基于BP神经网络的复杂过程参数优化方法研究

针对生产过程中存在响应变量受多重复杂因素的影响,响应曲面模型不能解决的复杂因素影响的参数优化问题,提出一种基于BP神经网络的参数优化方法。BP神经网络具有较高的学习能力和映射能力,可以解决响应曲面模型的不足,建立良好的映射模型。利用BP神经网络模型的高泛化能力对最优参数组合寻优搜索,以较少的试验数据得到理想的参数设计。防眩玻璃制备工艺参数优化的分析结果表明,基于响应曲面模型的参数优化方法具有局限性,而BP神经网络的优化方法能够将透过率提高到92.22%,验证了该参数优化方法的有效性和可行性。     

基于PSO优化径向基网络的矿用球磨机能耗参数优化研究

球磨机是矿企选矿生产中的高能耗、关重设备,其耗能受多种负荷工艺参数的影响,上述参数间"强非线性"、"强扰动"、"强耦合",且难以直接测量,构建其精确的数学模型十分不易。为提质增效、节能减排,实现矿用球磨机能耗的优化,提出基于粒子群优化径向基神经网络结构参数的能耗预报模型。首先,对决定RBF神经网络模型精度的隐节点中心和宽度2个结构参数优化,避免人工选择的盲目性、尝试性,以此来提升模型的提高,同时利用UCI数据库中的标准数据来验证上述模型的有效性。在此基础上,将包钢巴润矿业选厂5.03×6.4m球磨机的实际生产中105组数据中部分数据作为学习样本,以均方误差为适应度函数,基于PSO优化RBF算法来构建其能耗的预测模型,余下作为测试样本来检验所建模型的有效性。结果表明:与BP算法相比,PSO优化RBF算法具有更高的精度,为磨矿生产的降本增效提供新途径。     

基于粒子群优化SVR的用电量预测

针对用电量数据非线性的特点提出一种基于粒子群优化的PSO-CV-SVR模型。该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数。将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度。     

压力铸造充型过程多工艺参数的优化选择

首先建立一个多维参数优化模型 ,即 2个目标函数 ,多个工艺参数 .在不能得到其理论解的时候 ,采用神经网络与遗传算法相结合的方法 ,求解该复杂优化模型的近似解 .即先利用铸造充型过程数值仿真软件 ,通过数值计算获得一些有关工艺参数的仿真结果 ;然后将数值实验结果作为样本数据 ,运用L M算法训练神经网络 ,建立起目标函数值 (充型时间和充型结束时型腔内最高温度与最低温度之差 )和输入参数 (多个工艺参数 )之间的函数关系 ,进而使用遗传算法寻优 ,从而得到最合适的浇铸参数组合 .     

基于IPSO优化BP的转炉炼钢终点预测研究

针对BP算法局部停滞、收敛缓慢的不足,提出粒子速度与位置的一种更新策略并优化BP,从而构建了改进PSO-BP终点预报模型;以一组UCI标准数据验证所提模型的优越性。在此基础上,以某钢厂采集的实际生产数据为训练样本,均方误差为适应度函数,应用PSO算法对影响炼钢终点的关键工艺参数进行优化。实验结果表明,所提方法能够更好、更快的获得转炉炼钢中的工艺参数,且以此工艺参数进行实验,转炉炼钢的倒炉命中率有所提高。     

基于BP神经网络的两参数区域对流层延迟模型

为了提高区域对流层延迟模型的精度,利用BP神经算法构建两参数区域对流层延迟新模型。基于河南省部分CORS基准站的数据,将穿刺面作为研究面,基于BP神经网络模型、平面拟合模型、二次曲面拟合模型分别建立两参数区域对流层延迟模型,并设计了3种不同的建模方案,以验证模型的精度。实验结果表明,BP神经网络模型的对流层延迟精度达到mm级,明显优于其他2种模型,BP神经网络模型和平面拟合模型不仅适用于区域内,同样适用于区域外,证实了新模型的有效性。     

基于Matlab神经网络工具箱的电弧焊工艺参数优化

采用神经网络技术将电弧焊工艺参数与焊缝高和熔深之间复杂的非线性关系转化为一个线性优化问题,解决了电弧焊工艺参数与焊缝高和熔深之间定量关系难以表达的问题。采用Matlab神经网络工具箱的图形用户界面GUI（Graphical User Interfaces）能够方便的创建BP网络,然后用实验数据对BP网络进行训练,训练好的BP网络就可用于电弧焊工艺参数优化。     

融合自注意力机制和语义词典的危机情绪分类研究

[目的/意义]在社会危机事件发生后,及时、有效地对社交网络上的文本内容进行情绪分类,有助于准确掌握公众情绪状态、优化社会危机事件管控方案。[方法/过程]基于框架语义理论构建危机情绪分类词典和危机情绪类别体系,采用融合自注意力机制的LSTM神经网络分类模型,实现优化的、细粒度的危机情绪分类。[结果/结论]以微博危机事件评论数据为例,通过不同参数的组合以及模型对比实验,获得了较高的准确率,验证了模型的可行性和有效性。为社交网络文本危机情绪分类提供优化的理论模型和方法支持,同时为相关领域的研究提供语义资源。     

智能电网视角下粒子群优化支持向量机的用电量预测

智能电网的—个重要特征是通过高精度的用电量预测进行电能智能调配,用电量信息的精确预测是电网智能化的关键指标.针对用电量数据非线性的特点,提出了一种基于粒子群优化的PSO-CV-SVR模型.该模型基于支持向量回归机原理,以粒子群算法和交叉验证的思想优化模型参数.将该模型应用于江苏省全社会用电量的预测分析,结果表明该模型优于BP-神经网络方法,提高了预测的精度.     

一种基于注意力机制的高分遥感影像场景分类的方法

针对高分遥感影像场景分类准确率低的问题,提出了一种改进的卷积神经网络模型AResNet。该模型将注意力机制引入到预置残差网络中,使用卷积注意力模块分别从通道和空间两个维度学习特征信息,增强了特征的可判别性,实现对遥感影像场景的有效分类。在此基础上,采用ImagNet预训练参数,在训练过程中,采用Adam算法不断优化参数。实验结果表明,在NWPU-RESISC45数据集上,AResNet模型分类准确率提升到了94.3%,验证了模型的有效性。     

Machine Learning based Digital Twin Framework for Production Optimization in Petrochemical Industry

Digital twins, along with the internet of things (IoT), data mining, and machine learning technologies, offer great potential in the transformation of today’s manufacturing paradigm toward intelligent manufacturing. Production control in petrochemical industry involves complex circumstances and a high demand for timeliness; therefore, agile and smart controls are important components of intelligent manufacturing in the petrochemical industry. This paper proposes a framework and approaches for constructing a digital twin based on the petrochemical industrial IoT, machine learning and a practice loop for information exchange between the physical factory and a virtual digital twin model to realize production control optimization. Unlike traditional production control approaches, this novel approach integrates machine learning and real-time industrial big data to train and optimize digital twin models. It can support petrochemical and other process manufacturing industries to dynamically adapt to the changing environment, respond in a timely manner to changes in the market due to production optimization, and improve economic benefits. Accounting for environmental characteristics, this paper provides concrete solutions for machine learning difficulties in the petrochemical industry, e.g., high data dimensions, time lags and alignment between time series data, and high demand for immediacy. The approaches were evaluated by applying them in the production unit of a petrochemical factory, and a model was trained via industrial IoT data and used to realize intelligent production control based on real-time data. A case study shows the effectiveness of this approach in the petrochemical industry.     

基于关联数据的电子病历资源共享研究

【目的/意义】将关联数据对于多源异构数据组织的优势应用在电子病历资源共享中,实现电子病历资源的 共享。【方法/过程】在分析了电子病历资源共享难题以及关联数据的技术特点基础上,提出基于关联数据的电子病 历资源的处理流程,进而构建基于关联数据的电子病历资源共享模型,并选取某医院部分电子病历资源数据进行 实证研究。【结果/结论】实证研究结果表明,关联数据能够实现电子病历资源的共享。基于关联数据的电子病历资 源共享模型能够较好的实现电子病历资源的共享及信息扩展,改善资源之间无法互联互通问题,提升诊疗、检索效 率。【创新/局限】本文为国内复杂汉语环境下电子病历资源共享提供可行方案,未来还应进行更大覆盖范围、更多 数据量的实证,并从标准化、隐私保护方面进行扩展研究。     

电阻点焊的信号采集及调理电路的设计

随着对电阻点焊质量要求的不断提高,现有的检验方法已不能满足低成本、高效率的现代化生产,因此,建立基于过程参数的电阻点焊质量评定系统非常必要。本文设计的应用于电阻点焊数据采集系统的电流传感器和电压传感器,以及与之配套的信号调理电路,完成积分和放大的功能。测试结果表明,所设计的信号调理电路符合设计要求,为开发电阻点焊质量评定系统提供了必不可少的硬件组成部分。     

Identification of cement rotary kiln using hierarchical wavelet fuzzy inference system

Rotary kiln is the central and the most complex component of cement production process. It is used to convert calcineous raw meal into cement clinkers, which plays a key role in quality and quantity of the final produced cement. This system has complex nonlinear dynamic equations that have not been completely worked out yet. In conventional modeling procedure, a large number of the involved parameters are crossed out and an approximation model is presented instead. Therefore, the performance of the obtained model is very important and an inaccurate model may cause many problems for designing a controller. This study presents hierarchical wavelet TS-type fuzzy inference system (HWFIS) for identification of cement rotary kiln. In the proposed method, wavelet fuzzy inference system (WFIS) with two input variables is used as sub-model in a hierarchical structure and gradient descent (GD) algorithm is chosen for training parameters of antecedent and conclusion parts of sub-models. The results show that the proposed method has higher performance in comparison with the other models. The data collected from Saveh White Cement Company is used in our simulations.     

盐酸环丙沙星片薄膜包衣技术探讨

目的：在原有生产条件下通过调整薄膜衣包衣技术寻找出影响盐酸环丙沙星片脆碎度的因素进而确定最佳工艺参数提高产品质量、降低生产过程中不合格品的数量。方法：通过分析影咆脆碎度的原因在相同工艺条件下找出主要影响因素确定最佳方案。结果：采取有效措施后提高了盐酸环丙沙星片的脆碎度减少了尾料数量。结论：采取的有效措施方法简单易行能保证产品质量。     

基于马尔可夫模型的图书馆用户聚类分群方法研究

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆 用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列 模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自 适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实 验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群 数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了 设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用 户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。     

阿莫西林胶囊溶出度的主要因素探讨

目的：在原有生产条件下通过调整生产工艺寻找出影响产品溶出度的因素进而确定最佳工艺参数解决阿莫西林胶囊生产过程中溶出度较低问题,提高产品质量、降低生产成本。方法：通过分析影响溶出度的原因保证在相同的生产工艺条件下确定最佳方案。结果：采取由有效措施后提高了阿莫西林胶囊的溶出度。结论：采取的有效措施方法简单易行能保证产品质量。     

基于知识元和有色Petri网的应急实施流程优化方法

合理的应急实施流程对于有效应对突发事件至关重要。在知识元理论与Petri网方法的基础上提出了一种突发事件应急实施流程的优化方法。首先,借鉴共性知识模型,形式化表示活动基元及其内部联系,建立活动基元模型。随后,找到活动基元模型与有色Petri网的映射关系,并使用有色Petri网方法实现活动基元模型以及活动基元间的基本路由关系。在此基础上,结合知识元原理和Petri网方法,提出突发事件应急实施流程的五步优化方法。最后,以化学危险品事故为例说明该优化方法的使用过程。     

三维地震叠前时间偏移技术在新疆淖毛湖矿区的应用

针对新疆淖毛湖矿区深部构造复杂区段,应用三维地震叠前偏移技术实现了复杂构造的精确归位,提高了资料解释精度,使最终的地质成果可靠程度提高。     

A data-driven subspace predictive control method for air-cooled data center thermal modelling and optimization

This paper presents a data-driven predictive control method for optimizing the energy consumption of air-cooled data centers with unknown system model parameters. First, based on the measurable data of the studied system, the subspace predictive control (SPC) method is adopted to improve the energy use efficiency of the data center by regulating the power allocation of the server racks and the supply temperature of cold air, while ensuring the safe operating environment of the electronic equipment. Furthermore, a reasonable event-triggered law is designed to solve the problem of the low computational efficiency of the conventional SPC method. The simulation results illustrate that the designed event-triggered law can improve the computational efficiency of the algorithm while maintaining the control performance of the algorithm, which verifies its application prospect in practice.