项目名称: 基于动态概率分布的复杂流程工业混合过程鲁棒优化方法研究

项目编号: No.61203136

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 自动化学科

项目作者: 孔玲爽

作者单位: 湖南工业大学

项目金额: 23万元

中文摘要: 混合过程是冶金、化工、钢铁等许多复杂流程工业中一道非常重要的工序,其混合操作的合理性不仅直接关系到下一个工序生产的稳定,而且对整个企业资源能源的消耗及最终产品质量产量的提高都有重要影响。复杂混合过程普遍具有生产用料复杂、工艺指标多、强耦合、非线性、在线检测困难和过程机理不明确等复杂特点,特别是多种混合原料质量参数表现出不同程度的随机性,严重影响了传统优化方法的实施效果。本项目结合随机规划、鲁棒优化和预测控制的思想,研究一种基于随机参数概率分布函数的复杂混合过程鲁棒优化方法,给出基于实时趋势预测和随机补偿策略的随机参数动态概率分布统计方法,建立融合质量预测模型和鲁棒评价指标的鲁棒随机优化模型,提出一种基于高效随机仿真技术的两层智能鲁棒优化算法,形成一套能有效克服参数随机性影响的工业过程鲁棒优化理论和方法,研究成果的工业应用可有效提升我国流程工业的生产水平。

中文关键词: 混合过程;不确定;时间序列;随机优化;鲁棒实时优化

英文摘要: The blending process is a very important procedure of the production in many complex process industries such as metallurgy, steel and chemical industry, which not only directly relates to the production stability of downstream processes but also make great influence on the energy consumption and the productivity of whole enterprise. However, a lot of complexity,such as complex materials, various kind of indices, strong coupling, nonlinearity,great difficulty of online detection and unknown process mechanism and so on, generally exists in these blending processes, so as to it is very difficult for classical methods to effectively realize the optimization control of blending processes. In the project, based on stochastic programming, robust optimization and predictive control, the robust optimization method with dynamic probability distribution is studied for the blending operation of complex process industry. The statistical method of the dynamic probability distribution is proposed by combining trend prediction and random compensation strategy. The robust stochastic optimization model with stochastic parameters, quality prediction model and robust evaluation indices is constructed. And the two-level intelligent algorithm with an efficient stochastic simulation technique is put forward to effectively solve it. F

英文关键词: blending process;uncertainty;time series;stochastic optimization;robust real-time optimization

成为VIP会员查看完整内容
0

相关内容

工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
174+阅读 · 2021年7月8日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
109+阅读 · 2021年4月7日
专知会员服务
30+阅读 · 2020年12月21日
专知会员服务
83+阅读 · 2020年12月11日
工业人工智能的关键技术及其在预测性维护中的应用现状
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
两概率分布交叉熵的最小值是多少?
PaperWeekly
0+阅读 · 2021年11月6日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
61+阅读 · 2020年7月12日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
22+阅读 · 2019年8月20日
【数字孪生】九论数字孪生
产业智能官
57+阅读 · 2019年7月6日
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
深度报告:特种钢铁行业,支撑高端制造
材料科学与工程
12+阅读 · 2019年4月9日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
174+阅读 · 2021年7月8日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
109+阅读 · 2021年4月7日
专知会员服务
30+阅读 · 2020年12月21日
专知会员服务
83+阅读 · 2020年12月11日
工业人工智能的关键技术及其在预测性维护中的应用现状
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
两概率分布交叉熵的最小值是多少?
PaperWeekly
0+阅读 · 2021年11月6日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
61+阅读 · 2020年7月12日
【数字孪生】面向智能制造的数字孪生
产业智能官
50+阅读 · 2020年5月10日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
22+阅读 · 2019年8月20日
【数字孪生】九论数字孪生
产业智能官
57+阅读 · 2019年7月6日
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
深度报告:特种钢铁行业,支撑高端制造
材料科学与工程
12+阅读 · 2019年4月9日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员