检索结果-内蒙古大学图书馆

计算机集成制造系统 2021年第8期27卷 2393-2404页

作者：冯国奇崔东亮代学武俞胜平东北大学工商管理学院辽宁沈阳110819 东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819

针对航空发动机涡轮盘多目标优化计算密集、案例需求大、分析费用高的问题,提出一种基于混合样本管理的人工神经网络训练方法,以辅助多目标粒子群优化算法处理这类计算密集问题。通过均匀设计的偏差控制,设计面向混合精度数值仿真的试验... 详细信息

针对航空发动机涡轮盘多目标优化计算密集、案例需求大、分析费用高的问题,提出一种基于混合样本管理的人工神经网络训练方法,以辅助多目标粒子群优化算法处理这类计算密集问题。通过均匀设计的偏差控制,设计面向混合精度数值仿真的试验表;在误差分析基础上,通过联合优化“虚拟样本噪声强度—隐含层节点数—虚拟样本量”,确定混合样本集的构造方法和神经网络拓扑结构,以提高模型的精度和泛化能力;多目标优化过程中,采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性和均匀性;通过遗忘式增量学习提高寻优目标的导向性。以某型涡轮盘的多目标优化设计为例验证该体系的有效性。实验表明,所提方法在保证涡轮盘多目标优化质量的前提下,能够显著降低设计费用。

关键词：涡轮盘混合样本人工神经网络多目标粒子群优化算法增量学习

来源：评论

学校读者我要写书评

暂无评论

带订单选择限制的整车取送货路径问题的模型与算法研究

引用

运筹与管理 2024年第10期33卷 103-109页

作者：张辉黄敏吴影辉付亚平王兴伟江苏科技大学经济管理学院东北大学信息科学与工程学院流程工业综合自动化国家重点实验室青岛大学商学院东北大学计算机科学与工程学院

带订单选择限制的整车取送货路径问题是卡车运输外包决策中一类重要问题。由于订单外包限制约束，使得求解整车取送货路径问题的高精度解比较困难。为解决该问题，本文分别建立了带订单选择限制的整车取送货路径问题的基于弧的混合整数... 详细信息

带订单选择限制的整车取送货路径问题是卡车运输外包决策中一类重要问题。由于订单外包限制约束，使得求解整车取送货路径问题的高精度解比较困难。为解决该问题，本文分别建立了带订单选择限制的整车取送货路径问题的基于弧的混合整数规划模型和集划分模型，设计了基于列生成的标签算法和分支定价精确求解算法。在两种算法中，采用时间窗划分近似算法获得较好的初始解；针对订单选择限制约束定制了标签和支配规则；分支定价算法采用最不可行分支策略，即优先选择小数部分最接近0.5的变量进行分支。数值实验表明，分支定价算法能够求得小规模算例的最优解，但是所用时间大于混合整数规划求解器(CPLEX)直接求解。相比求解器直接求解，基于列生成的标签算法在求解较大规模算例时表现更优，能求得近似最优解；在一小时的求解时间限制下，前者能够求得的上下界的差距为0.02%,后者的上下界的差距为6.48%。

关键词：车辆路径问题整车取送货订单选择时间窗分割近似算法列生成

来源：评论

学校读者我要写书评

暂无评论

基于共形鞅的工业概念漂移检测

基于共形鞅的工业概念漂移检测

引用

第34届中国过程控制会议

作者：张宇张瑞垚周平东北大学流程工业综合自动化国家重点实验室

机器学习技术在工业领域得到了广泛的应用,然而由于工业生产过程复杂多变,部署模型的有效性随着时间的推移而下降,这种现象称之为概念漂移.概念漂移的发生对于生产决策会产生巨大影响,因此如何从数据流中及时检测到概念漂移是一项巨大... 详细信息

机器学习技术在工业领域得到了广泛的应用,然而由于工业生产过程复杂多变,部署模型的有效性随着时间的推移而下降,这种现象称之为概念漂移.概念漂移的发生对于生产决策会产生巨大影响,因此如何从数据流中及时检测到概念漂移是一项巨大的挑战.为了能够及时检测到概念漂移以确保模型的有效性,本文提出了一种基于共形鞅的概念漂移检测框架.首先基于共形预测方法计算非一致性得分和p值序列,其次引入随机幂鞅,构造p值序列的函数,并通过鞅值序列与阈值进行比较实现检测概念漂移目的,在检测到概念漂移后重新训练分类器.最后,基于合成数据集和高炉炼铁数据集的实验结果表明,所提出的方法具有有效性,与现有KS检验相比提高了分类模型的准确率.

关键词：数据流概念漂移共形鞅高炉炼铁

来源：评论

学校读者我要写书评

暂无评论

基于半监督堆叠自编码器的高炉铁水质量预测建模

基于半监督堆叠自编码器的高炉铁水质量预测建模

引用

第35届中国控制与决策会议

作者：赵鹏周平东北大学流程工业综合自动化国家重点实验室

铁水质量指标是反映高炉内部冶炼状态的重要指示剂,但无法实现在线测量,造成铁水质量调控盲目。为此,本文提出一种基于半监督堆叠自编码器的高炉铁水质量在线预测方法。首先,针对传统网络建模方法在建模过程中无法准确描述不同过程变量... 详细信息

铁水质量指标是反映高炉内部冶炼状态的重要指示剂,但无法实现在线测量,造成铁水质量调控盲目。为此,本文提出一种基于半监督堆叠自编码器的高炉铁水质量在线预测方法。首先,针对传统网络建模方法在建模过程中无法准确描述不同过程变量对于预测目标的重要性,引入一种残差机制改进的注意力机制模块,并将其嵌入在深度网络前端;其次,为解决模型在预训练过程中因特征提取盲目导致预测精度较低的问题,提出一种基于半监督堆叠自编码器的深度特征提取模块,通过将标签数据加入训练过程,保证提取得到的与预测目标相关的特征信息;同时采用正则化随机权神经网络对铁水质量实现在线预测;最后基于标准数据集和某大型高炉工业数据,进行充分数据实验,验证所提算法具有更高的建模和预测精度。

关键词：注意力机制半监督堆叠自编码器正则化随机权神经网络高炉炼铁

来源：评论

学校读者我要写书评

暂无评论

基于迭代特权信息学习的随机配置网络及其应用

基于迭代特权信息学习的随机配置网络及其应用

引用

第34届中国过程控制会议

作者：陆军丁进良东北大学流程工业综合自动化国家重点实验室

在实际应用中,通常可以收集一些辅助信息,这些辅助信息往往被传统学习算法忽略。为有效利用辅助信息来帮助建立模型进而提高模型的性能,本文提出了基于迭代特权信息学习的随机配置网络(ISCN+),提供了一种训练SCN的新方法。为使特权信息... 详细信息

在实际应用中,通常可以收集一些辅助信息,这些辅助信息往往被传统学习算法忽略。为有效利用辅助信息来帮助建立模型进而提高模型的性能,本文提出了基于迭代特权信息学习的随机配置网络(ISCN+),提供了一种训练SCN的新方法。为使特权信息生成的"comments"(就像是老师提供给学生的评论)与ISCN+更加匹配,随着SCN隐藏层节点的增加,这些"comments"也应该及时的更新而不是保持不变。为此,本文将SCN和特权信息校正函数的训练整合为一个新的目标函数,利用交替优化策略优化ISCN+的参数并更新特权信息生成的"comments"。此外,为进一步提高ISCN+的泛化能力并控制ISCN+模型的复杂程度,提出了一种ISCN+的变体,即稀疏ISCN+。基于1个标准测试数据集以及1个实际数据集的实验结果表明本文提出方法的有效性。

关键词：随机配置网络迭代特权信息学习交替优化稀疏学习

来源：评论

学校读者我要写书评

暂无评论

基于多尺度序贯贝叶斯的数字孪生模型参数校正方法

基于多尺度序贯贝叶斯的数字孪生模型参数校正方法

引用

第34届中国过程控制会议

作者：潘庆玉卢绍文吴金峰东北大学流程工业综合自动化国家重点实验室

数字孪生已经在工业生产的运行优化中得到了越来越广泛的应用,尤其在过程监控、指标预测、回溯等场景中,模型的精确性是确保数字孪生成功应用的关键。数字孪生中的计算模型往往基于过程的物理、化学机理建立,模型中仍存在大量待定参数... 详细信息

数字孪生已经在工业生产的运行优化中得到了越来越广泛的应用,尤其在过程监控、指标预测、回溯等场景中,模型的精确性是确保数字孪生成功应用的关键。数字孪生中的计算模型往往基于过程的物理、化学机理建立,模型中仍存在大量待定参数需根据实际数据予以校正。本文介绍一种基于多尺度序贯贝叶斯的模型参数校正算法,将模型中的参数不确定性、模型偏置和观测误差在贝叶斯框架下统一起来,利用模型输出和实际数据的差异进行滚动校正。考虑到贝叶斯分析中高维未知参数的后验分布复杂或非标准情况下计算代价较高的问题,引入基于高斯过程卷积的多尺度模型表示方法,对于高维度参数校正问题,能够在计算资源有限情况下提供一种平衡校正效率和计算精度的手段。本文提出的方法通过仿真算例和一个实际工业过程模型进行了测试。结果表明该算法能够实现模型输出和模型偏置的独立分析,显著降低校正计算的复杂度,提高校正效率,并确保预报的输出与实际输出高度吻合。

关键词：模型参数校正数字孪生贝叶斯推断多尺度模型统计学习

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合神经网络的磨机负荷预报方法

基于多特征融合神经网络的磨机负荷预报方法

引用

第35届中国控制与决策会议

作者：张克胜刘长鑫王浩东北大学流程工业综合自动化国家重点实验室

磨矿过程中磨机负荷难检测以及生产滞后问题,严重制约了生产工序稳定高效运转.为此,本文建立了磨机排矿后的下游泵池渣浆泵运行状态与磨机负荷关系模型,并对选矿磨选过程中关键过程变量和运行指标的相关性和延时相关性进行分析计算,并... 详细信息

磨矿过程中磨机负荷难检测以及生产滞后问题,严重制约了生产工序稳定高效运转.为此,本文建立了磨机排矿后的下游泵池渣浆泵运行状态与磨机负荷关系模型,并对选矿磨选过程中关键过程变量和运行指标的相关性和延时相关性进行分析计算,并进行时滞特征和非时滞特征分类.之后针对时滞特征、非时滞特征以及历史目标数据的特征信息不同,提出了基于多特征融合的神经网络模型.该模型利用多个特征网络分别挖掘不同时滞特性的蕴含信息,最后通过多特征融合层实现磨机负荷多步预报.最后,利用实际工业数据在不同的算法模型上进行仿真实验,实验结果表明所提方法在处理磨机负荷预报方面具有更优的预报性能.

关键词：磨机负荷溢流型球磨机延时相关性多特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

《控制工程》创刊30周年专刊序

引用

控制工程 2023年第8期30卷 1375-1377页

作者：柴天佑东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819 国家冶金自动化工程技术研究中心辽宁沈阳110819

《控制工程》是一本由国家教育部主管、东北大学主办的学术性期刊,自1994年创刊至今已发展三十年。在此期间,《控制工程》期刊始终致力于控制领域的研究和发展,其内容涵盖了控制理论、控制系统设计与分析、自动化技术等多个方面,为促进... 详细信息

《控制工程》是一本由国家教育部主管、东北大学主办的学术性期刊,自1994年创刊至今已发展三十年。在此期间,《控制工程》期刊始终致力于控制领域的研究和发展,其内容涵盖了控制理论、控制系统设计与分析、自动化技术等多个方面,为促进控制领域理论研究和工程应用的发展做出了贡献。

关键词：学术性期刊领域理论研究自动化技术研究和发展东北大学《控制工程》系统设计与分析专刊

来源：评论

学校读者我要写书评

暂无评论

基于自监督学习与多源异构信息融合的厚板板形质量异常检测方法

基于自监督学习与多源异构信息融合的厚板板形质量异常检测方法

引用

第34届中国过程控制会议

作者：李大同陆军张同康丁进良东北大学流程工业综合自动化国家重点实验室

板形质量异常检测通常面临着数据标签样本少和多源异构(MSH)的问题。针对这些问题,本文提出了一种基于多源异构对比学习的自监督学习框架。在所提出的框架中,设计了一个编码器用于提取MSH数据信息,其中包含MSH特征提取网络和MSH特征融... 详细信息

板形质量异常检测通常面临着数据标签样本少和多源异构(MSH)的问题。针对这些问题,本文提出了一种基于多源异构对比学习的自监督学习框架。在所提出的框架中,设计了一个编码器用于提取MSH数据信息,其中包含MSH特征提取网络和MSH特征融合网络。在MSH特征提取网络中,采用双路卷积神经网络(CNN)来提取MSH特征。在MSH特征融合网络中,设计了一个基于注意力机制的cross-MSH融合策略,以利用MSH数据之间的关系对提取到的特征进行融合。模型的训练过程包括两个阶段,即基于对比学习的自监督潜变量学习阶段和基于监督学习的微调阶段。前一个阶段利用大量的无标签数据训练编码器。随后,在有监督的微调阶段,用较少的标记数据建立分类器并应用于板形质量异常检测。最后,在收集到的厚板生产过程的真实数据集上进行了实验验证。实验结果证明了所提方法的有效性和优越性。

关键词：厚板板形多源异构数据信息融合自监督学习

来源：评论

学校读者我要写书评

暂无评论

基于参数自适应蚁群算法的高速列车行车调度优化

引用

控制与决策 2021年第7期36卷 1581-1591页

作者：刘辉代学武崔东亮俞胜平李宝旭李建明东北大学流程工业综合自动化国家重点实验室沈阳110004 中国沈阳铁路局集团有限公司沈阳110000

随着我国高铁建设成网,列车运行环境更加复杂多变,对日常行车调度的精细化提出了更高要求.对此,重点研究在大风、雨、雪等恶劣天气及设备设施故障等突发事件下造成列车运行晚点时,在不改变列车运行路径的前提下,如何通过调整高速列车行... 详细信息

随着我国高铁建设成网,列车运行环境更加复杂多变,对日常行车调度的精细化提出了更高要求.对此,重点研究在大风、雨、雪等恶劣天气及设备设施故障等突发事件下造成列车运行晚点时,在不改变列车运行路径的前提下,如何通过调整高速列车行车顺序和到发时间,智能高效地恢复列车按图运行.将含有到发间隔、越行等多约束的列车运行时间调整问题建模成三维空间上的最佳路径搜索问题,提出一种改进蚁群算法来实现高速列车行车调度优化,并提出一个面向高铁调度的信息启发式因子和期望启发式因子的权重组合以及挥发因子的动态调整方法,用以提高收敛速度和维持解质量.仿真结果表明,所提出的"时间=空间"转换模型和权重自适应调整方法能有效提高蚁群搜索求解高铁调度问题的性能,实现高速列车行车调度优化.

关键词：高速列车改进蚁群算法调度优化权重组合

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：