国家自然科学基金(20776128)
- 作品数:7 被引量:30H指数:2
- 相关作者:李平王海清刘毅陈坤刘世成更多>>
- 相关机构:浙江大学浙江工业大学更多>>
- 发文基金:国家自然科学基金浙江省自然科学基金国家科技支撑计划更多>>
- 相关领域:自动化与计算机技术化学工程更多>>
- 特征空间递归更新的ICA算法及发酵过程监测应用被引量:1
- 2008年
- 及时更新监测模型以适应过程的时变特性,对准确检测出化工过程异常和设备故障具有重要意义。针对普通独立元分析(ICA)算法在更新计算监测模型时计算复杂度高、效率低的缺点,提出了一种基于特征空间递归更新的在线独立元分析(RUFS-ICA)算法。将算法应用于青霉素发酵过程的在线建模与监测中,与普通ICA方法相比,仿真统计结果表明,平均误警率降低至1.67%,基本克服了漏报现象;与其他在线更新算法相比,复杂度明显降低,计算时间减少54.1%,节省了存储量。
- 刘世成高彦臣王海清李平
- 关键词:独立元分析青霉素发酵过程
- 解析的核学习自适应单步预测控制算法被引量:1
- 2008年
- 针对非线性系统,在非线性广义最小方差控制律的基础上,提出了一种基于核学习辨识模型的自适应单步预测控制(KLAOPC)算法.首先辨识出非线性系统的核学习模型,并利用Taylor近似线性化方法获得控制律.采用中值定理证明了控制律的收敛性,并利用自适应校正项来提高其控制性能.核学习辨识模型容易获得,且在小样本情况下具有较好的推广性能.KLAOPC控制律具有简单的解析形式,需要调整的参数少且计算量小,适合非线性系统的实时控制.仿真结果表明,与其他控制算法相比,KLAOPC控制器有很好的控制效果,对过程的噪声和扰动等均具有较强的自适应性和鲁棒性.
- 刘毅王海清李江李平
- 关键词:非线性系统预测控制收敛性
- Quality Based Prioritized Sensor Fault Monitoring Methodology被引量:1
- 2008年
- 改进察觉和监视的统计质量(SQM ) 的鉴定性能系统,基于的新奇质量优先考虑传感器差错察觉(PSFD ) 方法论被建议。由 Vp (在设计的可变重要性) 加权索引,显示传感器变量的重要性到优秀变量,新监视统计数值, Qv,被开发保证最,重要传感器差错成功地被检测。随后,在最重要的传感器并且最少的重要传感器的可检测的最小的有缺点的大小(DMFM ) 之间的比率仅仅是 Vpmin/Vpmax 1。结构化的剩余根据 Vp 索引被设计识别然后孤立他们。理论调查结果被在田纳西伊斯门过程上执行的模拟研究充分支持。
- 宋凯王海清李平冯志刚
- 关键词:产品质量
- 选择性递推LSSVR及其在过程建模中的应用被引量:10
- 2008年
- 提出一种改进的递推最小二乘支持向量机方法,用于非线性MIMO(multi-input multi-out)过程的可在线更新辨识和软测量建模。该算法在向前递推时只引入预报误差较大的样本更新模型,以提高模型的稀疏性和泛化能力。在向后删减时推导了基于快速留一法的模型修剪准则,以克服随意删减样本的缺点。通过有选择性的向前、向后递推,模型的推广能力和计算性能均得以保证,且更加适应过程的时变性。在连续搅拌釜式反应器过程的辨识和重油催化裂化的软测量建模研究,均表明所提出算法的有效性和优越性。
- 刘毅陈坤王海清李平
- 关键词:软测量建模
- 用于发酵过程在线建模的自适应局部最小二乘支持向量机回归方法被引量:16
- 2008年
- 提出一种基于自适应局部学习的最小二乘支持向量机回归(LSSVR)在线建模方法。考虑样本间的距离和角度信息以获得更全面合理的相似样本集,推导了采用快速留一法在线优化模型参数的准则,并给出了发酵过程在线自适应模型选择的策略。以链激酶流加发酵过程为例,验证了所提出算法能够从过程的第2批次开始,同时对活性菌体浓度和链激酶浓度进行较准确的在线预报,较普通的局部LSSVR等建模方法具有更高的预报精度和自适应性。
- 刘毅王海清李平
- 关键词:发酵过程
- 基于秩-1矩阵摄动的递归主元分析算法
- 2009年
- 针对传统主元分析(PCA)算法仅适用于定常系统监测的不足,提出了一种基于秩-1矩阵摄动的递归主元分析(RPCA)算法以适应实际工业过程的时变特性.RPCA算法首先对初始化样本协方差矩阵进行特征值分解,得到特征向量矩阵与特征值矩阵;然后在各时刻采用秩-1矩阵摄动算法对这两个矩阵递归更新并对其各向量与各元素排序,同时以累计方差百分比(CPV)为标准选取主元数目,从而显著降低了运算复杂度,节省了存储量.青霉素间歇发酵过程在线监测的仿真结果表明,RPCA算法大大降低了系统的误警率,并及时监测出过程中存在的故障.
- 刘世成王海清李平
- 关键词:主元分析在线监测
- Hammerstein系统递推辨识的自适应算法被引量:1
- 2010年
- 采用最小二乘支持向量回归对Hammerstein系统进行辨识缺乏稀疏性,且模型不易递推.提出一种基于输出预报误差的Hammerstein模型自适应稀疏递推辨识算法.根据分块矩阵对模型进行递推运算,基于系统输出预报误差的结果,自适应调整算法的辨识步骤,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性.仿真结果表明,与常规的递推算法相比,该自适应算法能够在保证辨识精度的情况下,有效稀疏和简化模型,提高算法的鲁棒性和辨识效率,更加符合系统在线辨识的需要.
- 陈坤刘毅王海清宋执环李平
- 关键词:HAMMERSTEIN系统稀疏性