公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

乙腈生产及其精制工艺研究进展被引量：14: 2014年; 乙腈的工业生产分为间接法和直接合成法两类。根据原料的不同,对直接合成法中各种方法的优劣及其工艺的成熟程度进行了重点讨论,认为乙醇氨化脱氢法、乙酸氨化脱水法工艺流程简单,转化率高,选择性好,乙腈易分离提纯,最具有工业前景;间接法为丙烯氨氧化副产法,是目前工业生产乙腈的主要来源,针对其杂质种类较多等特点,分别介绍了氢氰酸、醛酮、噁唑、丙烯醇、少量丙腈和水等主要杂质的提纯方法,重点对水与乙腈共沸物的提纯做了详细阐述。最后将副产乙腈的精制工艺与新型精制工艺进行了对比,并展望了我国乙腈工业的发展未来。; 卢英俊孙小方潘海天; 关键词：乙腈精制丙烯氨氧化共沸变压精馏

KPCA-bagging集成神经网络软测量建模方法被引量：12: 2015年; 许多化工过程具有机理复杂和强非线性等特点,为了克服常规建模方法存在的不足和提高软测量模型的预测精度,提出一种用于化工过程软测量的核主元分析(KPCA)-bagging集成神经网络建模方法.首先利用KPCA对软测量模型的输入数据进行降维处理,提取非线性主元并作为模型输入;然后采用bagging集成学习算法得到若干样本子集,通过训练各子集建立多个BP神经网络子模型,采用网格搜索法优化确定各子模型隐含层单元个数与集成模型规模;最后采用岭回归方法实现子模型输出融合,建立KPCA-bagging集成神经网络软测量模型.聚丙烯熔融指数软测量仿真结果表明,采用上述建模方法建立的软测量模型具有较好的预测性能.; 夏陆岳王海宁朱鹏飞潘海天; 关键词：核主元分析软测量熔融指数

基于最小方差基准的软约束调整与经济性能协调被引量：1: 2012年; 模型预测控制的经济性能主要通过减少关键工艺参数的方差,以及移动过程的操作点使其更接近约束边界来实现。另一方面,软约束边界需要经常的调整以有效地解决模型预测控制的优化不可行问题。在协调软约束调整与模型预测控制的经济性能的过程中,本文提出了将基于性能评估的最小方差引入到模型预测控制的稳态目标计算中,以保证模型预测控制能够更加合理地提高系统的经济性能。最后,以延迟焦化装置加热炉预测控制为例,讨论和分析了该方法的有效性。; 周猛飞潘海天蔡亦军邹涛; 关键词：模型预测控制软约束经济性能

基于MHE方法的氯乙烯聚合过程在线参数估计被引量：2: 2013年; 聚合反应过程具有非线性、时变性和不确定性等特点,这给聚合反应过程的建模和模型的在线应用带来了一定的问题。本文以氯乙烯悬浮聚合反应过程为对象,研究基于滑动时间窗口有效样本数据的模型参数在线估计技术,提出一种基于滚动时域估计(MHE)的方法,对氯乙烯聚合反应过程中传热模型中的关键时变参数——传热系数进行在线估计与实时校正。应用结果表明,基于MHE在线参数估计方法的有效性与稳定性,较好地提高了模型的自适应性和在线预测精度。; 逯振飞周猛飞夏陆岳潘海天; 关键词：滚动时域估计参数估计蒙特卡罗

基于改进Kalman滤波算法的多模型融合建模方法被引量：7: 2015年; 针对聚合物生产过程重要质量控制指标或状态变量的软测量问题,提出了一种基于改进Kalman滤波算法的多模型融合建模方法。将混合核函数主元分析(K2PCA)与人工神经网络(ANN)相结合,建立一种基于K2PCA-ANN的数据驱动模型;利用改进Kalman滤波算法实现K2PCA-ANN模型与机理模型融合,构建一种并联结构的混合模型;协调二次滤波(线性滑动平滑)和方差更新对混合模型进行优化处理,使混合模型的估计性能尽可能地达到最优,使混合模型的预测稳定性得到有效改善。将该多模型融合建模方法应用于氯乙烯聚合过程聚合速率软测量中,应用研究结果表明:与单一的机理模型或K2PCA-ANN数据驱动模型的预测性能相比,该建模方法建立的聚合速率模型具有更佳的预测性能。该建模方法的运用为进一步开展聚合物生产过程优化与控制等研究提供基础条件。; 朱鹏飞夏陆岳潘海天; 关键词：主元分析

基于SVM增量学习的氯甲烷含水量预测控制被引量：2: 2012年; 由于氯甲烷回收过程具有工艺过程复杂、非线性、时变性等特点,导致氯甲烷含水量难以预测。提出了ISVM软测量建模方法,鉴于新增训练样本中如果存在违反KKT条件的样本,则这些样本中肯定存在新的支持向量,必然会使支持向量集发生变化,原分类支持向量集中的非支持向量也有可能转化为支持向量,进一步提出了改进ISVM氯甲烷含水量预测模型。研究结果表明:通过与普通ISVM预测模型比较,采用改进ISVM预测模型的预测结果具有更佳的预测精度,为氯甲烷含水量的控制提供了更精确的条件。; 朱小萍夏陆岳孙小方蔡亦军周猛飞潘海天; 关键词：支持向量机氯甲烷含水量

基于软测量技术的间歇聚合过程质量控制被引量：6: 2015年; 针对间歇聚合过程质量指标的控制问题,提出了一种基于软测量技术的质量控制方法。将混合核函数偏最小二乘法(K2PLS)与人工神经网络(ANN)相结合,构建一种软测量模型,用于预测工艺变量与质量指标之间的定量关系;利用软测量技术和非线性规划方法,求解得到符合质量指标约束的最佳操作变量;根据离线质量指标分析值,利用间歇过程批次间重复的相似性特性,提出了一种偏差修正策略,用于调整操作变量和指导批次间的生产操作。将上述方法应用于氯乙烯聚合过程的质量指标控制研究中,结果表明:基于K2PLS-ANN的软测量模型具有优秀的预测性能,提出的质量优化控制策略,实现了聚氯乙烯质量指标的平稳控制,有助于降低生产消耗,可用于指导实际生产过程。; 朱鹏飞夏陆岳潘海天; 关键词：混合核函数

动态选择性集成神经网络软测量建模: 2016年; 集成建模方法能显著提高软测量模型的预测性能,其中选择性集成通过剔除一些性能不佳的子模型,能进一步提高整体软测量模型预测性能。针对目前选择性集成研究中因忽略了数据间的差异性而导致模型预测性能不佳的问题,提出了一种动态选择性集成神经网络软测量建模方法。首先将原始数据集分为训练集和验证集,采用bootstrap算法对训练集进行差异性扰动,建立了多个神经网络子模型;然后对每个待测样本,采用K-最近邻搜索算法从验证集中找到一个最近邻子集,用该子集评估各神经网络子模型的预测性能,为待预测样本筛选合适的神经网络子模型;最后根据各子模型的预测性能合理分配组合权重,从而建立集成模型,并实现待预测样本的预测。将该建模方法应用于聚丙烯熔融指数软测量研究中,研究结果表明:与单一神经网络、常规全集成和静态选择性集成神经网络模型相比,基于动态选择性集成神经网络的熔融指数软测量模型具有更佳的预测精度。; 夏陆岳朱群娣王海宁潘海天; 关键词：神经网络软测量熔融指数

全选清除导出

共1页<1>

浙江省自然科学基金(Z4100743)