作,加剧车辆之间的交互作用,影响换道安全。在换道动作执行前识别驾驶员的驾驶风格,可以通过个性化预警信息有效约束驾驶员行为。文中提出了一种网联环境下... 详细信息

驾驶风格是驾驶行为的外在表达,激进风格的驾驶员容易进行更为频繁的危险驾驶操作,加剧车辆之间的交互作用,影响换道安全。在换道动作执行前识别驾驶员的驾驶风格,可以通过个性化预警信息有效约束驾驶员行为。文中提出了一种网联环境下考虑换道博弈的驾驶风格在线识别方法SHAP-XGBoost,以期在换道意图期间完成驾驶风格的识别。首先,将换道意图期间换道车辆及其周围车辆的个体行为和博弈行为的波动程度作为输入特征变量,通过相关性分析、主成分分析以及4种不同聚类方法对驾驶风格进行标记;然后,利用提出的SHAP-XGBoost模型选择关键特征,以训练驾驶风格识别模型,并通过滑动窗口完成在线识别;最后,采用HighD数据进行实验。结果表明:与基于质心距离、连通性、密度分布的聚类方法相比,基于图论原理的谱聚类可以更好地根据输入特征变量的形态标记驾驶风格;利用SHAP-XGBoost模型及14个关键特征进行驾驶风格识别,可以在不损失准确率的同时提高在线识别效率,驾驶风格识别准确率高达99%;同时将个体特征和博弈特征作为模型的输入时,可以提升驾驶风格标记和识别的准确率。此研究成果可为个性化换道决策和预警提供支持。

关键词：智能交通驾驶风格识别极端梯度提升树换道安全