运用人工智能和动态模拟进行软传感器与过程控制
本研究通过在设备上部署软传感器,提高传感器融合和感知能力,改善能源效率,并利用可编程逻辑门阵列(FPGA)和微控制器单元的协同整合,提供了一种具有潜力的创新方法来高效地执行实时推理任务。
Nov, 2023
该论文提出了一种新颖的高维基于图像的覆盖误差处理控制与监测方法,利用有限的控制配方来减少覆盖误差。通过构建高维过程模型并提出不同的张量与向量回归算法来估计模型中的参数,减轻维度诅咒。基于张量参数的估计,设计了指数加权移动平均(EWMA)张量数据控制器,其稳定性经过理论保证。为了防止无法控制的高维扰动的显著漂移,检测控制残差。通过大量的仿真和真实案例研究,评估了参数估计算法和张量空间中 EWMA 控制器的性能。与现有的基于图像的反馈控制器相比,我们的方法在扰动不稳定时表现出明显的优势。
Jan, 2024
本文研究针对推理(软)传感器设计的问题,建议两种新方法用于设计多模型推理传感器,以提高其预测性能并保持线性结构。通过设计真实世界石化炼油装置中的推理传感器,与其他单模型推理传感器和参考传感器进行对比,结果显示单模型 / 多模型推理传感器的设计技术相较于当前技术有显著改进。
Aug, 2023
通过将机器学习模型直接拟合到植物传感器数据上,我们采用了一种结构化的方法,将化工厂的每个单元表示为一个机器学习模型,并将这些模型连接成一个类似于流程图的有向图。我们发现,对于较小的工厂,这种方法效果良好,但对于较大的工厂,流程图中大型和嵌套循环引起的复杂动力学导致循环求解器的不稳定性。我们对这个问题进行了深入分析,并表明这不仅是一个专业性问题,而是一个更普遍的挑战,可能在应用机器学习于较大工厂时经常出现。为了解决这个问题,我们提出了一种微调机器学习模型的方法,使得使用常规方法求解循环变得稳定。
Jul, 2023
本文提出了一个数据驱动模型,使用卷积神经网络来估计压缩机的质量流量,并展示了它在标准均方误差和工程师性能指标方面明显优于标准多项式回归模型。此外,还提出了一种半自动分割方法来计算真实数据集的工程师性能指标,因为标准均方误差指标在分析蒸汽循环系统的动态行为时可能存在风险。
May, 2024
化工生产厂中,人员经常检查工厂的完整性以确保高安全标准,这项研究提出了一个机器人系统,集成了各种传感器和数据处理,旨在模仿人类的视觉、嗅觉和听觉感知和解释能力,以实现自动化检测。在一个废水处理设施中进行了广泛的评估,结果表明该系统能够稳定地导航工厂并提供关于关键操作条件的有用信息。
Aug, 2023
这篇论文介绍了一种基于虚拟流量计(VFM)的连续校准方法,使用生产分离器提供的测量和假设观测流等于每个个别井的流量总和,应用时序 Monte Carlo (SMC) 推断调谐系数以及每个井的流量组成。通过使用合成数据和实际数据进行测试,结果表明该方法能够在无需依赖井试数据情况下提供合理的参数估计。
Apr, 2023
本文提出了一种基于物理和数据驱动的数字孪生框架,用于自主食品加工,该框架含有最小计算负载、数据存储和传感器数据要求的精益数字孪生概念,并采用一个节俭的实验设计用于训练热处理的非侵入式降阶模型,其最佳模型的测试均方根误差小于 1 开尔文(0.2%平均百分比误差),模拟速度加快达到 1.8E4 Sp,可用于设备内的模型预测控制。
Sep, 2022
应用实时原位表征和基于主动学习算法的自主系统,在无人干预的情况下,确定特定目标薄膜尺寸的工艺条件,具有高效准确的特点,为加快研究和工业过程提供了重要的启示。
Dec, 2023