导读:本文包含了过程集成建模论文开题报告文献综述及选题提纲参考文献，主要关键词:高斯混合模型,子空间PCA,高斯过程回归,分层集成
过程集成建模论文文献综述
赵帅,史旭东,熊伟丽[1]（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）
董晨阳,郑小云,余建波[2]（2019）在《基于过程挖掘与复杂网络集成的制造过程资源建模与关键加工节点识别》一文中研究指出为了解决多任务复杂制造过程中的工作流变异导致的流程和资源的不确定性,进而导致制造资源模型出现实时变化,提出了基于过程挖掘与复杂网络集成的制造过程资源模型,得到了流程与资源信息集成的资源复杂网络模型与分析方法。首先,从制造过程中实时产生的事件日志出发,提出了一种基于统计α算法的过程挖掘算法,解决了制造过程工作流重构问题,可实时发掘实际制造过程中的工作流模型。接着,通过集成过程挖掘算法和复杂网络理论,构建了集流程信息与资源信息于一体的资源网络模型,提出了资源节点与流程节点的关联性分析方法,识别制造过程中的关键加工节点。最后,结合一个复杂的锥齿轮轴-轴承套组件装配过程实例,全面验证了所提出方法在制造过程工作流重构、资源网络模型建模、资源特性分析与关键加工节点的识别上的有效性。(本文来源于《机械工程学报》期刊2019年03期）
李浩,刘根,李奇峰,杨新宇,罗国富[3]（2018）在《ERP与MRO系统集成过程建模与应用研究》一文中研究指出为了实现产品生产阶段到服务阶段业务与数据的有效集成,从业务层和数据层对制造服务系统中的大修维护维修(MRO)与企业资源计划(ERP)的集成过程进行了建模与分析,对ERP与MRO系统之间的业务过程和信息交互过程进行了分析,建立了二者的业务集成框架模型,分析了ERP与MRO系统的数据结构转换过程,提出了二者数据集成模型。应用Web Services完成了ERP与MRO的系统集成开发,包括服务BOM集成、备品备件管理集成等。研究结果实现了制造和服务阶段关键产品数据信息的集成与反馈,打通了从制造到服务阶段的数据传递与集成,对进一步研究复杂产品生命周期管理的信息集成具有一定的借鉴意义。(本文来源于《河北工业科技》期刊2018年06期）
赵帅[4]（2018）在《基于集成学习的高斯过程回归软测量建模方法研究》一文中研究指出在工业过程中,一些重要的质量变量往往无法通过在线仪表实时测量得到,并且实验室离线分析可能存在比较大的时间滞后性和高成本的情况。软测量技术通过构建易测变量与质量变量间的函数关系,实现对质量变量的在线监测。对于具有非线性、多阶段等特征的工业过程,建立单一结构的全局软测量模型往往会出现泛化能力不强,过程阶段性解释力差等局限。本文研究了基于集成学习的多模型建模方法,通过构造多个简单的局部模型,最后,按照约定的规则对局部模型的输出结果进行融合,得到最终的模型输出。以集成学习思想和高斯过程回归(Gaussian Process Regression,GPR)算法为基础,对现有软测量技术进行了改进,主要取得的成果如下:1)针对实际工业过程呈现非线性、高维度和时变等特点,以及过程的质量变量难以实时监测的问题,利用核主元分析方法(Kernel Principal Component Analysis,KPCA)对采集的过程数据进行非线性的降维处理;基于降维后的主成分重构输入样本集,利用Bagging算法获得若干子样本集,并建立相应的GPR局部模型;最后根据贝叶斯后验概率计算得到各局部模型的权重,进行融合输出。通过对污水处理过程的仿真实验,验证了所提方法具有良好的预测精度与泛化能力。2)考虑常规的集成学习方法仅从单一的样本或变量维度出发,没有充分利用样本所包含的两个维度信息,提出一种分层集成的软测量建模方法。该方法采用高斯混合模型(Gaussian Mixture Model,GMM)将过程数据划分为不同的操作阶段,以捕捉过程的多阶段特征;并依据各辅助变量在主元空间上的贡献度,将各模态数据划分成若干子空间,建立相应的GPR模型,采用均值融合方式得到第一层集成输出,即各模态下的局部预测输出;进一步采用后验概率对各模态局部预测进行融合,得到第二层集成输出。通过对脱丁烷塔过程和青霉素发酵过程的仿真实验,验证了所提方法的有效性。3)进一步考虑工业过程中有标签样本较少,大量的无标签样本被直接丢弃的问题,基于半监督Tri-Training方法和集成学习思想,提出一种新的GPR软测量建模方法。首先,利用Bagging算法将无标签样本集划分为叁个子样本集,并采用有标签样本训练叁个回归模型;其次,基于一种置信度指标对无标签样本计算其相应的指标值,选择满足置信度要求的无标签样本进行标注,并将此标注后的样本添加到对应的有标签子样本集中;最后,对扩充后的叁个有标签数据集建立GPR模型,采用权值对结果进行融合。通过对脱丁烷塔过程和混凝土抗压强度的仿真实验,对所提方法的有效性进行了验证。(本文来源于《江南大学》期刊2018-06-01）
邵伟明,田学民,宋执环[5]（2018）在《基于集成学习的多产品化工过程软测量建模方法》一文中研究指出化工过程通常具有非线性、时变以及多产品等特性。针对上述特点,在集成学习框架下建立自适应软测量模型。首先,面向具有多个产品的化工对象,借助k近邻法,以统计假设检验理论为依据,提出一种自适应局部化方法,获得多样性程度高的局部模型集合。然后,根据未知样本量化局部模型的泛化能力,通过选择性集成方法获得主导变量的估计值。此外,为了对主导变量估计值的精度进行评估,基于局部模型泛化误差,给出一种通用性高的模型性能评价方法。在仿真的盘尼西林生产过程上的运行结果验证了所提方法的有效性。(本文来源于《化工学报》期刊2018年06期）
周怀荣[6]（2018）在《移动床油页岩炼制过程建模、模拟分析与系统集成》一文中研究指出中国具有丰富的油页岩资源,油页岩储量按油折算约为476亿吨,是我国可开采石油储量233亿吨的2倍以上。油页岩作为一种非常规的化石能源,其开发与利用对于发展替代油气战略新兴产业,缓解我国油气资源短缺问题将具有重要的支撑作用。目前,中国油页岩的开发利用已经进入商业化阶段。油页岩开采采用近地表面露天开采,主要开采为埋藏深度100-400 m的浅层油页岩。油页岩加工炼制技术主要以抚顺炉技术为主,但抚顺炉技术存在原料利用率低,油收率低,以及页岩油重质组分含量高等问题。中国科学院过程工程研究所开发的两套内构件移动床技术可解决抚顺炉技术的瓶颈,并且这两套技术已经完成了中试。本研究建立了油页岩热解动力学模型,对两套内构件移动床炉子进行热力学平衡计算,分别确定了间接加热内构件移动床油页岩热解所需干馏气的循环供热量,以及内构件移动床固体热载体油页岩热解所需灰渣的循环供热量。另外,建立了两套新技术的油页岩炼制过程。对两套新技术的炼制过程进行单元过程的建模与模拟。在模拟的基础上,对两套新技术的炼制过程进行经济性能分析,并与传统的抚顺式炼制过程进行比较。发现间接加热内构件移动床炼制过程和内构件移动床固体热载体炼制过程具有竞争力的原油价格分别为51$/bbl和53$/bbl,而抚顺式炼制过程的竞争力原油价格为58$/bbl。2017年国际原油价在50$/bbl左右波动,两套新技术的炼制过程的经济优势较明显。本研究对两套新技术的油页岩炼制过程进行系统集成,主要解决油页岩热解产生的页岩油品质差的问题。分别针对间接加热内构件移动床油页岩炼制过程和内构件移动床固体热载体油页岩炼制过程提出了煤辅助油页岩制液体燃料过程和化学链增强的油页岩制液体燃料过程。首先分别对提出的两种集成过程进行工艺参数分析和模拟计算。在模拟基础上,分别对两种集成过程进行经济性能的评价分析。发现煤辅助油页岩制液体燃料过程和化学链增强的油页岩制液体燃料过程的轻组分加氢提质情景下的成本最低,收益最高。另外,特别是在低油价50$/bbl时,这两种集成系统的投资利润率分别为7%和5%,表现出较强的经济竞争力。本研究建立了油页岩/煤制液体燃料过程生命周期环境影响和成本评价模型。环境性能方面,传统抚顺油页岩制液体燃料和煤制液体燃料的空气污染物排放较严重,特别是CO_2和PM2.5的排放。新油页岩制液体燃料创新路线的空气污染物排放较抚顺油页岩制液体燃料有明显降低,特别是化学链增强的油页岩制液体燃料路线的空气污染物排放与石油路线的基本相当。内部成本分析发现传统抚顺油页岩制液体燃料和煤制液体燃料产品成本相当,其与常规石油炼制的竞争点原油价格在70$/bbl左右。而煤辅助油页岩制液体燃料过程和化学链增强的油页岩制液体燃料过程的竞争力原油价格为58$/bbl和55$/bbl。生命周期成本分析发现油页岩制液体燃料过程的生命周期成本较其内部成本增加幅度小,而煤制液体燃料过程的增加幅度较大,导致生命周期成本接近于100$/bbl,主要是因为CO_2排放大造成外部成本较高。(本文来源于《华南理工大学》期刊2018-04-06）
萧鸿华,刘阳,黄宏,杨思宇[7]（2018）在《煤制天然气过程变换单元建模与能量集成》一文中研究指出我国煤制天然气项目经过国家"十二五"时期进一步升级示范,工艺上取得了突破性进展。然而煤制天然气项目面临集成度不高,整体能耗较大的问题。高效回收利用变换单元放出的反应热是降低煤制天然气项目能耗的一条有效途径。本文首先建立了基于反应动力学的固定床反应器模型,在满足变换反应调整氢碳比要求下,通过对反应操作参数的优化,提高了系统?输出。在对优化后变换单元过程能量分析的基础上,建立了新的变换单元热回收网络。实现了过程反应参数优化和换热网络的集成优化。新工艺的能效比现行工艺提高9个百分点,达到86.3%,投资增加了5.5%,投资回收期为2.1年。(本文来源于《化工进展》期刊2018年02期）
邵伟明,田学民,宋执环[8]（2017）在《基于集成学习的多产品化工过程软测量建模方法》一文中研究指出化工过程通常具有非线性、时变以及多产品等特性。针对上述特点,本文在集成学习框架下建立自适应软测量模型。首先,面向具有多个产品的化工对象,借助k近邻法,以统计假设检验理论为依据,提出一种自适应局部化方法,获得多样性程度高的局部模型集合。然后,根据在线阶段待估计的未知样本,量化局部模型的泛化能力,通过选择性集成方法获得主导变量的估计值。此外,为了对主导变量估计值的精度进行评估,基于局部模型泛化误差,给出一种通用性高的模型性能评价方法。在仿真的盘尼西林生产过程上的运行结果验证了所提方法的有效性。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
赵帅,熊伟丽,李妍君[9]（2016）在《基于KPCA-Bagging的集成高斯过程回归建模及其应用》一文中研究指出工业污水处理过程具有高度非线性的特点,对水质指标中的生物需氧量(BOD)的实时监测提出了挑战,因此,提出一种基于核主元分析(KPCA)和Bagging算法的集成高斯过程回归(GPR)建模方法.首先,采用核主元分析(KPCA)方法将采集到的污水数据投影到高维空间进行降维(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
孙茂伟,杨慧中[10]（2016）在《基于改进Bagging算法的高斯过程集成软测量建模》一文中研究指出为提高对工况复杂的工业过程进行软测量建模的模型精度和泛化能力,提出了一种基于改进Bagging算法的高斯过程集成软测量建模方法。该算法采用高斯过程回归算法建立集成学习模型的基学习器,并在Bagging算法对训练样本重采样生成基学习器训练子集的基础上,采用基于正则化互信息的特征排序指标进行基学习器的输入特征抽取,实现有监督的特征扰动,从而改善学习器的差异度。待测样本进行软测量估计时,根据各高斯过程基学习器输出的方差自适应地选择基学习器进行集成输出。采用工业双酚A生产装置反应器的现场数据建模仿真,结果表明该方法是有效的。(本文来源于《化工学报》期刊2016年04期）
过程集成建模论文开题报告
（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：
为了解决多任务复杂制造过程中的工作流变异导致的流程和资源的不确定性,进而导致制造资源模型出现实时变化,提出了基于过程挖掘与复杂网络集成的制造过程资源模型,得到了流程与资源信息集成的资源复杂网络模型与分析方法。首先,从制造过程中实时产生的事件日志出发,提出了一种基于统计α算法的过程挖掘算法,解决了制造过程工作流重构问题,可实时发掘实际制造过程中的工作流模型。接着,通过集成过程挖掘算法和复杂网络理论,构建了集流程信息与资源信息于一体的资源网络模型,提出了资源节点与流程节点的关联性分析方法,识别制造过程中的关键加工节点。最后,结合一个复杂的锥齿轮轴-轴承套组件装配过程实例,全面验证了所提出方法在制造过程工作流重构、资源网络模型建模、资源特性分析与关键加工节点的识别上的有效性。
（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。
过程集成建模论文参考文献
[1].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
[2].董晨阳,郑小云,余建波.基于过程挖掘与复杂网络集成的制造过程资源建模与关键加工节点识别[J].机械工程学报.2019
[3].李浩,刘根,李奇峰,杨新宇,罗国富.ERP与MRO系统集成过程建模与应用研究[J].河北工业科技.2018
[4].赵帅.基于集成学习的高斯过程回归软测量建模方法研究[D].江南大学.2018
[5].邵伟明,田学民,宋执环.基于集成学习的多产品化工过程软测量建模方法[J].化工学报.2018
[6].周怀荣.移动床油页岩炼制过程建模、模拟分析与系统集成[D].华南理工大学.2018
[7].萧鸿华,刘阳,黄宏,杨思宇.煤制天然气过程变换单元建模与能量集成[J].化工进展.2018
[8].邵伟明,田学民,宋执环.基于集成学习的多产品化工过程软测量建模方法[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[9].赵帅,熊伟丽,李妍君.基于KPCA-Bagging的集成高斯过程回归建模及其应用[C].第27届中国过程控制会议（CPCC2016）摘要集.2016
[10].孙茂伟,杨慧中.基于改进Bagging算法的高斯过程集成软测量建模[J].化工学报.2016