-
公开(公告)号：CN102520616B
公开(公告)日：2014-04-02
申请号：CN201110454449.1
申请日：2011-12-30
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明涉及一种炼油工业过程的部分解耦非最小化模型预测函数控制方法。传统的控制手段精度不高，导致后续生产控制参数不稳定、产品合格率和装置效率较低。本发明方法首先基于炼油工业过程模型建立部分解耦状态空间模型，挖掘出基本的过程特性；然后基于该部分解耦状态空间模型建立预测函数控制回路；最后通过计算预测函数控制器的参数，将过程对象整体实施预测函数控制。本发明方法有效方便了控制器的设计，保证控制性能的提升，同时满足给定的生产性能指标。本发明提出的控制技术可以有效减少工艺参数与实际工艺参数之间的误差，进一步弥补了传统控制器的不足，同时保证控制装置操作在最佳状态，使生产过程的工艺参数达到严格控制。
-
公开(公告)号：CN103605284A
公开(公告)日：2014-02-26
申请号：CN201310567638.9
申请日：2013-11-14
Applicant: 杭州电子科技大学
IPC: G05B13/00
Abstract: 本发明公开了动态矩阵控制优化的废塑料裂解炉炉膛压力控制方法。本发明方法首先基于废塑料裂解炉炉膛压力对象的阶跃响应数据建立炉膛压力对象的模型，挖掘出基本的对象特性；然后依据动态矩阵控制的特性去整定相应PI控制器的参数；最后对废塑料裂解炉炉膛温度对象实施PI控制。本发明提出了一种基于动态矩阵控制优化的废塑料裂解炉炉膛温度PI控制方法,结合了PI控制和动态矩阵控制的良好的控制性能,有效地提高了传统控制方法的不足,同时也促进了先进控制算法的发展与应用。
-
公开(公告)号：CN103064293A
公开(公告)日：2013-04-24
申请号：CN201310018108.9
申请日：2013-01-18
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明涉及一种化工过程解耦非最小实现状态空间线性二次型控制方法。目前采用传统的简单控制手段，控制参数完全依赖技术人员经验，控制效果很不理想。本发明方法首先基于化工过程模型建立解耦状态空间模型，挖掘出基本的过程特性；然后基于该解耦状态空间模型建立线性二次型控制回路；最后通过计算线性二次型控制器的参数，将过程对象整体实施线性二次型控制。本发明方法通过数据采集、过程处理、预测机理、数据驱动、优化等手段，确立了一种化工过程解耦非最小实现状态空间线性二次型控制方法，利用该方法可有效提高控制的精度，提高控制平稳度。本发明方法有效地方便了控制器的设计，保证控制性能的提升，同时满足给定的生产性能指标。
-
公开(公告)号：CN102880047A
公开(公告)日：2013-01-16
申请号：CN201210358368.6
申请日：2012-09-24
Applicant: 杭州电子科技大学
IPC: G05B13/00
Abstract: 本发明涉及炼油工业加热炉温度过程的伴随矩阵解耦预测控制方法。传统方法控制手段与控制参数完全依赖技术人员经验，控制效果不好。本发明方法首先基于炼油工业加热炉过程模型建立伴随矩阵解耦过程模型，挖掘出基本的过程特性；然后基于该伴随矩阵解耦模型建立预测控制回路；最后通过计算预测控制器的参数，将过程对象实施预测控制。本发明方法通过数据采集、过程处理、预测机理、数据驱动、优化等手段，确立了一种炼油工业加热炉温度过程的伴随矩阵解耦预测控制方法，利用该方法可有效提高控制的精度，提高控制平稳度。本发明方法有效减少理想工艺参数与实际工艺参数的误差，保证控制装置操作在最佳状态。
-
公开(公告)号：CN102880046A
公开(公告)日：2013-01-16
申请号：CN201210357372.0
申请日：2012-09-24
Applicant: 杭州电子科技大学
IPC: G05B13/00
Abstract: 本发明涉及一种化工多变量过程解耦预测函数控制方法。传统的控制手段中控制参数完全依赖技术人员经验，控制效果不好。本发明方法首先基于化工过程模型建立解耦状态空间模型，挖掘出基本的过程特性；然后基于该解耦状态空间模型建立预测函数控制回路；最后通过计算预测函数控制器的参数，将过程对象整体实施预测函数控制。本发明的技术方案是通过数据采集、过程处理、预测机理、数据驱动、优化等手段，确立了一种化工多变量过程解耦预测函数控制方法，利用该方法可有效提高控制的精度，提高控制平稳度。本发明方法弥补了传统控制的不足，并有效地方便了控制器的设计，保证控制性能的提升，同时满足给定的生产性能指标。
-
Patent Agency Ranking
公开(公告)号：CN102866634A
公开(公告)日：2013-01-09
申请号：CN201210357652.1
申请日：2012-09-24
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明涉及一种炼油工业过程的伴随矩阵解耦预测函数控制方法。传统方法控制手段与控制参数完全依赖技术人员经验，控制效果不好。本发明方法首先基于炼油工业过程建立伴随矩阵解耦过程模型，挖掘出基本的过程特性；然后基于该伴随矩阵解耦模型建立预测函数控制回路；最后通过计算预测函数控制器的参数，将过程对象实施预测函数控制。本发明方法通过数据采集、过程处理、预测机理、数据驱动、优化等手段，确立了一种炼油工业过程的伴随矩阵解耦预测函数控制方法，利用该方法可有效提高控制的精度，提高控制平稳度。本发明方法有效减少理想工艺参数与实际工艺参数的误差，保证控制装置操作在最佳状态，使生产过程的工艺参数达到严格控制。
-
公开(公告)号：CN101709863B
公开(公告)日：2012-01-11
申请号：CN200910155792.9
申请日：2009-12-18
Applicant: 杭州电子科技大学
IPC: F22B35/00
Abstract: 本发明涉及一种燃煤锅炉炉膛压力系统混合控制方法。本发明方法首先基于燃煤锅炉炉膛压力实时过程数据建立过程模型，挖掘出基本的过程特性；然后基于该过程模型建立比例积分微分控制回路；最后通过计算预测PI控制器的参数，将比例积分微分控制与燃煤锅炉炉膛压力对象整体实施预测PI控制。本发明方法弥补了传统控制的不足，并有效地方便了控制器的设计，保证控制性能的提升，同时满足给定的生产性能指标。本发明提出的控制技术可以有效减少理想炉膛压力工艺参数与实际炉膛压力工艺参数之间的误差，进一步弥补了传统控制器的不足，同时保证控制装置操作在最佳状态，使生产过程的炉膛压力工艺参数达到严格控制。
-
公开(公告)号：CN102053562A
公开(公告)日：2011-05-11
申请号：CN201110001085.1
申请日：2011-01-05
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种裂解炉出口温度混合控制方法。现有方法控制效果不好，不适应节能减排及环保的需求。本发明方法首先采用典型的响应曲线法设计裂解炉出口温度过程的比例积分控制器，然后利用裂解炉出口温度实时过程数据建立非最小化模型预测函数控制器所需的过程模型，再设计非最小化模型预测函数比例积分控制器，根据目标函数得到当前的控制参数值。本发明提出的控制方法可以有效减少裂解炉出口温度工艺参数与实际裂解炉出口温度工艺参数之间的误差，进一步弥补了传统控制器的不足，同时保证控制装置操作在最佳状态，使生产过程的裂解炉出口温度工艺参数达到严格控制。
-
公开(公告)号：CN114326639B
公开(公告)日：2024-06-25
申请号：CN202111682868.0
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种混合注意力卷积神经网络与XGBoost算法的工业过程性能评估方法，包括如下步骤：步骤1、以一定频率采集工业过程中系统变量的运行数据，建立包含多变量，多类型故障的数据集，并对其进行数据预处理，在此基础上对故障类型进行编号打标签，设置对应的关系，之后对故障类型和标签划分相应的训练集和测试集；步骤2、构建注意力卷积神经网络故障诊断模型；步骤3：利用划分好的训练集训练注意力卷积网络模型；步骤4：将模型性能最好时所提取到的特征输入到XGBoost分类器中拟合提升树；步骤5：故障诊断：将测试集输入到ACNN‑XGBoost模型中，XGBoost分类器的输出可以反映模型最终的诊断结果。
-
公开(公告)号：CN117217088A
公开(公告)日：2023-12-12
申请号：CN202311207700.3
申请日：2023-09-19
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G16C60/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种水泥生料预分解过程质量预测模型设计方法。本发明采用多尺度残差卷积神经网络，用于对水泥过程数据进行特征提取；在残差CNN模块后面添加通道注意力CAM模块，用于提高特征表示能力；串联两个Transformer Encoder模块和两个全连接层，用于提取全局信息的关联性；由此形成融合多尺度残差网络、通道注意力和Transformer的预测模型。本发明改善了传统预测模型无法有效处理具有高维性、非线性、强耦合性和多尺度性等特点的数据，提高了模型的准确性。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.024 seconds)
