【摘 要】
：
为了降低生产成本、监测过程状态、提高生产效率、优化产品质量,工业过程中关键质量变量的实时测量与预测十分重要。对于复杂的工业生产环境,以及硬件传感器无法或难以测量关键质量变量的问题,软测量方法通过构造以过程变量为输入,质量变量为输出的估计模型,间接估计预测关键质量变量。由于其易于开发、配置灵活、响应速度快等优点,在学术上和工业上得到了迅速地发展和有效的实践。本文的主要研究内容如下:（1）针对工业过程
论文部分内容阅读
为了降低生产成本、监测过程状态、提高生产效率、优化产品质量,工业过程中关键质量变量的实时测量与预测十分重要。对于复杂的工业生产环境,以及硬件传感器无法或难以测量关键质量变量的问题,软测量方法通过构造以过程变量为输入,质量变量为输出的估计模型,间接估计预测关键质量变量。由于其易于开发、配置灵活、响应速度快等优点,在学术上和工业上得到了迅速地发展和有效的实践。本文的主要研究内容如下:（1）针对工业过程中时延问题导致软测量模型预测精度不高的问题,研究通过差分进化算法估计时延的动态软测量方法。通过差分进化算法与偏最小二乘法相结合,将时延参数估计问题转化为一个多维线性优化问题,利用差分进化算法的全局搜索能力求解该优化问题。将该方法用于PX氧化过程中的PTA（Purified Terephthalic Acid,精对苯二甲酸）平均粒径软测量中,实测数据仿真结果表明,时延参数估计可以有效处理工业过程中存在的时滞性问题,提高软测量模型预测精度。（2）针对基于人工神经网络建立软测量模型时,采用小样本数据集,会导致软测量模型的学习不够完善,进而影响模型预测精度的问题,提出基于拉普拉斯噪声的数据增强方法。通过该方法对有限的样本数据集进行扩充,形成更多的可靠训练样本,缓解软测量建模过程中训练样本量少的问题。对PTA平均粒径软测量训练样本进行数据扩充后,使用卷积神经网络建立小样本高维度的动态软测量模型,验证了该数据增强方法的有效性。（3）针对工业过程中采集到的训练数据较少问题,提出基于生成对抗网络的动态软测量建模方法,从建模方法上缓解数据集紧缺的问题,生成对抗网络通过判别器的反向传播更新参数,网络的训练和学习不需要大量的训练数据,通过生成器与判别器之间的对抗训练,完善网络模型。将生成对抗网络用于PTA平均粒径软测量中,通过与基于BP神经网络的动态软测量模型以及使用增强数据建立的小样本高维度卷积神经网络动态软测量模型的效果进行对比分析,证实该方法的有效性。
其他文献
目前人工智能处于飞速发展时期,人类不断突破技术难点,更新人机交互方式。语音识别是语音交互的基础,因此语音识别技术成为国内外众多学者的研究热点。随着神经网络的兴起及计算机性能的提升,科学家将神经网络应用到语音识别中,使识别率有了显著的提高,同时推动了语音识别类产品的商业应用。本文主要研究基于Kaldi的中文语音识别。阐述了语音识别的基本原理及语音信号特征提取方法,介绍了开源工具Kaldi的WFST解
随着全球移动互联网人口规模不断扩大、人均使用时长日渐增加,新时代的无线通信技术需具有更高的频谱效率（Spectral efficiency,SE）、满足更大规模的用户/设备连接、提供更快的数据传输速率等,传统的正交多址接入技术（Orthogonal Multiple Access,OMA）已逐渐不能满足用户的需求。与正交多址技术不同,非正交多址接入（Non-orthogonal Multiple
随着人工智能技术的不断发展,异常检测技术拥有很高的应用价值,广泛应用于入侵检测、故障检测和安防监控等领域。然而,在大数据时代,信息系统产生的数据不仅规模庞大且复杂多变,再加上异常的不可预知性,使得异常检测成为一项非常具有挑战性的工作。近年来,深度学习在异常检测问题上取得巨大的成功。相比于传统异常检测方法,深度学习在无需复杂特征工程的前提下就可以获取大型高维数据中的复杂模式。深度自编码器是异常检测问
电子材料作为整个材料行业不可或缺的一部分,被广泛应用于电子设备中。由于微型化和高度集成化的发展,大气环境下的腐蚀对其内部电子电路和元器件的性能造成严重的影响,导致电子设备失效。印刷箔层压板（PCB-Cu）与化学镀镍金处理技术（PCB-ENIG）以其优良的导电性,被应用于印制电路板（PCB）工艺中,因而PCB-Cu与PCB-ENIG在大气环境下的腐蚀成为学者们的研究热点。本文基于腐蚀机理与元胞自动机
遗传性疾病严重威胁人类健康,破解基因和疾病之间的联系已经成为生物医学研究的重要目标,发现与疾病密切相关的基因对于疾病的预防、诊断及治疗具有极其重要的意义。随着各种生物数据的不断挖掘以及计算机技术的飞速发展,针对基因-疾病关联关系预测问题已经提出了很多方法。然而,现有的预测方法大多采用两步策略,即先进行特征融合,再进行关联关系预测,忽略了这两步之间的促进关系。同时,这些模型没有充分挖掘基因和疾病的多
人的脸部表情是内心情绪的表达,是人与人之间交流情感的重要手段。随着人工智能的发展,人脸表情识别作为计算机视觉中的重要课题受到广泛研究,在人机交互,在线学习,医疗诊断和智能驾驶等领域有重要的应用。因此,如何获得人脸表情识别率更高、识别更快参数量更少的模型对于人脸表情识别任务至关重要。本文基于不同的特征提取方式,主要提出了四种改进的表情识别算法。首先,早期手工提取人脸表情特征的算法对于小型数据集有一定
随着智能设备和新兴智能应用的普及,移动数据流量呈爆炸式增长。为了满足更高的数据速率和大规模无线连接的需求,引入了异构云无线接入网络（Heterogeneous Cloud Radio Access Network,HCRAN）,但大量的低功率节点以及节点间的干扰导致能源消耗的急剧增加。因此,能效优化成为实现网络可持续发展的关键问题。基于上述背景,本文考虑在HCRAN中使用可再生能源与电网能源混合供
微电子器件自出现以来就受到了人们的广泛关注,研究中发现,微电子器件在使用时会根据所选参数的不同而呈现出单周期、多周期或混沌等丰富的非线性动力学现象。本文基于极限学习机（ELM,Extreme Learning Machine）算法针对两种典型的微电子器件——Duffing振子和约瑟夫森结进行了非线性动力学的相关研究。具体工作如下:第一,我们对Duffing振子动力学状态的识别方法进行了研究。Duf
随着信息技术及互联网环境的不断发展,随之而来的信息过载问题亟待解决,常见的数据稀疏以及冷启动问题都在一定程度上影响了推荐质量。现有的大部分推荐算法更偏向于物品信息的考虑,而往往忽略了用户信息,同时更加侧重于挖掘用户与物品之间的静态相关性,但忽略了随着时间的推进而导致的用户兴趣的衰减以及偏好的动态变化,从而无法实现理想的效果。为了解决以上问题,本文提出了基于双端知识图的用户偏好推荐模型,主要研究内容
近年来,针对综合能源系统的信息物理协同攻击事件时有发生,严重影响了系统的安全经济运行,因此考虑信息物理协同攻击的攻防策略对综合能源系统优化调度的影响具有重要意义。本文针对气-电混联综合能源系统,研究了攻击者视角下计及负荷重分配攻击与破坏供能网络的物理攻击协同的最优攻击策略,以及防御者视角下计及系统备用容量和替代负荷的最优防御策略。主要内容如下:（1）研究不计攻击的气-电混联系统优化调度策略本文采用