检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

93 篇 学位论文
63 篇 期刊文献
19 篇 会议

馆藏范围

175 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

161 篇 工学
- 65 篇 软件工程
- 48 篇 控制科学与工程
- 47 篇 计算机科学与技术...
- 38 篇 机械工程
- 29 篇 电气工程
- 20 篇 仪器科学与技术
- 18 篇 化学工程与技术
- 17 篇 动力工程及工程热...
- 12 篇 冶金工程
- 7 篇 材料科学与工程（可...
- 7 篇 信息与通信工程
- 7 篇 交通运输工程
- 6 篇 力学（可授工学、理...
- 6 篇 环境科学与工程（可...
- 5 篇 电子科学与技术（可...
- 5 篇 水利工程
- 5 篇 矿业工程
- 3 篇 土木工程
- 3 篇 轻工技术与工程
- 2 篇 建筑学
53 篇 管理学
- 52 篇 管理科学与工程(可...
10 篇 理学
- 4 篇 数学
- 4 篇 系统科学
- 3 篇 化学
- 2 篇 统计学（可授理学、...
4 篇 医学
2 篇 经济学
- 2 篇 应用经济学
1 篇 教育学
1 篇 文学
1 篇 农学
1 篇 艺术学

主题

175 篇 数据驱动建模
10 篇 虚拟样本生成
8 篇 模型预测控制
6 篇 高炉炼铁
6 篇 软测量
6 篇 深度学习
5 篇 神经网络
4 篇 小样本问题
4 篇 粒子群优化
3 篇 迁移学习
3 篇 电站锅炉
3 篇 小样本
3 篇 轨迹跟踪
3 篇 故障预警
3 篇 混合建模
3 篇 数据扩充
3 篇 机理建模
3 篇 软件开发
3 篇 故障诊断
3 篇 智能汽车

机构

16 篇 浙江大学
10 篇 东北大学
9 篇 东南大学
9 篇 北京化工大学
8 篇 华北电力大学
7 篇 天津大学
7 篇 北京工业大学
5 篇 哈尔滨工业大学
5 篇 西安理工大学
4 篇 江苏大学
4 篇 广西大学
4 篇 清华大学
4 篇 北京理工大学
3 篇 华中科技大学
3 篇 大连理工大学
3 篇 河南科技大学
3 篇 同济大学
3 篇 上海交通大学
3 篇 电子科技大学
2 篇 智慧环保北京实验...

作者

6 篇 乔俊飞
5 篇 汤健
4 篇 tang jian
4 篇 司风琪
3 篇 王慧芳
3 篇 qiao jun-fei
3 篇 wang huifang
2 篇 方培俊
2 篇 吕文祥
2 篇 叶睿恺
2 篇 刘祁跃
2 篇 朱鹰
2 篇 何海军
2 篇 周平
2 篇 蒙艳玫
2 篇 赵艳玲
2 篇 孙珑玲
2 篇 guo tian-jue
2 篇 刘强
2 篇 郭天觉

语言

175 篇 中文

检索条件"主题词=数据驱动建模"

共 175 条记录，以下是91-100 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

机理与数据融合的热轧带钢宽度预测方法研究

机理与数据融合的热轧带钢宽度预测方法研究

引用

作者：王家亮西安工业大学

学位级别：硕士

热连轧生产线工艺复杂、工序流程长且各环节耦合关系强,其中宽度指标作为评估热连轧带钢质量的关键因素之一,精准的宽度预测模型是保证达成这一关键性能指标的关键所在。为进一步提升热连轧带钢宽度预测精度,本研究以国内某钢厂热轧带... 详细信息

热连轧生产线工艺复杂、工序流程长且各环节耦合关系强,其中宽度指标作为评估热连轧带钢质量的关键因素之一,精准的宽度预测模型是保证达成这一关键性能指标的关键所在。为进一步提升热连轧带钢宽度预测精度,本研究以国内某钢厂热轧带钢生产线为研究对象,在不改变生产控制结构与控制系统的前提下,以粗轧与精轧两个关键轧制环节为研究点,结合宽度成型机理与真实历史轧制数据,对影响宽度的主要因素进行挖掘,开展机理融合数据模型为基础的宽度精准预测的研究,具体包括以下几方面: 从热连轧系统的层级构成出发,分析各层级对宽度指标的重要性,通过分析粗轧区与精轧区的宽度设定机理模型,总结带钢宽度成型关键要素,明确传统宽度机理模型的提升瓶颈。随后,将原始采集数据细分构成粗轧与精轧宽度原始数据集,并针对工业传感器采集的数据偶尔波动及异常值问题,对采集数据进行过滤处理剔除重复值与缺失值,并使用孤立森林方法对于数据进行异常值筛选,挖掘隐藏在正常分布数据中的离群点,保证实验数据的有效性。针对带钢在轧制过程中出现的由于换辊或其他原因而出现的精轧预测模型波动和热轧领域海量多维非线性数据训练模型困难等问题,以完成预处理的数据和精轧宽度机理模型为支撑,建立了基于增量学习树模型的精轧宽度预测模型。经过机理与数据层面的双重筛选,从历史数据中得到对精轧出口宽度高影响度的特征变量,采用增量学习的方法建立精轧宽度预测模型。仿真实验结果表明,提出的基于增量学习树的精轧宽度预测模型在预测精轧宽度对比其他数据驱动方法同时达到了较高的预测精度与较低的模型运行时间。针对传统粗轧宽度机理模型中计算结果波动大,准确度欠佳的问题,建立了改进机理模型和数据驱动模型融合的粗轧宽度预测模型。首先通过敏感性分析与专家经验得出影响机理模型的关键参数,提出了一种基于粒子群算法优化机理模型参数的改进机理计算模型。进而针对数据驱动方法需要高质量数据的问题,将改进机理模型所得中间计算值作为新的数据特征加入到训练特征中,构成机理和数据融合的粗轧宽度预测模型。为满足钢铁行业需求的预测正误差的需求,提出一种自适应宽度误差修正算法。通过实验对比验证,混合模型相较于传统机理模型、改进机理模型与数据驱动模型预测误差分别降低了47.3%,38.6%和42.56%。同时,在相同数据集上将混合模型与五种常见的机器学习算法进行对比分析,结果表明,所提出的混合预测模型具有较好的精度以及鲁棒性,满足实际应用的要求。

关键词：带钢生产带钢宽度预测宽度机理模型增量学习数据驱动建模混合预测模型

来源：评论

学校读者我要写书评

暂无评论

水产养殖中溶解氧动态变化建模研究

水产养殖中溶解氧动态变化建模研究

引用

作者：李无言江南大学

学位级别：硕士

溶解氧是水质变化过程中的重要参数,大多水质净化过程都需要氧气参与,反映出水体的自净能力;同时,溶解氧作为水体内生命存活的主要需求,在水产养殖过程中充当重要角色,合适的浓度区间内有利于水产品生长发育。为了促进水产养殖业的发展... 详细信息

溶解氧是水质变化过程中的重要参数,大多水质净化过程都需要氧气参与,反映出水体的自净能力;同时,溶解氧作为水体内生命存活的主要需求,在水产养殖过程中充当重要角色,合适的浓度区间内有利于水产品生长发育。为了促进水产养殖业的发展,需要人工增氧和关注水质变化,因此有必要充分掌握溶解氧的变化规律。本文围绕养殖水域内溶解氧动态变化的建模问题,研究了基于数据驱动和机理驱动的建模方法,具体工作分为以下三个部分:1.提出了基于回声状态网络(Echo State Networks,ESN)的溶解氧短时建模预测方法。针对支持向量机(Support Vector Machine,SVM)和前馈神经网络等传统建模方法缺乏历史输入信息记忆能力、训练速度慢的问题,将ESN引入到溶解氧建模中。并提出训练样本双向构造和ESN模型集成策略,用于解决传统ESN模型存在的网络自由参数定值和在储备池规模较大情况下存在的模型泛化性能恶化问题。测试结果表明,改进后的ESN具有良好的参数鲁棒性;在较大规模的储备池情况下,可以有效减弱传统ESN出现的过拟合现象,保证或提高了模型的泛化性能。测试结果显示,改进后ESN相比于最小二乘支持向量机(Least Square-Support Vector Machine,LSSVM)的测试评价(均方根误差和平均绝对误差)分别提高了3%和1.7%;比传统的ESN提高了2.84%和2.25%。优化后的ESN只利用溶氧单一监测数据能够满足水域环境复杂多变条件下模型需要快速更新的溶解氧短期建模预测问题。2.研究了基于多变量输入和门控递归单元网络(Gate Recurrent Unit,GRU)的溶解氧中期预测建模方法。该方法考虑了环境信息(水温、pH、浊度和氨氮浓度)对溶解氧变化的影响,将环境信息与溶解氧共同作为模型输入,采用对历史输入数据具有良好记忆能力的GRU和长短时记忆神经网络(Long Short-Term Memory,LSTM)构建中期预测模型。对于2小时后的溶解氧浓度进行预测,LSTM和GRU都取得了良好的预测精度。GRU的四个评价指标数值(平均绝对误差、均方根误差、平均绝对百分比误差和决定系数)分别是0.45mg/L、0.64mg/L、5.4%和0.99;LSTM分别取得了0.41mg/L、0.54mg/L、5.9%和0.97的精度。虽然GRU预测性能与LSTM相似,由于GRU的时间成本和参数数量要优于LSTM,GRU相比具有较好的性能。该方法对于解决人工增氧在水体的扩散过程中具有的大时滞问题有重要的价值。3.研究了养殖水域内基于机理的溶解氧建模方法。该方法分析了溶解氧动态变化过程的各个关键环节,给出了包括光合作用、大气复氧、人工增氧、呼吸作用和沉积物耗氧等环节的数学表达式,利用龙格-库塔方法和列文伯格-马夸尔特算法(LevenbergMarquardt,LM算法)求解调整模型参数,以实现溶解氧动态变化的机理建模。论文利用实际采样的数据,对模型的准确性进行了验证,得到了平均绝对误差为0.447,均方根误差为0.552,平均绝对百分比误差为6.4%。设计的机理模型可以描述溶解氧动态变化过程,合理解释水域环境因素对溶解氧变化过程的影响。

关键词：溶解氧回声状态网络循环神经网络数据驱动建模机理建模

来源：评论

学校读者我要写书评

暂无评论

数据驱动的分布式供水管网系统水量预测

数据驱动的分布式供水管网系统水量预测

引用

作者：任子玮上海交通大学

学位级别：硕士

随着互联网、大数据时代的到来,诸如分布式城市供水管网这样的工业过程系统在运行过程中产生的大量数据成为工业生产的宝贵财富。应用好大量的历史数据能够为工业过程提供更多的决策依据。本文将以上海市的供水管网系统为研究对象,主要... 详细信息

随着互联网、大数据时代的到来,诸如分布式城市供水管网这样的工业过程系统在运行过程中产生的大量数据成为工业生产的宝贵财富。应用好大量的历史数据能够为工业过程提供更多的决策依据。本文将以上海市的供水管网系统为研究对象,主要研究基于数据的水量预测建模问题。精准有效的水量预测是城市供水系统高效运行、智慧调度的重要参考。本文采用供水管网运行层级的数据,从在线和离线两个角度,探究多尺度的分析方法在水量预测建模问题中的应用。本文首先提出了基于时间序列局部信息的经验模态分解改进算法(LEMD)。该算法通过对时间序列数据集的端点两侧作极值延拓的方法,保证了在进行样条差值时,于时序数据窗口的两端的极值包络线不会出现很大的摆动,从而抑制EMD算法本身所固有的端点效应和模态混杂。改善了分解算法的分解质量,使端点效应得到了有效抑制,并作为多尺度混杂建模方法的理论依据。其次提出了基于L-EMD的短时日水量预测建模方法。该方法通过L-EMD算法将上海市日需水量数据序列分解到多个时间尺度上。并在每个时间尺度上独立分析相关解释变量对需水量的影响。最后通过动态结构的人工神经网络建模技术对每个本征模态进行建模预测。实验结果表明该建模方法能够大幅提高预测建模精度。最后本文在多尺度混杂建模框架下,为了应对运行层面管网的实时性要求,提出了自适应的近似在线超短时水量预测方法。该方法主要通过多尺度的重构分析方法将分布式系统中一个采样点的数据分解到三个统一的时标中去。利用离线建模的方法建立当前预测点历史数据、空间中相关节点历史数据、外部解释变量与当前点未来时刻间的预测子模型。通过线性加权各子模型的输出值来构建预测输出,并在线回归权重以实现自适应。结果表明该方法能够较为精准地预测未来水量。

关键词：多尺度分析时间序列预测数据驱动建模经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于集成的输入属性空间划分ESN的研究及其应用

基于集成的输入属性空间划分ESN的研究及其应用

引用

作者：潘彦明北京化工大学

学位级别：硕士

流程工业的规模发展越来越大,有效建立过程模型对于生产过程优化控制有重要意义。当前基于数据驱动的智能建模成为了控制科学与工程领域的研究热点。神经网络技术是典型的数据驱动技术,已经广泛应用于过程建模。其中,回声状态网络(Echo ... 详细信息

流程工业的规模发展越来越大,有效建立过程模型对于生产过程优化控制有重要意义。当前基于数据驱动的智能建模成为了控制科学与工程领域的研究热点。神经网络技术是典型的数据驱动技术,已经广泛应用于过程建模。其中,回声状态网络(Echo State Network,ESN)作为典型的递归神经网络,训练速度快,泛化能力强,能够有效处理动态时序数据,因此研究新型可靠的ESN用于复杂工业过程建模具有重要的理论意义和实用价值。通过参考相关文献,本文的主要工作如下:针对传统ESN储备池中神经元冗余影响建模精度的问题,本文首先提出基于输入属性空间划分的多储备池ESN模型(Multi-Reserve Pool ESN,MRP-ESN)。在MRP-ESN模型中,通过k-shape算法将输入空间划分,根据划分结果建立多储备池ESN模型。为了进一步提高模型精度,基于集成思想,提出了集成不同激活函数的MRP-ESN模型(Multiple Activation Functions-MRP-ESN,MAF-MRP-ESN)。首先建立了基于正弦函数、余弦函数、双曲正切激活函数的MRP-ESN,最后将三种模型集成,进一步提升了建模精度。通过UCI数据和过程工业数据对本文所提出的模型进行了验证,仿真结果表明本文所提出的模型具有可行性,其中MAF-MRP-ESN具有最好的模型性能,为复杂石化生产过程提供了可靠的智能模型。

关键词：数据驱动建模过程建模回声状态网络属性空间划分集成学习

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的火电厂能耗诊断方法与分析研究

基于数据驱动的火电厂能耗诊断方法与分析研究

引用

作者：杨云溪华北电力大学(北京)

学位级别：硕士

当下是能源行业的转型期,我国的资源禀赋决定了火力发电仍将在一段时期内占据能源结构中的关键位置。适逢大数据、人工智能等与传统工业的联动趋于成熟,此类时新技术必将成为火电行业深度挖掘节能潜力,完成灵活性发电转型的助推剂。本... 详细信息

当下是能源行业的转型期,我国的资源禀赋决定了火力发电仍将在一段时期内占据能源结构中的关键位置。适逢大数据、人工智能等与传统工业的联动趋于成熟,此类时新技术必将成为火电行业深度挖掘节能潜力,完成灵活性发电转型的助推剂。本文基于数据驱动的研究思路,开展火电厂的能耗诊断与分析,借助智能算法,充分挖掘历史运行数据中的有效信息推进研究进行。首先,对采集数据进行初步整理,提升数据质量,并提出了基于随机森林结合层次分析的方法对所有变量进行筛选,保留了对发电能耗有最为重要影响的20个变量以提升建模效率。其次,针对火电厂能耗的相关变量存在非线性、强关联的特点,采用支持向量回归对火电厂进行数据驱动建模,建立各变量与发电能耗的关系,并在此基础上通过灰狼优化算法优化模型参数,提升了模型的训练效率。最后,根据已建立的数据模型结合 E-Fast 法(Extended-Fourier Amplitude Sensitivity Test)对机组的各个负荷运行区段下进行全局能耗敏感性分析,在考虑变量间相互作用的基础上,得出了各变量对发电能耗的影响程度大小。本文的分析结果表明,在所有负荷区间维持运行负荷的稳定对节能最为关键,同时,合理控制排汽流量、主蒸汽流量和调节级蒸汽流量对节能也十分重要。除了注意上述变量之外,通过对各个负荷区间进行的具体分析可以得出,机组在60-90%负荷区间运行时,应密切监控第七级抽汽温度,维持其在一定范围内;在70-90%负荷区间运行时,左侧凝汽器压力的变化对能耗有较大影响;在90-100%负荷区间运行时,应保证循环水的供给从而使得机组处于较高的节能水平。本文依据火电厂历史运行数据结合智能算法建立了数据模型,并在机组各个负荷区间内开展全局能耗敏感性分析,根据分析结果提出了调整策略,为运行人员制定节能方案提供了决策支持。

关键词：火电厂数据驱动建模变量筛选支持向量回归灰狼算法全局敏感性分析能耗诊断

来源：评论

学校读者我要写书评

暂无评论

面向非线性动态系统状态估计的鲁棒扩展卡尔曼滤波方法

面向非线性动态系统状态估计的鲁棒扩展卡尔曼滤波方法

引用

作者：胡桂廷温州大学

学位级别：硕士

状态估计在实时优化、过程监视和控制中发挥着重要的作用。虽然扩展卡尔曼滤波可以通过协调测量数据来拟合由状态空间模型所描述的非线性动态过程并从噪声测量中估计出期望的状态,但其在进行状态估计时需要已知非线性动态系统的数学模... 详细信息

状态估计在实时优化、过程监视和控制中发挥着重要的作用。虽然扩展卡尔曼滤波可以通过协调测量数据来拟合由状态空间模型所描述的非线性动态过程并从噪声测量中估计出期望的状态,但其在进行状态估计时需要已知非线性动态系统的数学模型并要求测量噪声服从高斯分布。然而对于一些复杂或未知的动态系统,机理模型的获取往往十分困难甚至不可实现;更重要的是,设备在采集和传输数据的过程中不仅会引入固有的高斯随机噪声还经常会受到各种显著误差的污染。显著误差的存在使得测量噪声不再服从高斯分布甚至导致统计特性的完全破坏。针对以上扩展卡尔曼滤波在状态估计中存在的问题,本文提出并设计了几种面向非线性动态系统状态估计的鲁棒扩展卡尔曼滤波方法,主要研究工作及创新点如下:(1)针对动态系统中经常出现的异常值、静差和漂移这三类显著误差或其不同的组合形式,提出了一种基于测量补偿的鲁棒扩展卡尔曼滤波方法。首先,通过统计检验方法将正常测量数据与异常测量数据进行区分,随后,根据各种显著误差的特点完成显著误差识别及其大小估计,最后,使用补偿后的测量值重新估计出准确的系统状态。(2)针对扩展卡尔曼滤波不适用于含非高斯测量噪声的状态估计问题,使用动态数据校正技术的基本框架重新推导了扩展卡尔曼滤波算法并实现这两种方法的相互转化,以此形成了基于动态数据校正的扩展卡尔曼滤波方法(DEKF)。同时,基于贝叶斯公式和最大似然估计原理将DEKF的应用领域从高斯测量噪声扩展到非高斯测量噪声,并提供了将扩展卡尔曼滤波与任意分布的测量噪声相结合的状态估计方案。(3)针对模型复杂或未知的非线性动态系统,提出了一种将Elman神经网络与扩展卡尔曼滤波相结合的动态数据校正策略,使得这两种方法实现有效的优势互补。该方法不需要复杂的机理建模过程,使用数据驱动建模的方式获得系统的动态模型,并根据模型预测输出和当前测量结果实现准确的动态数据校正。该方法在提高预测精度的同时还对测量环境的变化展现出较强的适应性。本研究考虑了扩展卡尔曼滤波方法的不同应用场景,为处理非线性动态系统在测量异常、模型未知情况下的鲁棒状态估计问题提供了解决方案,进一步扩展了卡尔曼滤波技术的适用范围。

关键词：状态估计扩展卡尔曼滤波显著误差非高斯测量噪声数据驱动建模

来源：评论

学校读者我要写书评

暂无评论

基于空间插值的虚拟样本生成技术应用研究

基于空间插值的虚拟样本生成技术应用研究

引用

作者：刘德平北京化工大学

学位级别：硕士

信息化时代的来临伴随着数据的链式增长,从数据中挖掘分析潜在的高价值信息并用于数据驱动建模引起了科研界和工业界的广泛关注。样本的数量、样本的分布性都在一定程度上对数据挖掘信息产生影响,进而影响数据驱动建模的质量,充足的训... 详细信息

信息化时代的来临伴随着数据的链式增长,从数据中挖掘分析潜在的高价值信息并用于数据驱动建模引起了科研界和工业界的广泛关注。样本的数量、样本的分布性都在一定程度上对数据挖掘信息产生影响,进而影响数据驱动建模的质量,充足的训练样本和合理的样本分布能够保障模型的鲁棒性和泛化能力。但在某些行业领域例如流程工业中,由于物理传感器本身的限制,使得某些过程数据的采集难度大、获取成本高,并且稳态工艺流程工业得到的数据重复率高、波动变化小,且获取的数据中会存在缺失值并带有一定的噪声,导致了用于建模的大量信息的遗漏和不足,从而导致了大数据环境下的小样本问题。在处理小样本问题的多种技术中,虚拟样本生成技术(Virtual sample generation,VSG)作为一项新颖有效的关键技术,有着十分巨大的科研价值与应用潜力。为生成更加有效的虚拟样本,使得可以从添加虚拟样本后的小样本数据中发掘更多可用信息,从而建立更高质量的数据驱动模型,本文首先提出了一种基于空间投影插值的虚拟样本生成技术(Space Projection Interpolation Based Virtual Sample Generation,SPIVSG),所提方法首先利用投影点最大间距法检测原始样本空间中的稀疏空间,然后在样本稀疏空间处使用中点插值算法和空间插值算法生成虚拟样本,所提方法既从规模上扩充了样本量,也通过填补稀疏空间改善了样本的分布性。为了使样本空间分布更加合理均匀和增强高维样本可用性,又使用DBSCAN聚类技术检测聚类边界更加准确的寻找稀疏空间,并在空间插值算法中引入马氏距离来提高插值精度和高维适用性,进一步提出了基于DBSCAN聚类和马氏距离的改进空间投影插值的虚拟样本生成方法(DBSCAN-M-SPIVSG)。通过对两个不同维度的标准函数数据集和实际化工流程工业数据集精对苯二甲酸(PTA)建立梯度提升决策树(GDBT)模型来对所提VSG方法进行实验验证。实验结果表明,本文所提VSG方法是可行有效的。

关键词：小样本问题虚拟样本生成空间插值数据驱动建模

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的锅炉燃烧优化方法研究

基于深度强化学习的锅炉燃烧优化方法研究

引用

作者：鲍旭奇东南大学

学位级别：硕士

锅炉燃烧优化技术能够通过调整燃煤锅炉的配煤和配风方式来实现高效低污染运行,对提升电厂的节能减排水平具有重要意义。然而针对具有高维输入输出动态特性的锅炉燃烧系统,传统建模及优化控制方法的应用较为困难。因此,本文针对前后墙... 详细信息

锅炉燃烧优化技术能够通过调整燃煤锅炉的配煤和配风方式来实现高效低污染运行,对提升电厂的节能减排水平具有重要意义。然而针对具有高维输入输出动态特性的锅炉燃烧系统,传统建模及优化控制方法的应用较为困难。因此,本文针对前后墙对冲燃烧方式的燃煤锅炉燃烧系统的对象特性,在经济预测控制框架的基础上,构建优化目标函数及相应的约束条件,通过结合具有自适应能力的数据驱动模型和具有自学习能力的优化求解算法得到最优控制量,进而实现在维持再热汽温基本稳定的同时提高锅炉效率并降低氮氧化物排放量。在锅炉燃烧系统建模方面,本文首先在传统最小二乘支持向量机的基础上,通过多种核函数线性加权的方式构建了多核函数,并结合相应的在线更新策略,提出了一种基于多核函数的在线自适应最小二乘支持向量机建模方法。之后本文将该方法应用至锅炉燃烧系统中,针对锅炉燃烧系统数据复杂度过高的问题,结合时滞分析和变分模态分解方法,提出了一种增量式建模方法。最后选取基于时间规整-编辑距离的时间序列相似度作为多步预测准确性的评价指标,并相应调整在线更新策略。仿真结果表明,本文所提出的建模算法在单步预测仿真和多步预测仿真中均具有更高的准确性。在优化算法方面,本文首先在保证工程应用安全性的前提下,提出了一种基于深度确定性策略梯度算法的锅炉燃烧优化策略。之后针对锅炉燃烧系统的时滞特性,利用门控循环单元结构的特性,提出了一种基于门控循环单元的深度确定性策略梯度改进算法。仿真结果表明,本文所提出的算法在不同工况下均具有较好的动态优化效果。在锅炉燃烧优化工程应用方面,设计了控制组态修改方案,并基于Python完成了锅炉燃烧优化控制软件的开发。

关键词：锅炉燃烧优化深度强化学习数据驱动建模多步预测

来源：评论

学校读者我要写书评

暂无评论

基于自适应非负绞杀与LSTM神经网络的动态软测量算法研究及应用

基于自适应非负绞杀与LSTM神经网络的动态软测量算法研究及应用

引用

作者：隋璘齐鲁工业大学

学位级别：硕士

现代工业过程中,为保证产品质量与生产过程安全性,需要对某些难以直接测量却又与之密切相关的关键变量进行实时监测。软测量技术通过挖掘易于获取的辅助变量与难测主导变量之间的关系建立数学模型,间接完成对主导变量的有效估计,被广泛... 详细信息

现代工业过程中,为保证产品质量与生产过程安全性,需要对某些难以直接测量却又与之密切相关的关键变量进行实时监测。软测量技术通过挖掘易于获取的辅助变量与难测主导变量之间的关系建立数学模型,间接完成对主导变量的有效估计,被广泛应用于各种现代流程工业和过程控制领域。然而,现代工业过程建模中,生产过程的多变量、非线性以及动态性会导致模型复杂度增高且建模精度降低。针对这一问题,本文基于稀疏学习理论与最优化方法,设计惩罚似然函数与长短期记忆(Long short-term memory,LSTM)神经网络相融合的非线性优化问题,开展面向复杂工业过程动态软测量算法的研究。论文主要研究内容如下:(1)针对复杂工业过程的动态软测量建模问题,将非负绞杀(Nonnegative garrote,NNG)算法与LSTM神经网络相结合,提出一种基于LSTM神经网络及其输入变量选择的动态软测量算法(NNG-LSTM)。首先,利用LSTM神经网络出色的历史信息记忆能力处理工业过程中的动态、时滞等问题;其次,采用NNG算法对LSTM网络输入权重进行压缩,剔除冗余变量,提高模型精度;最后通过数值仿真与对比实验验证了算法的优越性。实验结果表明所提算法能有效剔除冗余变量,降低模型复杂度并提高其预测性能。(2)针对NNG算法对LSTM神经网络输入权重优化时存在系数估计有偏的缺点,提出一种基于自适应NNG(Adaptive-NNG,ANNG)与LSTM神经网络的动态软测量算法(ANNG-LSTM)。利用最大互信息系数算法衡量输入变量与目标变量的关联程度,以设计自适应权重向量,并将其嵌入NNG-LSTM算法约束中,使算法可根据不同输入变量的特征重要性而施加不同程度的惩罚,实现其自适应输入变量选择与参数同步优化。数值仿真结果表明,ANNG-LSTM算法所建模型的变量选择结果更加精准有效,具有更高的预测精度与泛化性能。(3)通过深入分析某燃煤电厂石灰石-石膏湿法烟气脱硫过程工艺机理,将ANNG-LSTM算法应用于该过程排放烟气的SO浓度软测量建模,并与其它先进算法进行性能比较,验证了所提算法的有效性。实验结果表明,ANNG-LSTM算法所建模型的各项性能指标均优于其它算法,其模型输入变量数目更少、预测精度更高,能精确预测排放烟气中SO浓度的动态变化,可为该电厂烟气脱硫过程的SO浓度在线监测提供有力参考。

关键词：软测量 LSTM神经网络非负绞杀数据驱动建模变量选择

来源：评论

学校读者我要写书评

暂无评论

基于WEB端的BIM协同设计平台研发

基于WEB端的BIM协同设计平台研发

引用

作者：关硕沈阳工业大学

学位级别：硕士

目前,大多数建筑设计企业仍然主要以纸质版图纸和文件的形式进行管理,容易导致设计效率低、设计质量差、信息孤岛等问题,建筑设计企业面临着数字化转型升级的困境。而BIM技术具有协调性、可视化、参数化等优势,为建筑设计企业数字化转... 详细信息

目前,大多数建筑设计企业仍然主要以纸质版图纸和文件的形式进行管理,容易导致设计效率低、设计质量差、信息孤岛等问题,建筑设计企业面临着数字化转型升级的困境。而BIM技术具有协调性、可视化、参数化等优势,为建筑设计企业数字化转型升级提供了支持。BIM技术的发展应用也离不开BIM软件的支撑,但是BIM软件具有跨平台性能较差,对计算机软硬件环境配置要求较高等缺点,随着WebGL技术逐渐成熟,具有良好的跨平台性和可移植性,为BIM模型在WEB端三维可视化提供了支持。因此本文将BIM技术、WebGL技术以及协同设计理念相结合,研发了基于WEB端的BIM协同设计平台,从而将传统的二维设计转向三维模型数字化设计,拓展了协同设计数据化、信息化思路。本文的主要研究工作以及成果如下:(1)基于WEB端的图纸、模型的数据化生成以及协同设计研究。应用SVG二维矢量图形格式以及***三维渲染引擎等技术,多角度、多方法地对在WEB端进行图纸、模型的数据化生成以及协同设计进行研究,提出了三种可行性方案,一是基于WEB端的原生交互式模型设计,二是基于WEB端的数据驱动模型协同设计,三是基于WEB端的BIM模型轻量化协同设计,为平台研发奠定了核心基础。(2)基于WEB端的文件信息化协同管理研究。根据文件管理的特点,围绕文件协同基本需求,研制了基于WEB端的BIM协同设计信息化管理体系,开发了包括项目工作台、文档管理、文档协同、人员管理、协同消息查看等基础功能模块,实现了设计阶段面向多方的文件协同以及信息共享,为平台研发提供了基础功能。(3)平台前后端开发研究。应用VUE前端框架、Echarts可视化图表库、***的Express框架和MYSQL数据库等前后端开发技术,实现了基于WEB端的图纸、模型数据化生成以及协同设计,基于WEB端的文件信息化协同管理体系的前端页面开发与后端服务器开发,完成了平台的整体研发。(4)平台结构协同设计应用研究。采用盈建科结构分析软件,结合工程实例,利用在WEB端进行模型数据化生成的第二种方案--数据驱动模型方案将盈建科模型以及结构计算结果移植到WEB端,实现了构件级别的结构计算结果在WEB端进行可视化挂载展示,实现了对平台结构协同设计的应用。

关键词： BIM技术协同设计数据驱动建模 WebGL技术

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共18页 << < 6 7 8 9 10 11 12 13 14 15 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：