导读:本文包含了过程建模方法论文开题报告文献综述及选题提纲参考文献，主要关键词:数学建模,数学模型,数学建模思想方法,渗透
过程建模方法论文文献综述
余吉东,王中群[1]（2019）在《数学建模的思想方法在中学数学学习过程中的渗透》一文中研究指出基于对中学生数学学习情况的分析,应用较为典型的数学案例,并在学习者学习的过程中渗透进数学建模的思想方法予以探究,从而提高学习者应用数学知识解决实际问题的能力和数学思维能力。(本文来源于《科技视界》期刊2019年33期）
尹二新,张同卫,唐坚,路光杰,陈鸥[2]（2019）在《火电机组过程大数据建模方法研究》一文中研究指出火电机组属于过程工业系统,常规大数据建模技术在该类系统中的应用具有一定的局限性。为此,本文以火电机组过程大数据为研究对象,首先分析火电机组过程大数据的特点及其进行大数据建模所面临的困难;接下来对现有国内外火电机组过程大数据建模方法及存在问题进行了分析;最后提出一种基于火电机组过程大数据的全工况自适应传递函数建模方法,该方法应用数据挖掘技术选取不同工况下的合格建模数据,通过云计算平台应用数据驱动传递函数建模方法建立全工况范围内大量的系统模型,再应用线性变参数及数学插值等算法对大量系统模型进行融合,最终获取系统全工况自适应传递函数模型。该建模方法将数据驱动传递函数建模与过程工业大数据进行了有益结合,为火电机组等过程工业大数据建模提供了一种较好的方法参考。(本文来源于《电力大数据》期刊2019年10期）
赵帅,史旭东,熊伟丽[3]（2019）在《一种分层集成的高斯过程回归软测量建模方法》一文中研究指出针对一些化工过程呈现显着的非线性和多阶段特点,提出一种分层集成的高斯过程回归软测量建模方法。采用高斯混合模型将过程数据划分为不同的操作阶段;对各阶段的数据进行主元分析,依据各辅助变量在主元空间上的贡献度,将各阶段数据划分成若干子空间并建立相应的高斯过程回归模型;再对子空间模型输出进行均值融合,得到第一层集成输出;采用后验概率对各阶段局部预测进行融合,得到第二层集成输出。通过对工业数据的实验仿真,验证了所提方法的有效性。(本文来源于《系统仿真学报》期刊2019年10期）
李隆浩,张立臻,马广磊[4]（2019）在《基于ARMA模型的粗糠醇精馏过程软测量建模方法》一文中研究指出针对粗糠醇精馏过程存在的非线性时变及建模数据的影响持续性不易确定,导致软测量模型预测准确性低的问题,提出一种基于ARMA模型的粗糠醇精馏过程软测量建模方法。构建了粗糠醇精馏过程的自回归滑动平均(Autoregressive Moving Average, ARMA)模型,将建立好的ARMA模型与软测量建模方法相结合,提出基于ARMA-LSSVM的软测量建模方法。基于粗糠醇精馏过程实际数据分别建立了ARMA-LSSVM与LSSVM的软测量模型并进行了对比分析,分析结果表明:本文提出的基于ARMA模型的粗糠醇精馏过程软测量建模方法,可以有效提高粗糠醇精馏过程软测量模型的数据预测精度。(本文来源于《山东理工大学学报(自然科学版)》期刊2019年06期）
朱宝,乔俊飞[5]（2019）在《基于AANN特征缩放的虚拟样本生成方法及其过程建模应用》一文中研究指出工业大数据时代的到来推动着智能数据挖掘领域的发展。然而,大数据中的小样本问题严重影响了数据驱动建模的精度。为了解决这一问题,本文提出一种基于自联想神经网络特征缩放的虚拟样本生成方法(FSAANN-VSG)。首先,从自联想神经网络(AANN)的特征层出发,扩缩变换小样本自联想网络模型的特征层信息,从而产生新的特征信息,随后经前向计算得到虚拟样本;所提方法采用AANN模型,一方面能够生成符合原始小样本知识的虚拟样本,另一方面能够去除样本间的噪声信息;最终实现样本量增加,同时有助提高模型的精度。为验证本文方法的有效性,首先采用UCI数据库中的Concrete Slump Test (CST)数据集,随后将所提的方法应用于乙烯生产过程建模,仿真结果验证了本文所提方法的有效性,加入虚拟样本后,模型的精度更高、鲁棒性更好。(本文来源于《计算机与应用化学》期刊2019年04期）
曹西林[6]（2019）在《数学建模快捷地设计化工过程的方法》一文中研究指出在发展中国家工业化水平不断提升的趋势下,化工产品需求量也随之增加。而有效提高化工行业产品生产效率与质量,节约原料能耗与制造成本,既顺应了全球资源发展现状,又与我国节能高效、和谐发展理念相符。而在化工过程中,有效应用数学建模方法能够实现这一最终目标,文章主要对数学建模快捷地设计化工过程的方法进行了详细分析。(本文来源于《粘接》期刊2019年08期）
万晶莹,陈宁,戴佳阳,桂卫华,赵旭[7]（2019）在《机理和半监督学习结合的针铁矿法沉铁过程建模方法》一文中研究指出湿法炼锌中,浸出液里铁离子浓度对电解能耗大小和锌产品纯度具有重大影响.目前,杂质铁离子常使用针铁矿法进行去除,建立沉铁过程模型可以根据反应器出口铁离子浓度预测值调整过程的操作参数,实现高效除铁.针铁矿法沉铁过程的关键是合理控制浸出液中二价铁离子的氧化速率.然而,实际过程中氧气溶解且氧化二价铁离子的机理复杂,单一机理模型不能准确描述沉铁过程.本文提出一种基于机理和半监督学习的针铁矿法沉铁过程建模方法.在建立针铁矿沉铁过程的机理模型的基础上,针对沉铁过程中溶解氧浓度仅有部分过程数据与之相对应的问题,采用半监督加权概率主成分回归的即时学习算法得到溶解氧浓度的动态模型.然后,将该动态模型与机理模型联立,得到针铁矿法沉铁过程的集成模型.通过粒子群算法进行辨识,得到最优的集成模型参数.最后,使用实际工业生产数据验证所提集成模型有效性.(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
金永泽[8]（2019）在《高速列车制动过程建模与参数辨识方法》一文中研究指出列车运行速度的不断提高,运行环境的复杂多变,导致列车系统动态作用环境明显恶化,给高速列车的安全、稳定运行带来巨大隐患。作为保障高速列车安全运行的重要组成部分,列车制动系统的制动性能受到了极大地关注。准确的动力学建模是高速列车精准制动的基础,通过对高速列车制动模型性能参数的实时精准估计,可以掌握列车实时性能,大幅度优化列车区间调度效率,降低列车测量成本,提高列车检修效率。但是,现有文献主要是针对列车自身动力学模型进行研究,并未考虑环境因素的影响,且针对高速列车这样的非线性非高斯系统,尚未有完善的辨识理论可以对其制动参数进行有效的实时辨识。针对这些问题,本文一方面对列车制动机理进行分析,研究并建立了基于环境的列车制动模型,并分别针对非高斯噪声干扰下的制动模型和含有隐变量的制动模型进行了辨识研究,从模型角度提出了相应的制动模型辨识方法;另一方面对列车监测数据进行分析,建立深度神经网络,从数据角度进行了制动参数的辨识研究。本文的主要工作和研究成果如下:1、对列车制动机理进行分析,建立了列车制动单质点与多质点模型。考虑到列车在实际运行过程中,运行状态会受到运行环境的影响,分析了列车运行在干燥轨道与潮湿轨道上的不同运动特性,提出了不同运行环境下的列车单质点制动建模方法。2、针对高速列车非线性模型在非高斯噪声干扰下的系统辨识和参数估计问题,提出并实现了基于高斯和方法的拓展卡尔曼滤波,将列车受到的非高斯噪声用高斯和表示,采用多个EKF作为子滤波器,利用并行计算的方式,得到了状态和参数的滤波估计。3、针对列车制动模型中难以观测的隐变量参数,设计了数据记录计数的滑动窗口,以窗口内的数据为研究对象,构造并最大化列车条件数学期望,提出了基于最大期望的制动参数在线辨识方法。4、以列车海量监测数据为研究对象,提出基于BP网络的时变制动参数辨识方法,考虑到列车速度和制动盘摩擦系数的时间序列数据特性,提出基于LSTM网络的时变制动参数辨识方法,实现利用列车制动速度的历史数据来预测未来的制动盘摩擦系数变化。(本文来源于《西安理工大学》期刊2019-06-30）
易俊,张宝,于银华,张亚杰,彭建云[9]（2019）在《混合气体气水分离过程中节流装置的建模方法及仿真分析（英文）》一文中研究指出从天然气中分离水分是一个复杂过程,气体混合只有通过节流效应才能使其温度达到露点以分离水分和碳氢化合物,而节流装置参数识别和分析的准确性将直接影响分离效果,因此通过研究气流通过节流阀时保持气流畅通的流动条件,在临界状态下通过Saint-Venant-Wantzel方程在高压条件下建立了通过节流阀气体的流动模型。同时,基于通道中"节流阀横截面面积/流体温度的值"和"节流阀横截面面积/流速的值"的互连控制,研究了节流阀横截面积值对湿度LTS下节流量的速率和温度之间的非线性特性,明确该条件下气水分离的条件限制,最终建立了亚临界状态下节流装置静态模型。在ANSYS环境下对节流效应下的流体进行仿真实验,仿真结果表明:在节流阀的不同初始参数设定下,提出的模型均能对节流阀参数进行准确识别,并能在亚临界模式下对限制性条件做出正确的分析。(本文来源于《机床与液压》期刊2019年12期）
解江,蔡忠义,项华春[10]（2019）在《基于非线性Wiener过程的步进加速退化建模方法》一文中研究指出针对步进加速退化试验中的非线性退化数据,考虑到产品之间的随机效应,给出了非线性Wiener过程的表达式,推导出了考虑随机效应的产品失效概率密度函数表达式;建立了步进加速退化模型,给出了各加速应力下性能退化量的关系模型;采用两步极大似然估计法,求解出退化模型中未知参数;结合某激光器的实例分析表明所建模型的拟合性较好,参数估计精度更高。(本文来源于《火力与指挥控制》期刊2019年06期）
过程建模方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
火电机组属于过程工业系统,常规大数据建模技术在该类系统中的应用具有一定的局限性。为此,本文以火电机组过程大数据为研究对象,首先分析火电机组过程大数据的特点及其进行大数据建模所面临的困难;接下来对现有国内外火电机组过程大数据建模方法及存在问题进行了分析;最后提出一种基于火电机组过程大数据的全工况自适应传递函数建模方法,该方法应用数据挖掘技术选取不同工况下的合格建模数据,通过云计算平台应用数据驱动传递函数建模方法建立全工况范围内大量的系统模型,再应用线性变参数及数学插值等算法对大量系统模型进行融合,最终获取系统全工况自适应传递函数模型。该建模方法将数据驱动传递函数建模与过程工业大数据进行了有益结合,为火电机组等过程工业大数据建模提供了一种较好的方法参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
过程建模方法论文参考文献
[1].余吉东,王中群.数学建模的思想方法在中学数学学习过程中的渗透[J].科技视界.2019
[2].尹二新,张同卫,唐坚,路光杰,陈鸥.火电机组过程大数据建模方法研究[J].电力大数据.2019
[3].赵帅,史旭东,熊伟丽.一种分层集成的高斯过程回归软测量建模方法[J].系统仿真学报.2019
[4].李隆浩,张立臻,马广磊.基于ARMA模型的粗糠醇精馏过程软测量建模方法[J].山东理工大学学报(自然科学版).2019
[5].朱宝,乔俊飞.基于AANN特征缩放的虚拟样本生成方法及其过程建模应用[J].计算机与应用化学.2019
[6].曹西林.数学建模快捷地设计化工过程的方法[J].粘接.2019
[7].万晶莹,陈宁,戴佳阳,桂卫华,赵旭.机理和半监督学习结合的针铁矿法沉铁过程建模方法[C].第叁十八届中国控制会议论文集（7）.2019
[8].金永泽.高速列车制动过程建模与参数辨识方法[D].西安理工大学.2019
[9].易俊,张宝,于银华,张亚杰,彭建云.混合气体气水分离过程中节流装置的建模方法及仿真分析（英文）[J].机床与液压.2019
[10].解江,蔡忠义,项华春.基于非线性Wiener过程的步进加速退化建模方法[J].火力与指挥控制.2019