检索范围:
排序: 展示方式:
使用数据驱动模型优化抗体纯化策略 Article
刘松崧, Lazaros G. Papageorgiou
《工程(英文)》 2019年 第5卷 第6期 页码 1077-1092 doi: 10.1016/j.eng.2019.10.011
本工作致力于抗体片段纯化过程的多尺度优化。优化了生产过程中的色谱决策,包括色谱柱的数量及其大小,每批的循环数以及操作流速。使用基于微型实验数据的制造规模模拟数据集,建立了以负载质量、流速和柱床高度为输入的色谱通量数据驱动模型。与其他方法相比,分段线性回归建模方法具有简单、预测精度高的优点。提出了两种混合整数非线性规划(MINLP)模型,结合数据驱动模型,以最小化每克抗体纯化过程的总成本。然后,使用线性化技术和多参数分解将这些MINLP模型重新构造为混合整数线性规划(MILP)模型。研究了两个具有不同色谱柱尺寸替代品的工业相关案例,以证明所提出模型的适用性。
Prediction of hydro-suction dredging depth using data-driven methods
《结构与土木工程前沿(英文)》 2021年 第15卷 第3期 页码 652-664 doi: 10.1007/s11709-021-0719-7
关键词: sedimentation water resources dam engineering machine learning heuristic
多尺度材料与过程设计的数据驱动和机理混合建模方法 Perspective
周腾, Rafiqul Gani, Kai Sundmacher
《工程(英文)》 2021年 第7卷 第9期 页码 1231-1238 doi: 10.1016/j.eng.2020.12.022
世界人口的不断增长要求加工业以更高效和更可持续的方式生产食品、燃料、化学品和消费品。功能性过程材料是这一挑战的核心。传统上,人们根据经验或者通过反复试验的方法来发现新型先进材料。随着理论方法和相关工具的不断改进和计算机能力的提高,现在流行使用计算方法来指导材料选择和设计,这种方法也非常有效。由于材料选择与材料使用的过程操作之间存在很强的相互作用,必须同时进行材料设计和过程设计。尽管有这种重要联系,但由于通常需要使用不同规模的多个模型,材料和过程的集成设计并不容易。混合建模为解决此类复杂的设计问题提供了一个有前景的选择。在混合建模中,用数据驱动模型描述原本计算成本高昂的材料特性,而用机理模型表示众所周知的过程相关原理。本文重点介绍了混合建模在多尺度材料和过程设计中的重要性。首先介绍通用设计方法,然后选择了六个重要的应用领域:四个来自化学工程领域,两个来自能源系统工程领域。对于选定的每个领域,讨论了使用混合建模进行多尺度材料和过程设计的最新研究。最后,本文给出了结论,指出当前研究的局限性和未来的发展空间。
《能源前沿(英文)》 2022年 第16卷 第1期 页码 121-129 doi: 10.1007/s11708-021-0780-x
关键词: power distribution network data-driven topology identification distributed energy resource maximal information coefficient
《化学科学与工程前沿(英文)》 2023年 第17卷 第6期 页码 759-771 doi: 10.1007/s11705-022-2269-5
关键词: hydrocracking convolutional neural networks self-organizing map deep learning data-driven optimization
数据驱动的加工过程异常诊断 Article
Y.C. Liang, S. Wang, W.D. Li, X. Lu
《工程(英文)》 2019年 第5卷 第4期 页码 646-652 doi: 10.1016/j.eng.2019.03.012
为了在计算机数控(CNC)加工过程中实现零缺陷生产,开发有效的异常检测诊断系统势在必行。然而,由于加工过程中机床和工装的动态条件限制,目前在工业生产中采用的相关诊断系统所能发挥的作用往往非常有限。为了解决这个问题,本文提出了一种全新的异常数据驱动的诊断系统。在该系统之中,我们持续收集随动态加工过程而产生的状态监测功率数据,并以此支持在线诊断分析。为了便于分析,我们设计了预处理机制对所监视的数据进行去噪、标准化以及校准。随后我们即从监控数据中提取关键特征,并定义阈值以识别异常。考虑到加工过程中机床和工装的动态条件,用于识别异常的阈值可以调整。我们还可以基于历史数据利用果蝇优化(FFO)算法优化阈值,以实现更准确的检测。通过实践验证,我们证明了该系统在工业应用中的有效性和巨大前景。
Data-driven approach to solve vertical drain under time-dependent loading
《结构与土木工程前沿(英文)》 2021年 第15卷 第3期 页码 696-711 doi: 10.1007/s11709-021-0727-7
关键词: vertical drain artificial neural network time-dependent loading deep learning network genetic algorithm particle swarm optimization
An adaptive data-driven method for accurate prediction of remaining useful life of rolling bearings
Yanfeng PENG, Junsheng CHENG, Yanfei LIU, Xuejun LI, Zhihua PENG
《机械工程前沿(英文)》 2018年 第13卷 第2期 页码 301-310 doi: 10.1007/s11465-017-0449-7
A novel data-driven method based on Gaussian mixture model (GMM) and distance evaluation technique (DET) is proposed to predict the remaining useful life (RUL) of rolling bearings. The data sets are clustered by GMM to divide all data sets into several health states adaptively and reasonably. The number of clusters is determined by the minimum description length principle. Thus, either the health state of the data sets or the number of the states is obtained automatically. Meanwhile, the abnormal data sets can be recognized during the clustering process and removed from the training data sets. After obtaining the health states, appropriate features are selected by DET for increasing the classification and prediction accuracy. In the prediction process, each vibration signal is decomposed into several components by empirical mode decomposition. Some common statistical parameters of the components are calculated first and then the features are clustered using GMM to divide the data sets into several health states and remove the abnormal data sets. Thereafter, appropriate statistical parameters of the generated components are selected using DET. Finally, least squares support vector machine is utilized to predict the RUL of rolling bearings. Experimental results indicate that the proposed method reliably predicts the RUL of rolling bearings.
关键词: Gaussian mixture model distance evaluation technique health state remaining useful life rolling bearing
A hierarchical system to predict behavior of soil and cantilever sheet wall by data-driven models
Nang Duc BUI; Hieu Chi PHAN; Tiep Duc PHAM; Ashutosh Sutra DHAR
《结构与土木工程前沿(英文)》 2022年 第16卷 第6期 页码 667-684 doi: 10.1007/s11709-022-0822-4
关键词: finite element analysis cantilever sheet wall machine learning artificial neural network random forest
机器学习和数据驱动算法在智慧发电系统中的应用——一种不确定性处理的视角 Review
孙立, Fengqi You
《工程(英文)》 2021年 第7卷 第9期 页码 1239-1247 doi: 10.1016/j.eng.2021.04.020
由于人们对气候变化和环境保护的日益关注,智慧发电已成为常规火力发电厂和可再生能源系统经济安全运行的关键。面对日益增长的系统规模及其各种不确定性,传统的基于模型的第一定律方法已难以满足系统控制的要求。机器学习(ML)和数据驱动控制(DDC)技术的蓬勃发展为这些传统方法提供了一种替代方案。本文回顾了机器学习和数据驱动控制技术在发电系统监测、控制、优化和故障检测方面的典型应用,特别着重于揭示这些方法在评价、消除或耐受相关不确定性影响方面的作用。本文为智慧发电控制技术提供了一个从调节层到规划层的总体视角,分别从可见性、机动性、灵活性、经济性和安全性(简称“五性”)方面对机器学习和数据驱动控制技术的优势进行阐释。最后,对未来研究和应用进行了展望。
高炉炼铁过程数据驱动软测量技术研究综述 Review Article
罗月阳1,张新民1,Manabu Kano2,邓龙3,杨春节1,宋执环1
《信息与电子工程前沿(英文)》 2023年 第24卷 第3期 页码 327-354 doi: 10.1631/FITEE.2200366
基于多智能体微分博弈的数据驱动协同一致控制 Research Article
石宇1,化永朝2,于江龙1,董希旺1,2,任章1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1043-1056 doi: 10.1631/FITEE.2200001
基于混合驱动高斯过程学习的强机动多目标跟踪方法 Research Article
国强1,滕龙1,2,尹天祥3,郭云飞3,吴新良2,宋文明2
《信息与电子工程前沿(英文)》 2023年 第24卷 第11期 页码 1647-1656 doi: 10.1631/FITEE.2300348
数据驱动的随机微分方程辨识 Article
王亚森, 方华臻, 金骏阳, 马贵君, 何心, 代星, 岳作功, 程骋, 张海涛, 浦栋麟, 伍冬睿, 袁烨, Jorge Gonçalves, Jürgen Kurths, 丁汉
《工程(英文)》 2022年 第17卷 第10期 页码 244-252 doi: 10.1016/j.eng.2022.02.007
随机微分方程(SDE)是一种广泛用于描述受不同来源噪声干扰的复杂过程或现象的数学模型。由于数据固有的强随机性和系统动力学的复杂性,控制系统的SDE的辨识通常是一个挑战。辨识SDE的现有参数化方法的实用性通常受到数据资源不足的限制。本研究提出了一种通过稀疏贝叶斯学习(SBL)技术从候选基函数空间中搜索简洁但物理必需的表示形式来辨识SDE的新框架。更重要的是,利用SBL的解析可处理性开发了一种可以通过少量数据来高效地构建辨识SDE的线性回归模型的方法。本文利用股票和石油价格、轴承变化和风速的真实数据,以及包括广义维纳(Wiener)过程和朗之万方程在内的著名随机动力系统的仿真数据,验证了所提出框架的有效性。该框架旨在帮助专家从自然科学、经济学和工程领域的随机现象中提取随机数学模型,用于分析、预测和决策。
标题 作者 时间 类型 操作
Data-driven distribution network topology identification considering correlated generation power of distributed
期刊论文
Multiple input self-organizing-map ResNet model for optimization of petroleum refinery conversion units
期刊论文
An adaptive data-driven method for accurate prediction of remaining useful life of rolling bearings
Yanfeng PENG, Junsheng CHENG, Yanfei LIU, Xuejun LI, Zhihua PENG
期刊论文
A hierarchical system to predict behavior of soil and cantilever sheet wall by data-driven models
Nang Duc BUI; Hieu Chi PHAN; Tiep Duc PHAM; Ashutosh Sutra DHAR
期刊论文