摘要：针对现有催化裂化(FCC)装置操作优化中未根据市场需求考虑多产品收率约束的问题,本文提出了一种求解多产品收率约束催化裂化反再系统操作优化的改进差分进化(iDE)算法.首先针对FCC操作优化中约束多和不同操作变量的可行范围差异大的特点,设计了一种协同交互变异策略产生变异个体,以提高算法的开发和探索能力;其次提出了一种具有修复功能的参数自适应策略来更新变异因子和交叉因子.此外考虑到FCC操作优化具有时效强的特点,提出了对每一代种群中最好个体实施加强搜索的方法,以提高算法的收敛速度.仿真结果表明:在求解多产品收率的FCC反再系统操作优化问题上,该算法具有较强的全局寻优能力、鲁棒性以及较快的收敛速度.

摘要：针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.

摘要：针对厚板生产过程中难以随时随地实时监控、产品质量波动较大等问题,以及在工业现场环境下数据采集、传输、存储等方面存在的诸多挑战,设计开发了基于厚板生产大数据的智能监控系统。系统采用基于物联网技术的分布式数据采集,解决了非结构数据与底层生产过程数据难以同步的问题,有效提高了数据采集的可靠性和有效性;采用关系型数据库和非关系型数据库相联合的分布式数据存储系统,大大提高了生产实时和非实时数据的存储效率;利用数据挖掘、深度学习等人工智能方法建立设备故障诊断、工况异常识别等智能模型;可视化技术辅助管理决策者和现场操作人员完成更有效的分析决策。最后,此系统已在国内东部某厚板生产线的应用中取得良好效果,初步实现了工业企业的智能化转型,为流程工业智能工厂的建立和完善提供了参考。

摘要：针对具有数据包丢失的网络化控制系统跟踪控制问题,提出一种非策略Q-学习方法,完全利用可测数据,在系统模型参数未知并且网络通信存在数据丢失的情况下,实现系统以近似最优的方式跟踪目标.首先,刻画具有数据包丢失的网络控制系统,提出线性离散网络控制系统跟踪控制问题;然后,设计一个Smith预测器补偿数据包丢失对网络控制系统性能的影响,构建具有数据包丢失补偿的网络控制系统最优跟踪控制问题;最后,融合动态规划和强化学习方法,提出一种非策略Q-学习算法.算法的优点是:不要求系统模型参数已知,利用网络控制系统可测数据,学习基于预测器状态反馈的最优跟踪控制策略;并且该算法能够保证基于Q-函数的迭代Bellman方程解的无偏性.通过仿真验证所提方法的有效性.

摘要：现代工业过程机理复杂使得很难对生产过程以及运行指标与被控变量之间关系精确建模.如何基于工业运行过程数据信息,不依赖模型参数给出设定值设计方案,优化运行指标是一挑战性难题.本文针对在稳态附近可以线性化的一类工业过程,考虑运行控制环和底层控制环不同时间尺度,提出一种基于Q--学习方法的次优设定值学习算法.此算法完全利用数据,学习得到次优设定值,实现运行指标以次优的方式跟踪理想值.浮选过程仿真结果表明本文所提方法的有效性.

摘要：针对选矿工业综合自动化系统智能化、网络化、集成化发展的趋势,基于全互联制造网络实现生产全流程一体化控制的实际需求,构建了底层物联网到互联网的纵向无缝融合与集成的选矿过程全互联制造网络总体架构,设计了选矿工业生产中工业大数据的采集、传输和存储架构。在此基础上,研发了基于物联网的选矿智能制造执行系统,并重点讨论了物联网环境下选矿全流程生产指标一体化优化决策、设备安全视频监控与管理、人员车辆定位与跟踪、能源管理和移动与远程监控等新功能。通过在某选矿厂的工业应用验证,表明了基于物联网的选矿智能制造执行系统的有效性。