王显鹏
- 作品数：7 被引量：13H指数：2
- 供职机构：东北大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程金属学及工艺石油与天然气工程更多>>
- 基于数据解析的连退生产过程多因子操作优化被引量：1
- 2019年
- 针对连退生产过程中带钢质量波动大和生产能耗过大的问题,基于数据解析方法构建带钢质量的预测模型,进而建立连退生产过程多因子操作优化模型.该模型的任务是求得一个最优工艺参数设定方案,使得模型中所包含的两个相互影响但并不冲突的目标能够实现同时最优化.针对该问题,提出一种改进的自适应多因子进化算法(AdaMFEA),将不同优化目标作为不同类别因子,通过父代解在不同因子上的性能评价指标决定子代解的搜索方向.为了改进算法的鲁棒性和搜索效率,算法使用多种交叉算子,并基于各算子的搜索性能分析提出多种交叉算子的自适应选择机制;同时提出基于回溯直线搜索和拟牛顿法的个体学习策略,对个体进行局部搜索.基于Benchmark问题的实验结果表明,AdaMFEA能够有效提升传统多因子进化算法(MFEA)的求解效率;基于实际工业问题的实验结果表明,AdaMFEA可有效求解连退生产过程多因子操作优化问题,实现多个非冲突目标在一个种群的进化过程中同时达到最优.
- 王显鹏王赞
- 关键词：连续退火数据解析
- 石化智能工厂建设关键场景与技术
- 2024年
- 智能工厂是石化工业发展智能制造、实现绿色可持续转型的重要途径。本文从业务和技术两个方面出发,重点探讨了未来石化智能工厂建设中边缘云平台规划和需要构建的关键业务场景,并结合数据解析与人工智能提出了各场景的关键技术方法,主要包括基于数据与机理融合建模的石化生产计划与调度优化、石化生产过程多目标进化学习建模与操作优化和石化生产设备智能运行监测与故障诊断。本文的研究成果对于推动石化智能工厂建设,实现石化生产管控智能化、质量管控智能化、设备管控智能化的核心能力提升具有重要意义。
- 赵学良贾梦达王显鹏苏丽杰刘东庆
- 基于改进MOEA/D的多目标置换流水车间调度问题被引量：8
- 2021年
- 针对工期和总流水时间的两目标置换流水车间调度问题,提出一种改进的基于分解的多目标进化算法(MOEA/D)。为了改进非支配解集的质量,提高算法效率,在MOEA/D中嵌入分组和统计学习机制提出一种两阶段局部搜索策略改进外部存档。利用基于距离的替换策略更新种群,提高种群的多样性,保证了分组机制的有效性。基于Taillard标准测试问题的实验结果表明,所提出的改进MOEA/D算法明显优于传统MOEA/D、NSGA-Ⅱ、MEDA/D-MK等算法。
- 李林林刘东梅王显鹏
- 关键词：置换流水车间调度多目标进化算法统计学习
- 连续退火机组SF段带钢跑偏混合动态监测模型被引量：1
- 2016年
- 针对宝钢1 220 mm连续退火机组均热炉(SF)段带钢经常发生跑偏或打滑的问题,提出了一个基于最小二乘支持向量机(LSSVM)的带钢跑偏分类模型。使用改进粒子群算法对其模型参数进行寻优,再将LSSVM分类模型与主元分析(PCA)方法相结合;并基于动态时间窗思想,提出了一个SF段带钢跑偏的混合动态监测模型,开发了SF段带钢跑偏监测系统。基于实际生产数据的仿真结果表明,所提出的LSSVM模型具有较高的分类精度;相较于单一方法,混合监测模型能够更加准确地对带钢跑偏进行分析和预警。
- 唐智雁史懿王显鹏
- 关键词：连续退火机组神经元网络主元分析改进粒子群算法径向基函数
- 基于数据驱动的连续退火生产过程建模与操作优化被引量：1
- 2015年
- 连退生产过程包含众多相互耦合的控制变量,并且带钢质量的检测采用离线方式,从而导致对于调质度为T5的带钢,实际生产中经常发生带钢硬度波动较大,难以实现对带钢产品质量的精确控制问题。针对这一问题,提出了一种基于数据驱动的连续退火生产过程建模方法,能够根据带钢退火前的生产信息及当前的生产过程信息实现对带钢产品质量的在线预报。在此基础上,提出了连续退火生产过程的多目标操作优化模型与算法,并开发了优化软件系统。基于实际生产过程数据的仿真试验结果表明,该软件系统能够为生产现场提供一套最优的控制变量设定值,从而实现产品质量最优化、能源消耗最小化和机组生产效率最大化的目标。
- 杨大雷周永刘珧王显鹏
- 关键词：连续退火
- 基于集成学习的连退带钢质量在线预报方法被引量：2
- 2017年
- 钢铁企业连续退火生产过程由于工艺复杂并且包含众多相互影响的过程变量,导致带钢产品质量波动较大,难以进行在线测量。针对该问题,提出了一种基于混合集成学习的带钢产品质量在线预报方法。该方法以Bagging为基础,引入了Adaboost中对误差较大样本的重点学习策略,以提高混合集成学习模型的精度并改进泛化能力;在子学习机的训练中提出了基于动态加权的最小二乘支持向量机方法,以改进子学习机的鲁棒性。基于实际连退生产过程数据的测试结果表明,所提出的混合集成学习方法在预测精度和泛化能力上均要优于Bagging和Adaboost等传统的集成学习建模方法。
- 王显鹏黄灿明徐子睿王丹敬
- 关键词：连续退火最小二乘支持向量机
- 基于自适应多目标进化CNN的图像分割方法
- 2024年
- 卷积神经网络已经成为强大的分割模型,但通常为手动设计,这需要大量时间并且可能导致庞大而复杂的网络.人们对自动设计能够准确分割特定领域图像的高效网络架构越来越感兴趣,然而大部分方法或者没有考虑构建更加灵活的网络架构,或者没有考虑多个目标优化模型.鉴于此,提出一种称为AdaMo-ECNAS的自适应多目标进化卷积神经架构搜索算法,用于特定领域的图像分割,在进化过程中考虑多个性能指标并通过优化模型的多目标适应特定的数据集.AdaMo-ECNAS可以构建灵活多变的预测分割模型,其网络架构和超参数通过基于多目标进化的算法找到,算法基于自适应PBI实现3个目标进化问题,即提升预测分割的F1-score、最大限度减少计算成本以及最大限度挖掘额外训练潜能.将AdaMo-ECNAS在两个真实数据集上进行评估,结果表明所提出方法与其他先进算法相比具有较高的竞争性,甚至是超越的.
- 王维王显鹏宋相满
- 关键词：多目标优化问题自适应图像分割
