非线性过程

摘要： 为了有效地提高支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于滑动窗口的核熵成分分析(KECA)和支持向量机(SVM)结合(MWKECA-SVM)的非线性过程故障检测方法。运用核熵成分分析(KECA)提取包含非线性特征信息的得分向量作为SVM的输入。运用正常和故障数据的非线性特征向量训练SVM模型获得判别分类函数。建立模型之后,运用滑动窗口对模型进行动态更新。将MWKECA-SVM方法应用于田纳西-伊斯曼过程中,并与核主元分析(KPCA)、滑动窗口KPCA(MWKPCA)、KECA和SVM方法进行比较。结果表明,MWKECA-SVM方法能够动态地提取过程变量的特征信息,有效地提高故障检测率,在一定程度上增强了信息的动态提取和实时监控能力。

摘要： 为了有效改进支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于核主成分空间支持向量机的过程监视方法。首先,运用核主成分分析方法(KPCA)处理数据,获取数据的核主成分,在核主成分空间计算Hotelling′s T^(2)统计量;然后,在T^(2)统计量基础上加入时滞特性和时差特性,并将三者组合成增广矩阵,运用正常数据和故障数据的增广矩阵训练SVM模型;最后,运用SVM模型对测试数据进行分类,实现对故障的有效检测。将本研究方法应用于非线性数值例子和田纳西-伊斯曼工业过程中,与PCA、KPCA、传统的SVM和KPCA-LSSVM方法作比较,进一步验证了该方法的有效性。

摘要： 针对过程数据的多模态和非线性的特征,提出了改进的局部近邻标准化和PPA结合的过程故障检测方法。首先寻找每个样本的第一近邻样本,再寻找第一近邻样本的局部前k近邻集,用近邻集的均值和标准差进行数据标准化,最后使用主多项式分析(PPA)对标准化处理后的数据建模,计算T;和SPE统计量,并确定控制限进行故障检测。主多项式分析使用一组灵活的主多项式分量来描述数据能够有效地捕捉过程数据中潜在的非线性结构,ILNS方法能够将多模态数据融合为单模态数据,消除过程数据的多模态特征使PPA算法的建模更加精确。最后通过多模态非线性数值例子和田纳西伊斯曼(TE)化工过程数据实验进行仿真验证,并与传统的主元分析法(Principal Component Analysis, PCA)、主多项式分析法(PPA)进行对比,验证了ILNS-PPA方法的有效性及优越性。

摘要： 针对大规模非线性动态过程故障检测问题,提出随机傅里叶特征相异度(RFF–DISSIM)的故障检测方法.首先,利用RFF对原始数据进行映射,获得特征空间中的数据集;然后,在特征空间中应用滑动窗口技术并结合相异度指标对特征空间中的数据集进行过程状态监控.本文方法通过RFF快速捕获数据的非线性结构并结合相异度指标消除样本间自相关性的影响,有效地提高了过程监控性能.通过一个数值例子和连续搅拌釜反应器(CSTR)的仿真实验并与传统的核主元分析、动态主元分析等方法对比分析,仿真结果进一步证明了本文所提方法的有效性.

摘要： 针对实际工业过程中包含的多模态和非线性特征,主多项式分析(PPA)方法的单模态分布假设限制了其在多模态工业过程中的应用。因此,提出一种基于双局部近邻标准化(DLNS)和PPA结合的故障检测算法。该算法对每个检测样本寻找其对应的双层局部信息集,利用双层局部信息对样本进行标准化处理,在处理后的样本集上对数据使用PPA模型进行建模,计算T^(2)和SPE统计量并确定控制限。DLNS可以将各模态的数据中心平移到同一点并调整各模态数据的离散程度,降低多模态结构对PPA性能的影响。使用多模态非线性数值例子和TE过程对该方法进行仿真测试,并与主元分析法(PCA)、主多项式分析法(PPA)进行对比分析,结果表明DLNS-PPA方法的有效性及优势。

摘要： 为了克服废水处理过程具有较强的非线性及动态特性,研究了基于主成分分析(principal component analysis,PCA)的在线故障检测.首先在PCA的基础上引入核函数,构造核主成分分析(kernel principal component analysis,KPCA)来优化模型结构,再通过嵌入动态模型来构造动态核主成分分析方法(DKPCA),最后对废水处理过程进行在线故障检测.基于某造纸厂废水数据,构建了偏移故障、漂移故障及精度下降故障,并进行仿真.研究结果表明,在偏移故障条件下,相较于PCA和KPCA方法,DKPCA的平方预测误差故障检测率分别提升了96.96％和87.87％,且在漂移故障条件下检测的灵敏度也有明显提升,验证了在废水时变性过程中DKPCA方法在线故障检测的有效性.

摘要： 针对化工过程的变量数据维数高、非线性的问题,提出基于邻域保持嵌入(NPE)-主多项式分析(PPA)的过程故障检测算法.应用NPE算法提取高维数据的低维子流形,能够解决传统的线性降维算法不能提取局部结构信息的问题,对维数进行约减.利用PPA法时,使用一组灵活的主多项式分量来描述数据,能够有效地捕捉过程数据中固有的非线性结构.在降维后的流形空间进行主多项式分析并建立Hotelling’s T^(2)和平方预测误差统计量模型,同时确定控制限以进行故障检测.最后,通过一组非线性数值实例和Tennessee Eastman化工过程数据,将NPE-PPA算法与传统的核主元分析法、PPA法进行对比分析,验证所提算法的有效性及优越性.

摘要： 鉴于稀土元素铈镨/钕(CePr/Nd)的萃取是一个非线性、强耦合的复杂过程,难以建立精准的过程模型.利用实际萃取过程的萃取剂流量和洗涤剂流量作为输入,监测级两端组分含量作为输出.然后根据稀土元素CePr/Nd萃取生产过程的工艺参数要求,利用串级萃取理论对CePr/Nd元素的萃取过程进行模拟,分析每个串级的CePr/Nd含量的分布.再结合实际生产过程中采集的数据,建立稀土CePr/Nd萃取过程模拟的Elman网络模型,从而确保两端出口产品最终达到所需纯度.最后通过稀土萃取过程BP、RBF、Elman建模策略进行了仿真对比,结果表明:萃取过程Elman模型具有更高的预测精度和更好的稳定性,可为稀土萃取生产过程工艺参数调整提供可靠的信息依据.

摘要： 传统支持向量数据描述(SVDD)方法本质上采用浅层学习框架,难以有效监控非线性工业过程的复杂故障.针对此问题,提出一种基于加权深度支持向量数据描述(WDSVDD)的故障检测方法.该方法一方面在深度学习框架下重新定义SVDD优化目标函数,构建基于深度特征的深度SVDD监控模型(DSVDD),并利用核密度估计法计算监控指标的统计控制限;另一方面,考虑到深度特征的故障敏感度差异特性,在DSVDD监控模型中设计特征加权层,分别从静态和动态信息分析角度给出权重因子的计算方法,利用权重因子突出故障敏感特征的影响以提高故障检测率.应用于一个典型化工过程的测试结果表明,所研究的方法能够比传统SVDD方法更有效地监控过程中复杂故障的发生.

摘要： 传统的建筑教学中,学生往往单纯从功能、形态与空间出发,线型推进纸面上的虚拟设计,局限于建筑学范畴内思考.但建筑落成过程是一个多学科、多专业合作,且根据场地、材料与施工条件等多种因素反馈而不断调整优化的非线性过程.文章通过第三届国际高校建造大赛华南理工大学团队的参赛经历,讨论在实践教学中对多学科协作与非线性设计两个方面的思考与相关教学经验.

摘要： 提出一种与质量相关的核潜结构投影方法,并将其应用于非线性过程的质量监测中.结果表明,与KPLS方法在过程潜变量空间监测质量相关的变化不同,新方法通过将质量变量空间进一步分为3个子空间,实现了对包含能被过程解释的质量部分以及不能被过程解释的质量部分的完整质量监测.同时,通过TE仿真案例验证了新方法的有效性。

摘要： 针对工业过程数据的非线性特点可能导致的监控困难,将核方法(Kernel Method)的两种应用——超球面支持向量机(Hyper Sphere Support Vector Machine,HSSVM)和核主元分析(Kernel Principal Component Analysis,KPCA)相结合,提出一种适用于非线性过程的故障诊断方法.该方法采用HSSVM离线建立故障检测模型和故障分类模型;同时采用KPCA离线建立故障检测模型;并在在线检测阶段对KPCA检测模型的T2控制限进行动态调整.结合历史正常数据的HSSVM分类面、KPCA控制限和动态T2控制限,对过程数据进行实时故障检测.若检测出故障则将故障样本输入已建好的HSSVM故障分类模型进行故障类型识别,并输出诊断结果.通过Tennessee Eastman(TE)化工过程仿真模型验证该方法,多种故障模式的诊断结果表明该方法在保证实时性的前提下能有效地辨识故障.

摘要： 针对一类高度非线性过程的虚拟仿真问题,提出一种虚拟环境下仿真新方案,即"物理行为模型+现象发生系统",该方案由虚拟现实系统、基于分形几何建模、物理行为模型三部分组成,关键技术包括:物理行为模型与现象发生系统之间映射关系建立方法;基于分形几何的复杂拓扑结构几何模型快速构造算法;虚拟环境下基于结点的大量复杂几何对象近似纹理快速处理算法;大量复杂几何对象的实时渲染问题.随后以散体岩石在圆锥破碎机破碎腔中的破碎过程虚拟仿真为例,说明方案的应用过程。

摘要： 提出了一种基于动态核偏最小二乘(DKPLS)的多变量监测方法.KPLS结合PLS和核技巧两者的优点,通过非线性映射在高维的特征空间中计算出得分向量。所提出的DKPLS将KPLS与系统的动态特性相结合,不仅可以从观测变量的动态信息中取出了那些与输出变量相关的非线性信息,并且还具有动态的优点,由于不考虑动态优化过程,因此它又是一种无教师指导学习方法.计算结果表明DKPLS能有效地提取时间和批次的信息,对于动态过程的故障诊断有很好的效果.

摘要： 本文以传播学的基本理论为基础,运用系统科学的分析方法,对科技传播系统的结构进行了深入的分析后,提出了科技传播的基本模式,并强调科技传播的非线性过程是科技传播的本质属性,是一切科技传播模式的基础.

摘要： 本文以一个三维的非线性系统为对象,在MATLAB仿真环境下对其进行PCA和KPCA仿真,结果显示:KPCA对于非线性系统监视比运用PCA方法效果好得多,具有很好的监视性能.

摘要： 核主元分析(KPCA)是最近出现的一种颇具前景的处理非线性系统问题的有效方法.该方法可通过集成算子与非线性核函数有效计算高维特性空间的主元成分,与线性PCA相比,显示出更高的过程监视性能.本文以一个三维非线性系统为对象,在MATLAB仿真环境下分别进行PCA和KPCA监视仿真.仿真结果表明了KPCA对于非线性系统监视的良好效果.

摘要： 对于连续搅拌槽反应器(CSTR)、pH中和、高纯度分离等化工过程的控制,由于其过程本身的严重非线性而变得十分困难.自抗扰控制器(ADRC)在较广泛的一大类未知强非线性系统和系统中存在强干扰的情况下能表现出很强的适应性和鲁棒性.本文采用二阶ADRC来控制诸如上述的复杂非线性过程.并结合工程实际和理论分析,对其跟踪微分器TD的设计予以简化.对CSTR和pH中和过程的仿真结果表明,基于ADRC的控制在定值和随动系统情况下均得到远优于常规PID调节器的控制效果,显示出ADRC在化工过程控制中良好的应用前景.

摘要： 污水生化处理过程的严重非线性给过程监视带来困难.核主元分析(KPCA)可以通过集成算子与非线性核函数有效计算高维特征空间的主元成分,从而有效捕捉过程中的非线性关系.基于KPCA方法构造污水生化处理过程监视策略,可以有效监测污水处理过程中出现的异常状态,与线性PCA监视方法相比,显示出更好的监视性能.

摘要： 污水生化处理过程的严重非线性给过程监视带来困难.核主元分析(KPCA)可以通过集成算子与非线性核函数有效计算高维特征空间的主元成分,从而有效捕捉过程中的非线性关系.基于KPCA方法构造污水生化处理过程监视策略,可以有效监测污水处理过程中出现的异常状态,与线性PCA监视方法相比,显示出更好的监视性能.

摘要： 本发明涉及一种基于线性评价因子的线性‑非线性工业过程故障检测方法。其步骤为：首先对训练数据和测试数据进行归一化处理；其次，定义线性评价因子LEF(xi,xj)，通过线性评价因子LEF(xi,xj)衡量变量间不同的相关性，借助线性评价因子划分出工业过程中的线性块和非线性块，能够更细致地描述局部变量的相关性；在此基础上，在不同子块分别建立PCA模型、KPCA模型，并融合所有块的信息，通过融合后的统计量判断是否发生故障，进而改善故障检测结果，提高故障检测率。

摘要： 本发明涉及的电压非线性电阻器，其特征在于，由烧结体制成，该烧结体主要由氧化锌粒子、以锌和锑为主成分的尖晶石粒子、和氧化铋相构成，在氧化铋相中选自钾和钠中的至少1种的碱金属以0.036原子％以上0.176原子％以下的范围存在。该电压非线性电阻器同时具有优异的电压非直线性和带电寿命特性，因此适合用于避雷器。

摘要： 一种用于控制物理过程的模型预测控制器(MPC)(100)包括非线性控制部(110)和线性控制部(118)，所述非线性控制部(110)包括存储有非线性(NL)模型的存储器(112)，所述存储器(112)耦合到提供至少一个线性化模型的线性化电路(114)，所述线性控制部(118)包括存储有线性模型的存储器(122)。控制器引擎(140)被耦合为接收线性化模型和线性模型这两者。所述MPC包括切换器(125)，其在一个位置时使控制器引擎利用线性模型在线性模式中操作以实现线性过程控制，而在另一个位置时使控制器引擎利用线性化模型在NL模式中操作以实现NL过程控制。所述切换器能够是自动切换器，其被配置用于在线性过程控制和NL过程控制之间自动地切换。

摘要： 本发明公开了基于规范变量非线性主成分分析的非线性动态过程监测方法，包括如下步骤：获取数据矩阵Y，预先指定p的数值和系统阶数n；依据公式组合过去和未来观侧值的Hankel矩阵；计算过去和未来观测值的协方差和互方差矩阵；对H矩阵进行奇异值分解；计算状态矢量和残差矢量；通过显式二阶多项式映射将状态矢量投影到高维特征空间；通过主成分分析中的特征值分解确定前k主元；最后计算T

摘要： 本发明涉及一种基于线性评价因子的线性‑非线性工业过程故障检测方法。其步骤为：首先对训练数据和测试数据进行归一化处理；其次，定义线性评价因子LEF(xi,xj)，通过线性评价因子LEF(xi,xj)衡量变量间不同的相关性，借助线性评价因子划分出工业过程中的线性块和非线性块，能够更细致地描述局部变量的相关性；在此基础上，在不同子块分别建立PCA模型、KPCA模型，并融合所有块的信息，通过融合后的统计量判断是否发生故障，进而改善故障检测结果，提高故障检测率。

摘要： 本发明涉及的电压非线性电阻器，其特征在于，由烧结体制成，该烧结体主要由氧化锌粒子、以锌和锑为主成分的尖晶石粒子和氧化铋相构成，在氧化铋相中选自钾和钠中的至少1种的碱金属以0.036原子％以上0.176原子％以下的范围存在。该电压非线性电阻器同时具有优异的电压非直线性和带电寿命特性，因此适合用于避雷器。

摘要： 一种用于控制物理过程的模型预测控制器(MPC)(100)包括非线性控制部(110)和线性控制部(118)，所述非线性控制部(110)包括存储有非线性(NL)模型的存储器(112)，所述存储器(112)耦合到提供至少一个线性化模型的线性化电路(114)，所述线性控制部(118)包括存储有线性模型的存储器(122)。控制器引擎(140)被耦合为接收线性化模型和线性模型这两者。所述MPC包括切换器(125)，其在一个位置时使控制器引擎利用线性模型在线性模式中操作以实现线性过程控制，而在另一个位置时使控制器引擎利用线性化模型在NL模式中操作以实现NL过程控制。所述切换器能够是自动切换器，其被配置用于在线性过程控制和NL过程控制之间自动地切换。

摘要： 一种针对化工过程动态非线性特征的过程监控方法，包括离线故障检测阶段计算、在线故障检测阶段计算两个步骤；离线故障检测阶段计算包括六个分步骤，在线故障检测阶段计算包括五个下分步骤。本发明通过离线故障检测阶段、在线故障检测阶段两个步骤，经构造增广矩阵及引入时滞系数的方法来嵌入动态模型，再进行局部核主成分分析的处理方法，改进了传统LKPCA在故障诊断中的性能指标，使得故障检测模型对数据的动态结构有更强的捕捉性能，对模型的过程监测性能有一定的改善，有效的改善了传统LKPCA在故障诊断中的误报率和漏报率较高的情况，实际应用中能很好检测出化工生产过程中的异常，为化工工业的安全高效生产起到了有力技术支持。

摘要： 控制系统包括一个非线性Δ∑调节器，而此非线性Δ∑调节器包括一个非线性过程模型，用于模拟诸如非线性设备等信号处理系统中的非线性过程。该非线性Δ∑调节器包括一个反馈模型，用于模拟受控的非线性过程，并且便于进行频谱整形，将噪声移出非线性过程响应信号的频谱范围内的基本频带。在至少一个实施例中，该非线性Δ∑调节器属于控制系统的一部分，该控制系统控制开关功率转换器的功率因数校正和输出电压。该控制系统对控制功率因数校正和输出电压水平的控制信号的脉冲宽度和周期进行控制。在至少一个实施例中，该该非线性Δ∑调节器产生一个信号，对该控制信号的脉冲宽度进行控制。

摘要： 控制系统包括一个非线性Δ∑调节器，而此非线性Δ∑调节器包括一个非线性过程模型，用于模拟诸如非线性设备等信号处理系统中的非线性过程。该非线性Δ∑调节器包括一个反馈模型，用于模拟受控的非线性过程，并且便于进行频谱整形，将噪声移出非线性过程响应信号的频谱范围内的基本频带。在至少一个实施例中，该非线性Δ∑调节器属于控制系统的一部分，该控制系统控制开关功率转换器的功率因数校正和输出电压。该控制系统对控制功率因数校正和输出电压水平的控制信号的脉冲宽度和周期进行控制。在至少一个实施例中，该该非线性Δ∑调节器产生一个信号，对该控制信号的脉冲宽度进行控制。