复杂工业生产全流程工艺设计与操作一体优化基本理论与方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61773105
  • 项目类别:
    面上项目
  • 资助金额:
    63.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0605.模式识别与数据挖掘
  • 结题年份:
    2021
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2021-12-31

项目摘要

With the rapid development of technology as well as the emergency of the resource problems, production technology and process is becoming more and more complicated. It trends to become continuous and large-scale. Therefore, it is of great significance to implement integrated optimization of plant-wide process design and operation to achieve high efficiency, low consumption and improved economic benefit. Currently, in the field of the traditional design mode for complex industrial process, it is difficult to achieve the matching and coordination of process design and operation, which results in long debugging period, frequent alteration of technology, high operating cost and deficient control of the plant-wide process optimization. In order to solve these problems, an integrated optimization technique of process design and operation for the plant-wide process of complex industry is proposed in this project, including: 1) research on the overall structure and framework of integrated optimization of process design and operation, 2) establishment of the design models for plant-wide process and corresponding simulation platform, 3) theory and approach for optimizing and restructuring technological process based on knowledge and qualitative reasoning, 4) solving method for integrated optimization of design and control based on layered and decomposed optimization strategy, 5) debugging method of optimal operation for the plant-wide process of complex industry based on priori decomposed and data-driven approach. The project will provide novel theory and approach for process design and operation optimization of the plant-wide process in the complex industry with multiple procedures, which may break through the traditional process design and transform mode for the production process and provide theoretical and technical foundation for its application.
随着资源问题日益突出与科学技术进步,生产工艺和工序越来越复杂,向连续化和大型化发展,通过全流程工艺设计与操作一体优化实现高效低耗具有重要意义。针对目前我国传统复杂生产流程设计模式难于实现工艺设计与操作的匹配与协调,导致调试周期长、工艺改动频繁、运行成本高、难以充分而有效发挥全流程优化控制作用等问题,本项目提出复杂工业全流程工艺设计与操作一体优化方法,包括:复杂工业生产全流程工艺设计与操作一体优化总体结构与框架;复杂工业生产全流程设计模型与模拟研究平台的建立;基于知识与定性推理的工艺流程工序优化重组理论与方法;基于分层与分块优化策略的全流程工艺与操作一体优化设计问题求解方法;基于先验分块与数据驱动的复杂工业生产全流程优化运行调试方法等研究。本项目将为多工序复杂工业全流程工艺设计与操作优化提供新的理论与方法,以期突破传统的生产流程工艺设计和工程转化模式,并为其实际应用奠定理论与方法基础。

结项摘要

随着资源问题日益突出与科学技术进步,生产工艺和工序越来越复杂,向连续化和大型化发展,研究如何实现全流程工艺设计与操作一体优化,对于复杂工业生产过程提高资源利用率、实现高效低耗具有重要意义。本项目对复杂工业全流程工艺设计与操作一体优化相关理论与方法进行了研究,并取得如下主要研究进展:首先,确定并建立复杂工业生产全流程工艺设计与操作一体优化总体结构与框架;在总体结构框架下,为体现原料属性、设备参数、操作变量对生产流程的影响,提出了基于多领域模型集成的复杂工业生产全流程设计模型建模方法;针对传统试验摸索方式的原则流程设计方法存在的问题,提出了基于设计知识与设计数据的复杂工业原则流程设计决策方法;针对大规模生产流程涉及的复杂工艺设计与操作优化问题,在全流程设计模型基础上,提出了基于分层分块策略的面向大规模复杂工业生产全流程确定性工艺设计与操作一体优化方法;针对复杂工业生产流程设计中不确定因素对设计方案可行性与鲁棒性的影响问题,提出了基于模糊不确定理论和决策变量灵敏度分块的复杂工业全流程工艺设计与操作一体优化方法。.本项目突破传统的生产流程工艺设计和工程转化模式,凝炼出一系列更高层次的科学与技术问题,为多工序复杂工业全流程工艺设计与操作优化提供了新的理论与方法;进行了部分成果的应用基础研究,为复杂工业全流程工艺设计与操作优化的实际应用与推广奠定理论与方法基础。项目达到预期研究目标,并较好地完成了预期研究成果,为该领域进一步研究与发展具有重要作用。.本项目经过四年的研发工作,取得了一系列研究成果,共发表学术论文43篇,其中,SCI检索源期刊论文39篇,EI检索38篇,并全部标注国家自然科学基金资助;出版学术专著2部;申请或授权发明专利6项;获得科研奖励4项;培养博士研究生2名,硕士研究生7名;参加包括CAC、CCDC、CCPC等学术会议与学术交流32人次;邀请外籍专家学术交流20余人次,邀请国外访问学者交流1人次。

项目成果

期刊论文数量(40)
专著数量(2)
科研奖励数量(4)
会议论文数量(3)
专利数量(6)
Observer-Based Adaptive Fuzzy Predefined Performance Control of a Class of Nonlinear Pure-Feedback Systems with Input Delay
一类具有输入延迟的非线性纯反馈系统的基于观测器的自适应模糊预定义性能控制
  • DOI:
    10.1155/2020/8859328
  • 发表时间:
    2020-12
  • 期刊:
    Complexity
  • 影响因子:
    2.3
  • 作者:
    Li Xin;Zhang Qiang;He Dakuo
  • 通讯作者:
    He Dakuo
Multi-Information Flow CNN and Attribute-Aided Reranking for Person Reidentification
用于人员重新识别的多信息流 CNN 和属性辅助重排序
  • DOI:
    10.1155/2019/7028107
  • 发表时间:
    2019-01-01
  • 期刊:
    COMPUTATIONAL INTELLIGENCE AND NEUROSCIENCE
  • 影响因子:
    --
  • 作者:
    Sang, Haifeng;Wang, Chuanzheng;Liu, Qing
  • 通讯作者:
    Liu, Qing
Coal Quality Exploration Technology Based on an Incremental Multilayer Extreme Learning Machine and Remote Sensing Images
基于增量多层极限学习机和遥感图像的煤质勘探技术
  • DOI:
    10.1109/tgrs.2018.2890040
  • 发表时间:
    2019-07-01
  • 期刊:
    IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
  • 影响因子:
    8.2
  • 作者:
    Le, Ba Tuan;Xiao, Dong;Song, Liang
  • 通讯作者:
    Song, Liang
Coal classification method based on visible-infrared spectroscopy and an improved multilayer extreme learning machine
基于可见红外光谱和改进的多层极限学习机的煤炭分类方法
  • DOI:
    10.1016/j.optlastec.2019.01.005
  • 发表时间:
    2019-06-01
  • 期刊:
    OPTICS AND LASER TECHNOLOGY
  • 影响因子:
    5
  • 作者:
    Mao, Yachun;Le, Ba Tuan;Liu, Xinxin
  • 通讯作者:
    Liu, Xinxin
Simulation modeling of a pharmaceutical tablet manufacturing process via wet granulation
通过湿法制粒进行药片制造过程的模拟建模
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    Complexity
  • 影响因子:
    2.3
  • 作者:
    Zhengsong Wang;Zhen Pan;Dakuo He;Jiahui Shi;Shouxin Sun;Yue Hou
  • 通讯作者:
    Yue Hou

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

在线鲁棒最小二乘支持向量机回归建模
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    Control Theory & Applications
  • 影响因子:
    --
  • 作者:
    张淑宁;王福利;何大阔;贾润达
  • 通讯作者:
    贾润达
基于改进粒子群算法的诺西肽发酵过程优化
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    东北大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    牛大鹏;张楠;何大阔;常玉清
  • 通讯作者:
    常玉清
基于工序指标耦合关系分解的选冶全流程分层优化方法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    刘潭;袁青云;王福利;何大阔;王永刚
  • 通讯作者:
    王永刚
基于改进遗传算法的电力系统经济负荷分配
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    毛志忠;何大阔;王福利
  • 通讯作者:
    王福利
一类未知MIMO非线性离散系统的改进自适应准滑模解耦控制
  • DOI:
    10.13195/j.kzyjc.2015.0223
  • 发表时间:
    2016
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    何大阔;高飞雪;杨乐;武玮
  • 通讯作者:
    武玮

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

何大阔的其他基金

复杂工业生产流程工艺改造与操作协同优化方法研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
复杂工业全流程分层混合优化控制方法研究
  • 批准号:
    61374147
  • 批准年份:
    2013
  • 资助金额:
    79.0 万元
  • 项目类别:
    面上项目
基于数据的协调回路控制的间歇过程一体优化方法研究
  • 批准号:
    61004083
  • 批准年份:
    2010
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码