侍洪波 作品数:142 被引量:522 H指数:12 供职机构: 华东理工大学 更多>> 发文基金: 国家自然科学基金 上海市教育委员会重点学科基金 上海市自然科学基金 更多>> 相关领域: 自动化与计算机技术 化学工程 理学 电子电信 更多>>
基于局部线性嵌入算法的化工过程故障检测 被引量:12 2012年 随着工业过程日趋复杂,系统安全及产品质量的在线监控也变得日益重要。针对化工过程的非线性特点,提出了一种新的基于局部线性嵌入(locally linear embedding,LLE)流形学习算法和支持向量数据描述(sup-port vector data description,SVDD)的故障检测方法。首先,使用LLE提取高维数据的低维子流形,进行维数约减,以保存更多原有系统的非线性特性,通过局部线性回归得到高维数据空间到低维特征空间的映射矩阵,保证了算法的实时性;然后,为了避免数据噪声的累加对传统统计量的影响,引入SVDD直接根据特征空间建立SVDD模型,构造统计量并确定其控制限;最后,通过数字仿真及Tennessee Eastman(TE)过程仿真研究验证了本文方法的有效性。 马玉鑫 王梦灵 侍洪波关键词:局部线性嵌入算法 支持向量数据描述 故障检测 基于分形几何的化工过程故障诊断应用研究 本文应用分形几何理论、小波变换和神经元网络技术对化工过程故障诊断问题开展研究工作。基本方法是通过比较信号曲线的容量维数进行故障诊断。研究工作针对TE 问题进行。试验表明,同类故障下某一时域信号分量有相近的容量维数,而不同... 黄闯 侍洪波关键词:化工过程 故障诊断 小波变换 神经元网络 文献传递 基于多模型模糊核聚类方法的污水处理过程软测量建模 被引量:7 2010年 针对污水处理过程高度非线性及强耦合性的特点,基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出了一种基于模糊核聚类的多最小二乘支持向量机的软测量建模方法。该方法根据不同工况使用模糊核聚类算法对输入数据进行聚类划分,针对每个聚类子集用最小二乘支持向量机方法建立子模型,最终通过子模型切换策略得到系统输出。在污水处理过程仿真平台展开验证工作,对生化需氧量BOD的软测量进行建模,获得了良好的实验结果。 索幸仪 侍洪波关键词:模糊核聚类 最小二乘支持向量机 污水处理 聚酯酯化率软测量技术研究 被引量:3 2005年 介绍了某聚酯生产过程酯化工艺建立的过程质量指标酯化率的软测量模型。提出一种利用减法聚类产生初始的T-S模糊模型,通过粗调与细调聚类半径优化模糊模型的方法。建模前选择或计算出辅助变量,对样本数据进行了误差剔除与归一化处理。仿真结果表明,该方法建模速度快,模型泛化性能良好,为酯化率的估计提供了一种有效方法。 杨红卫 李柠 侍洪波关键词:酯化率 软测量 T-S模糊模型 减法聚类 酯化率 聚酯 T-S模糊模型 减法聚类 酯化工艺 基于马氏距离局部离群因子方法的复杂化工过程故障检测 被引量:28 2013年 为了满足实际的生产需要,复杂化工过程往往包含多个运行模态。同时过程的复杂性使得同一模态下的数据分布是一种高斯分布和非高斯分布混合存在的不确定情况。数据的多模态分布特性以及同一模态下数据分布的不确定性使得传统多元统计监控(MSPM)方法很难给出令人满意的结果。针对这一问题,本文提出一种新的马氏距离局部离群因子(MDLOF)方法进行故障检测。通过利用马氏距离挖掘变量局部结构中包含的有用信息,并对样本的邻域密度加以考虑,形成对数据分布具有鲁棒性的基于密度的监控指标。最后通过数值仿真例子及Tennessee Eastman过程验证其有效性。 马贺贺 胡益 侍洪波关键词:故障检测 非满载车辆路径问题的改进粒子群优化算法 被引量:4 2006年 将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。 罗先国 侍洪波关键词:车辆路径问题 粒子群优化 基于注意力机制的领域加权增强工业过程监测方法 针对连续工业过程的过程监测,合理利用过程数据的空间局部信息对于系统状态表征具有重要价值,进而提高过程监测的性能。为进一步利用空间邻域对当前数据的表征能力,提升当前数据的信息富集程度,本文提出了一种基于注意力机制的邻域加权... 郭磊 李楠希 侍洪波基于支持向量机的化工过程故障诊断 被引量:12 2004年 引入了基于统计学习理论的支持向量机技术,以连续搅拌釜式反应器——CSTR模型为例,研究了非线性化工复杂反应过程的故障诊断问题。实验结果表明,支持向量机方法与传统故障诊断方法相比,具有更好的精度、速度以及适应性。 陈剑雪 侍洪波关键词:故障诊断 支持向量机 BP神经网络 小波网络 基于小波递归神经网络的间歇过程迭代学习优化控制 被引量:3 2011年 针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预测误差均值来修正神经网络模型预测输出,继而计算出下一个批次的控制输入。随着批次的进行,模型误差逐渐消失,控制输入达到最优控制。仿真实验结果验证了该算法的有效性。 宋继荣 侍洪波关键词:迭代学习控制 LM算法 一种快速自适应蜂群算法及其应用 被引量:10 2013年 人工蜂群算法(Artificial Bee Colony,ABC)具有操作简单、控制参数少及鲁棒性强等特点,已成为群体智能领域的研究热点之一,但其仍然存在收敛速度慢、易陷入局部最优的问题。针对这些问题,提出了一种改进的人工蜂群算法(Quick Self-Adaptive Artificial Bee Colony,QAABC)。首先,对人工蜂群算法的选择策略和搜索策略进行改进,以提高算法的收敛速度和优化精度;其次,对超边界的个体进行一次有效变异,增强种群的多样性。最后,将本文算法与其他两种算法(标准ABC、ABCP)对5个测试函数在低维和高维进行了对比实验,并将之运用于压力容器设计中成本最小化问题的研究,所得结果均验证了改进算法的有效性。 何鹏 阎兴頔 侍洪波关键词:人工蜂群 自适应 函数优化