发挥园区集群效应，借助中间介质回路将工业园区中各单厂内的余热于厂际间进一步回收利用，能够显著提高园区整体能源效率。其中，中间介质回路的设置与介质的选择将关系到整个余热回收系统的最优设计与节能效果。因此，不同于目前研究仅采用一种中间介质的集成策略，同时选用热水和导热油为介质开展厂际余热集成研究。提出耦合介质与厂内流股换热及介质流股在厂际间分配的换热器网络超结构，以年度总费用最小为目标建立MINLP热集成数学模型，优化获得包含介质回路结构与厂内换热器网络结构等内容的园区余热集成结果。最后，在一个包含3个厂的厂际余热集成案例中，分别研究了单种介质单回路、单种介质双回路及双种介质双回路3种情况，通过对比验证了所提方法的有效性。

对于具有最不利相对挥发度排序（即反应物为最轻和最重组分，生成物为中间组分）的四元反应分离物系而言，在反应精馏塔的顶部和底部之间引入外部环流能够提高系统的反应分离效率，从而大幅度地降低系统的能量消耗和固定投资成本。以理想四元可逆放热反应的分离为例，研究了外部环流反应精馏塔的分散控制方案的设计问题。结果表明外部环流的引入提高了系统的反应速率，使得外部环流反应精馏塔的闭环控制效果更好（与传统反应精馏塔相比），对干扰的处理能力更强。另外，由于外部环流反应精馏塔比常规反应精馏塔有更多的操作变量（即外部环流流量），利用该变量对出料浓度进行控制，可以进一步提高系统的闭环控制效果。

配备底部烧嘴和侧壁烧嘴的乙烯裂解炉应用越来越广泛，不同燃烧模式影响着炉膛内湍流流动状态，考虑到裂解炉中湍流流动与燃气喷料、燃烧和传热有较强的非线性耦合作用，为此探究不同湍流模型在裂解炉/反应器耦合模拟中的影响对于裂解炉的精确设计和优化至关重要。针对不同湍流模型对某十万吨工业乙烯裂解炉进行了耦合模拟，利用CFD数值模拟对采用标准k-ε模型、RNG k-ε和Realizable k-ε模型所建立的湍流流动模型进行评估。将三种湍流模型的模拟结果与工业数据进行比较，重点分析了裂解炉内的速度、温度、湍流能力等参数的分布情况，表明Realizable k-ε模型在火焰稳定性、反应效率等方面优于其他两种模型，且基于Realizable k-ε湍流方程的反应管模型在热通量、炉管外壁温度分布计算结果更接近实际工况。

化工园区存在危险品储罐、运输车等众多安全威胁，需要实时感知园区的危险态势，及时发现并排除潜在的安全威胁。传统方法是依靠危险品储罐实时监测等单一数据源进行危险识别，难以满足目前化工园区对安全状态评估的需求。从大数据分析的角度出发，整合化工园区内危险品储罐监测传感器、危险品运输车、地理信息等数据，基于危险品泄漏呈高斯扩散的特点，提出了一种多源异构数据融合的危险识别方法，实现园区的危险态势感知，并实时展示整个化工园区内的潜在危险区域。结合某化工园区的实际数据，验证了所提方法的有效性。

知识生成是工业知识自动化的基础，流程工业知识通常由定向任务驱动生成，如优化调度、优化操作、故障诊断等，其解决方案生成除需要了解运行机理及生产数据外，同时更依赖领域专家经验，此类知识表示形式难统一，移植性差，不便于共享及重用。针对乙烯裂解炉炉群资源调度优化问题，采用P-图求解方法，构建解决方案的超结构模型，设计用于表示知识的P-图本体以及数据库映射为知识的规则，自动生成RDF(resource description framework)表示的解决方案知识，建立知识库。最后利用乙烯生产厂的实际生产数据，验证了提出方法的可行性与实用性。

化工生产过程日益复杂，传统极限学习机(extreme learning machine, ELM)无法有效地对化工过程数据建模。针对该问题，提出一种基于主元提取(principal components extraction, PCE)的鲁棒极限学习机(PCE-RELM)。通过对ELM隐含层进行主元分析，提取数据的主元特征，去除变量间的线性相关性，简化研究问题。可以减小隐含层节点数对模型精度的影响，实现对ELM隐含层节点数的快速随机选取，同时使ELM具有鲁棒性。为验证提出方法的有效性，将PCE-RELM模型应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模。仿真结果显示，相比传统的ELM，PCE-RELM模型具有设计简单、鲁棒性好、精度高等优势，可以对化工过程控制、分析起到指导作用。

工业生产装置通常设置传感器报警阈值进行报警，但是对处于报警阈值以下的时间序列异常难以及时捕捉。基于统计的传统检测方法在解决时间序列异常检测上存在很大挑战，因此提出基于long short term memory (LSTM)时间序列重建的方法进行生产装置的异常检测。该算法首先引入一层LSTM网络对传感器数据的时间序列进行向量表示，采用另一层LSTM网络对时间序列进行逆序重建，然后利用重建值与实际值之间的误差，通过极大似然估计方法对该段序列进行异常概率估计，最终通过学习异常报警阈值实现时间序列异常检测。采用ECG测试数据、能源数据与危险品储罐传感器数据进行了仿真实验，验证了所提方法在不同长度的数据上的有效性。

通过对不同操作压力和不同液体性质气液鼓泡床的模拟值与实验数据进行对比，从而验证CFD-PBM耦合模型的通用性。结果表明，CFD-PBM耦合模型在加入了气泡破碎修正因子后，可以很好地预测压力对鼓泡床流体力学行为的影响趋势，当压力升高时，气含率显著升高。不同液体黏度和表面张力条件下CFD-PBM耦合模型的模拟结果与实验结果均吻合较好。随液体黏度增大，气泡破碎速率减小，气泡尺寸分布变宽，曳力显著下降，气含率随之降低。随表面张力减小，气泡破碎速率增大，气泡变小，气含率升高。CFD-PBM耦合模型具有很好的通用性，原因在于考虑了压力、液体黏度和表面张力对气泡聚并、破碎和气液相间作用力的影响。

针对传统单一建模方法所构建的乙炔加氢反应器数学模型存在预测性能无法满足工业实际应用需求的问题，提出了一种机理与神经网络嵌套的建模方法，充分利用机理模型包含的能质约束信息降低神经网络模型的约束违反度，得到了能够良好描述实际工业乙炔加氢反应过程特性的混合模型。基于反应器混合模型，研究了以运行效益为目标函数的优化问题。主要决策变量包括：一段反应器进料中氢气与乙炔的摩尔比（R _H/A）、进料温度和反应器运行周期等几个关键参数。针对反应器长期运行后，催化剂活性降低造成的处理能力下降的问题，提出了反应温度补偿机制和R _H/A并行调节的运行优化策略，并采用序列法对反应器运行周期进行离散化处理。通过引入差异化变异策略、潜在解替代策略对两阶段差分算法进行改进，采用增量式编码法结合改进两阶段差分算法，对优化问题进行求解。结果证实了优化策略与改进算法的有效性，并据此确定了反应器最佳运行方案。

为提高液化天然气能量集成与设备共用水平,提出了一种基于大型AP-X^TM液化流程，综合气体过冷技术（GSP）的集成NGL（天然气凝液）回收工艺的天然气液化系统的概念设计。基于化工流程模拟软件Aspen HYSYS进行模拟和分析，将集成工艺多流股换热器性能、全流程的单位功耗和乙烷回收率作为衡量系统性能的三项指标。模拟和分析的结果表明，集成NGL回收的AP-X^TM液化工艺单位功耗降低至0.45 kW·h·(kg LNG)^-1，较单产系统能耗降低了6%，同时乙烷回收率达到93%，实现了NGL的高效分离。通过热力学分析、?分析和经济性分析得出本设计流程具有较高的性能和经济价值，可为天然气液化工艺的集成设计和技术改造提供指导借鉴。

生产过程对水质的要求不仅体现于杂质浓度，还包括毒性、pH、化学需氧量等流股性质，因此仅以杂质浓度作为水源使用及废水排放依据进行用水过程设计无法满足生产要求，有必要在用水网络综合过程中考虑多种性质的同时集成。针对间歇过程性质集成问题，在考虑环境约束的基础上，以最小年度总费用为目标，建立了包含半连续操作性质截断器的用水网络超结构。其中，截断器在不同时间间隔内可以按不同操作速率运行；在截断器前后分别设置缓冲储罐以满足水源水阱的间歇操作要求，允许前置缓冲储罐中的水源不经过截断器直接回用至水阱。算例计算结果表明，本文方法可以有效降低年度总费用，同时减少截断器数量，验证了本文方法的有效性和优越性。

聚合物分子设计的关键步骤是得到能够满足多种性质要求的重复单元结构。作为化学产品工程中的新型发展手段，计算机辅助分子设计(CAMD)技术可以通过基团贡献法生成满足约束条件的聚合物重复单元结构，分子动力学(MD)技术则可以在微观层面上进行计算机实验模拟系统性质。建立了聚合物的CAMD-MD通用设计方法，并进行轮胎橡胶聚合物的分子设计，首先基于基团贡献法进行重复单元的设计；其次，利用层次分析法确定多性质权重排名，并基于分子动力学方法探究候选结构的性质；最后将方法应用于实际橡胶结构中，模拟得到聚能密度、密度、玻璃化转换温度和热导率性质，验证了方法的可行性。

反应溶剂被广泛应用于液-液均相有机合成中，能够大幅度提高反应速率与选择性，有助于绿色合成新工艺路线的开发。提出了一种基于Dragon描述符与SMILES (simplified molecular-input line-entry system)编码的计算机辅助(computer-aided molecular design, CAMD)反应溶剂设计方法。首先，利用决策树-遗传算法构建可定量预测反应速率常数k的反应动力学模型；基于构建的反应动力学模型，提出了集成决策树-遗传算法与CAMD设计方法，通过SMILES分子编码算法生成同分异构体，并利用Dragon软件计算描述符大小，建立由目标函数与约束方程组成的混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型，进一步采用分解算法对模型进行优化求解，从而实现反应溶剂设计目标；最后，以Diels-Alder反应为例，验证了该方法的可行性与有效性。

针对具有输入时滞的多阶段间歇过程，考虑执行器故障影响，提出了无穷时域优化混杂容错控制器设计方法。该方法首先将给定具有输入时滞的模型转化为新的无时滞的状态空间模型，接着再将此模型转换为包含状态变量误差和输出跟踪误差的扩展状态空间模型，并用切换系统模型表示，然后引入有限时域的二次目标函数，利用最优控制理论，设计出在无穷时域中容错控制器。为获得最小运行时间，针对不同阶段设计依赖于Lyapunov函数的驻留时间方法。创新之处在于，控制律设计简单，计算量小，且每一阶段时间求取不需要引用任何其他变量，简单易行。最后，以注塑成型过程为例，仿真结果证明所提出方法具有可行性和有效性。

数据驱动的乙烯裂解炉模型通常忽视了裂解炉结构和反应机理，存在预测误差偏大的缺点，为此提出基于知识和数据融合驱动的乙烯裂解炉乙烯收率等关键参数的双向长短时间记忆网络(BLSTM)预测模型。为了解决BLSTM建模缺少可用数据的问题，提出了一种采用交叉迭代的BLSTM(CIBLSTM)模型。所提CIBLSTM模型采用了正反向交叉迭代方法，逐步逼近所缺数据的真实值，进而建立乙烯裂解炉的预测模型。为了验证所提CIBLSTM模型的有效性，选取9种工业实际原料与分析数据进行仿真测试，仿真结果验证了所提的CIBLSTM模型的有效性与实用性，所提方法也可应用于其他复杂化工过程建模。

乙烯工业不同的裂解装置间存在着设备、技术上的差别，每一种原料在乙烯工厂不同炉型或工艺的裂解装置的乙烯产品收率、能耗也存在着差别。随着新的乙烯工厂的投产，需要同时运行台数众多的差异化裂解装置，从而为通过优化调度乙烯裂解原料实现提高物效、降低能耗提供了空间。对于此类工厂间原料调度及能耗优化问题提出了一种基于P-graph的建模和优化方法(scheduling generation based on P-graph, SGBP算法)，该算法通过P-graph本身提取过程结构信息的能力，在加速求解的同时，保留了次优解集。之后以两个实际的乙烯厂为研究实例，采用提出的SGBP方法实现了原料调度的建模和优化，该方法与MINLP优化算法的对比分析验证了提出方法的优势：(1)可以同时提供较为丰富的最优解与次优解方案；(2)提出方法的最优结果与MINLP的优化效果相当；(3)优化后的整体能耗下降明显，为生产计划人员选择可采用灵活的原料调配方案提供了多种可选择的运行方案。

针对复杂化工生产过程中的一些原材料消耗量难以直接测量的问题，提出了一种基于深度学习的软测量方法。该方法基于一段时间的历史数据，利用平稳小波变换提取历史数据中的多尺度信息，然后与每一个时间点的可观测数据进行合并得到完整的数据集，再划分出训练集和测试集，用带有注意力机制的深度学习算法进行训练和泛化，进而建立软测量模型。最后将提出的方法应用到对苯二甲酸（PTA）生产装置乙酸消耗的软测量中。通过与极限学习机 (extreme learning machine，ELM)、多层感知器 (multi-layer perceptron，MLP)以及普通长短期记忆网络(long short-term memory，LSTM)方法比较，结果表明，该模型的预测准确度较高，具有一定的有效性和适用性，同时对PTA生产装置的乙酸消耗量进行预测分析，从而提高产能和降低能耗。

石油钻井是一项高风险性、耗资巨大的系统工程。为了智能预警石油钻井过程中的异常，缩短非生产时间，降低相关风险，提出一种基于移动窗稀疏主元分析法（MWSPCA）的案例推理（CBR）异常智能预警方法（MWSPCA-CBR）。首先利用MWSPCA算法分析钻井过程中的实时数据，快速定位出异常可能发生的时间，然后使用基于案例推理方法分析异常数据，确定可能的异常类型，并为实时监控专家提供相关异常的处理方法。所提方法应用到石油钻井过程异常预警中，实验结果验证了所提方法的可行性和有效性，为钻井过程降低风险成本提供了新思路。

现代流程工业过程中，DCS采集并存储了大量的操作时序数据，若能将其中有价值的操作经验和操作信息提取出来，则可大大提高操作系统的性能。然而，操作经验概念较为模糊，无法具体量化。因此，将具有时序特征的操作数据符号化，使操作经验以区块化形式表示，并提出一种基于Levenshtein距离的时序层次凝聚聚类算法，通过对操纵变量的历史时序操作数据进行相似性搜索，进而获得多种相似的操作模式，并将每种类型的操作模式对应的过程变量进行性能分析，从而得到并保存实际工作过程中所需的操作经验，以达到生产过程操作优化的目的。为了验证所提出方法，将其用于连续组分精馏操作过程，实验结果表明所提出的基于Levenshtein距离层次聚类的操作优化方法的有效性。

复杂工业过程具有长流程、系统层级多、故障潜在分布空间范围较广的特点，是当前故障诊断领域的热门研究方向。首先，对主流故障诊断技术进行了分类和概述；其次，采用定量与定性相结合思路，提出了面向系统层级的复杂工业过程全息故障诊断框架，为复杂工业全流程的过程监测提供一整套技术和解决方案。相比于目前的故障诊断方法，该框架不仅包括故障检测和故障辨识，还包括故障根源诊断、故障传播路径识别、故障的定量诊断与评估，可有效解决复杂工业过程系统的综合故障诊断问题，实用性强，能够有效地减少或避免故障发生、保证产品的质量、提高企业的生产效率与生产安全；最后对故障诊断技术的发展趋势和亟待解决的问题进行了展望。

将退役的动力电池用于混合供电系统可有效地降低投资成本，而针对退役电池储能系统的操作优化则可降低混合供电系统的操作费用，并提升混合供电系统的运行收益。以多个初始容量存在差异的电池组构成的退役电池储能系统为对象，在综合考虑退役电池容量衰退特性和电池组初始状态差异的基础上，构建了以年总费用最小为目标的混合供电系统操作优化模型，并将该方法用于一个由光伏发电和储能电池系统构成的混合供电系统的操作优化中。研究表明：储能电池系统中多组退役电池初始状态的差异，使得各电池组在操作过程中的充放电顺序和频率存在显著差异；储能电池系统的操作优化可有效缓解电池容量衰退，与固定比例调度流程相比，该储能电池系统的年总费用更低。

实际化工过程反应系统通常由若干个相互关联的平推流反应器串级构成，要建立其机理模型，并估计其动力学参数，就必须反复求解大规模非线性微分方程组，计算代价较高。针对智能优化算法在求解昂贵优化问题时计算成本过高，而工业过程模型往往只需要找到一组满意解即可的特点，提出了一种基于改进状态转移算法的串级平推流反应器动力学参数估计方法。该算法在保留标准状态转移算法全局寻优能力和快速收敛能力的同时，利用对立算子优化初始种群，并根据误差阈值判定满意解中止条件，可有效节约计算时间。以实际炼油企业的加氢裂化装置为研究对象，采用所提方法对其反应系统的动力学参数进行估计，仿真结果表明了所提方法的有效性。

针对开环和闭环两类结构的反渗透-压力延迟渗透耦合脱盐系统进行了模型构建与系统优化分析。首先，以标准化比能耗为目标函数，构建了开环结构和闭环结构耦合系统的非线性约束优化模型。在优化模型中，引入包括半透膜性能、操作状态及设计变量的无量纲参数组，建立反渗透和压力延迟渗透单元过程的特征方程以简化模型。同时，为了保证比较的公平性，开环结构的总体能耗中额外包含了预处理和后处理能耗。通过求解上述优化模型，系统地比较和分析了无量纲半透膜总面积和水回收率同时变化导致的最优标准化比能耗、膜面积分配和操作压力的变化规律。结果表明，在水回收率处于正常水平(≤ 0.55)且系统总面积充足(≥0.9)时，闭环结构在节能及减少预处理费用方面比开环结构具有更明显优势。

以PTA装置醋酸脱水塔为研究对象，在该醋酸脱水塔的稳态模型的基础上，通过建立的平衡级动态数学模型以及补充设置好的动态参数，利用Aspen Plus软件建立好动态模型。以Aspen Dynamics软件为工具，用回流流量控制灵敏板温度，塔釜再沸器热负荷与进料流量F ₁呈比例控制，模拟设计出了控制策略CS1。又为了保证在进料流量扰动时塔底醋酸浓度更加稳定，利用塔釜再沸器热负荷来控制塔釜醋酸浓度，设计出了控制策略CS2。将两种不同的控制策略对其动态响应进行分析比较，得出在相同目标条件下表现更优的控制策略，为实际生产和控制方案的设计提供方向和指导。

采用计算流体力学相场方法模拟了单个剪切变稀非牛顿流体液滴在随机粗糙表面的沉积过程，并分析揭示了随机粗糙表面形貌对液滴运动状态及平衡状态的影响。结果表明，在指定的相同操作条件下，即使在光滑表面，剪切变稀流体液滴比牛顿流体液滴铺展更大且回缩至平衡所需时间更少，不存在二次铺展；剪切变稀流体液滴最大铺展直径随均方根粗糙度Rr与Wenzel粗糙度Wr的增加而略有增加。Wr相同时，随着Rr增大，液滴最终铺展系数减小，高度系数增大，平衡接触面积及接触角有所减小。在Rr相同情况下，随着Wr增大，液滴达到平衡所需时间缩短，平衡接触面积线性增大。

新鲜水的工业除盐系统通常涉及膜分离（例如超滤、反渗透等），阴阳离子交换树脂床和储罐等。其中离子交换和膜分离单元可看作单入口双出口的半连续过程单元，具有间歇用水过程的特征。然而，尚未有关于除盐水系统的间歇水网络综合的研究报告。对除盐水系统中双出口半连续单元和水箱分别建立流量衡算、杂质质量衡算模型和储罐模型。根据不同工况下除盐水的需求量，利用GAMS软件平台对建立的数学模型进行求解，得出除盐水系统中每个储罐的容量和对应的新鲜水用量。进一步根据储罐最大容量需求，设计出满足不同工况条件下储罐容量。简化的工业案例研究验证了所提出模型的有效性。

针对输入信号非线性相关的非线性系统，提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展，以径向基函数（radial basis function，RBF）网络的输出作为观测数据矩阵的扩展项，然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值，可以抑制对称α稳定（symmetrical alpha stable，SαS）分布的尖峰噪声。同时，通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关，得出模型参数的唯一解。仿真实验表明，本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识，抑制了尖峰噪声对辨识结果的影响，具有优良的稳健性。

由于城市化、工业化和机动车数量的快速增长，灰霾天气已成为中国许多大城市亟待解决的严重环境污染问题。大量石油燃料消耗产生的机动车尾气排放可能是引起城市灰霾污染的一个关键因素。以长江三角洲的代表性城市杭州市为具体案例，探索将安全工程领域的故障树方法应用在机动车燃油尾气排放大气环境风险评价和与灰霾天气的致因机理分析上。通过辨识导致城市机动车尾气过量排放的关键风险因子，构建了杭州市“灰霾天气–机动车尾气过量排放”的故障树。另外采用结构、概率以及临界重要度分析，对关键风险因子对顶上事件“灰霾天气–机动车尾气过量排放”的贡献和影响程度进行了定性和定量分析。分析结果表明，过量机动车使用，严重的交通堵塞、高污染机动车的不当使用以及监管不严是对杭州市机动车尾气过量排放影响较大的关键风险因子。可为城市机动车燃油环境风险因子评价以及管理提供一种简洁有效的方法和思路。

丙烯环氧化反应获得的粗环氧丙烷(PO)中含有乙醛、甲醇、甲酸甲酯和水等杂质，由于这些杂质与PO相对挥发度接近于1，普通精馏难以提纯PO；同时，分离过程中PO易发生水解生成1,2-丙二醇(PG)，而PG又导致萃取剂萃取性能下降。据此，结合萃取精馏和液液萃取技术，同时考虑PO水解反应，开发了水洗回收PO和侧线采出共沸物脱除PG流程，在有效脱除杂质的同时，提高了PO的回收率和萃取剂的萃取效率，获得了高纯度PO产品。采用流程模拟软件Aspen Plus对上述流程进行了全流程模拟计算，借助NRTL热力学方法，分析了萃取精馏塔的溶剂比、理论塔板数、原料进料位置、溶剂进料温度等主要工艺参数对分离过程的影响。结果表明该工艺流程合理、可靠，经济性优于现有工艺，可指导工业过程设计和操作优化。

针对pH中和过程这一化工过程系统中的典型非线性对象特点，应用神经网络建模思想和模型预测控制方法，并结合Hammerstein模型特点，研究pH中和过程非线性系统的两种新型模型预测控制手段，分别建立基于神经网络的非线性预测控制系统整体求解策略和基于Hammerstein模型的两步法预测控制策略，并用MATLAB对其进行仿真。控制仿真结果表明，建立的神经网络预测控制策略和非线性Hammerstein模型预测控制均优于传统PID控制方法，具有良好的设定值跟踪效果和抗干扰控制响应，说明这两种控制策略是非线性过程的有效控制方法。

针对污水处理过程出水生化需氧量（biochemical oxygen demand，BOD）难以实时准确测量的问题，提出了一种基于互信息和自组织RBF神经网络的软测量方法对出水BOD进行预测。首先，使用基于互信息的方法提取相关特征参量作为软测量模型的输入变量；其次，设计一种基于误差校正-敏感度分析的自组织RBF神经网络，使用改进的Levenberg-Marquardt（LM）算法对网络进行训练以提高训练速度；最后将软测量模型应用于UCI公开数据集及实际的污水处理过程，实验结果表明该软测量模型结构紧凑，训练时间相对较短，预测精度有所提高，能够对出水BOD实现快速准确预测。

城市固废焚烧(MSWI)过程排放的二噁英 (DXN)是被称为“世纪之毒”的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测。针对这些问题，提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法。首先，基于先验知识给出候选核参数集和候选惩罚参数集，采用核学习算法构建基于这些超参数的候选子子模型；然后，耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并，进而得到基于不同核参数的候选SEN子模型集合；最后，再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型。采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性。

危化品堆垛安全距离有明确的限制，但是缺乏有效的监测与预警手段。设计一种基于室内定位技术的危化品仓储堆垛安全距离监测系统，通过获取每个堆垛上定位节点的数据来计算仓库中堆垛的安全距离，采用3D可视化技术还原危化品储存状态，建立五距报警规则实现危化品仓储堆垛安全距离监测。实验结果表明系统可以有效地实现堆垛安全距离的监测与预警。

针对复杂工业系统动态非线性故障检测过程精度低和计算量大的问题,提出了一种改进的动态核主元分析故障检测方法，该方法首先利用不可区分度剔除相关程度较小或者不相关变量,减少数据量，然后通过观测值扩展对筛选后的新数据构建增广矩阵，并对矩阵使用核主元分析提取变量数据的非线性空间相关特征，最后通过监测T ²和SPE 两种统计量诊断出系统发生故障及识别故障变量。仿真实验证明，该方法能对风力发电机故障进行有效监测和诊断，与KPCA方法相比，改进的动态核主元分析方法对微小故障更为敏感。

针对化工生产过程工况复杂多变，单一的软测量模型难以满足系统对估计精度的要求，提出了一种基于改进的扩张搜索聚类算法的多流形软测量建模的方法。该算法采用流形距离来代替欧氏距离，自适应地确定邻域半径，并引入局部密度用于确定聚类中心，对聚类后得到的各个子流形分别采用流形学习中的核等距映射法进行特征提取，建立基于高斯过程回归的子模型。将该方法应用于某双酚A生产装置的软测量建模，仿真结果验证了该方法的有效性。

针对臭氧协同紫外方法(O₃/UV)检测化学需氧量(COD)时存在溶解性气体影响测量精度的问题，提出了一种COD检测过程中气体溶解量的估计方法，用于对COD检测模型的补偿。采集不同浓度的COD标准水样在消解过程中的测量数据和实验分析数据，基于PLS-LSSVMs建立溶解氧量和溶解二氧化碳量的估计模型，将模型的输出作为COD检测模型的补偿项。实验结果表明，基于PLS-LSSVMs建立的模型比PLS或者LSSVMs单独建立的模型估计精度高。采用溶解气体量估计模型进行补偿后的O₃/UV法检测COD与国标法测量结果相对误差均小于5%。对提高O₃/UV法检测COD精度具有重要意义。

传统的监控方法往往只利用传感器观测值信息进行过程的故障监测，而忽略了原始数据中包含的其他有效信息。为此，提出一种基于多块信息提取的PCA故障监测算法。首先，对过程变量的累计误差和变化率信息进行定义，从而能够从数据中提取新的特征信息，并基于每种特征将过程划分为3个子块；然后，利用PCA方法对每个子块进行建模与监测，通过贝叶斯方法对监测结果进行融合；最后，提出一种基于加权贡献图的故障诊断方法，分离出引发故障的源变量。通过数值例子与田纳西-伊斯曼（TE）过程监控中的应用证明了所提方法的有效性与可行性。

针对催化裂化反应再生过程难以有效解决提升效率、降低损耗、减少排放的多目标优化问题，利用改进的多目标量子粒子群算法进行求解。建立轻油收率、焦炭产率和硫化物排量的多目标优化模型；引入拥挤熵排序更新外部档案，精确估计非支配解集分布性；构造自适应因子以动态调整吸引子，平衡算法的收敛性和多样性；再引入高斯变异进行分段式扰动，增强算法的局部搜索精度，最后求解该优化模型。对某厂催化裂化进行实验，得到轻质油吸收率76.22%，焦炭产率5.72%和硫化物排放量626 mg/m³的结果，均优于其他比较算法，表明改进后的算法可以快速、准确地获得分布均匀的 Pareto 最优解，能有效解决反应再生过程多目标优化问题。

针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺，且传统浅层神经网络诊断精度不高等问题，结合深度置信网络（DBN）在特征提取和处理非线性数据等方面的优势，提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据，实现训练网络的无监督特征学习和有监督微调，构建空压机故障的深层网络模型，从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性，与传统的故障诊断方法进行了比较研究，结果表明，该方法的诊断精度优于传统的故障诊断方法，且稳定性更好。

针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题，提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine，ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量，然后，采用相关系数法选取敏感模态分量进行重构得到降噪后信号；通过分析重构信号的多尺度分形盒维数，结果表明，欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异，能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入，磨机负荷状态为输出，建立磨机负荷识别模型；通过磨矿实验验证了该方法的有效性，整体识别率高达94.8%，模型能够准确识别磨机负荷状态。

为减少传统煤制乙二醇过程资源利用效率低和CO₂排放量高等问题，提出了一种集成CO₂高效利用的煤制乙二醇过程，并对其进行了全流程建模及系统分析。与传统过程不同，新过程利用焦炉气来提高其资源利用率和能量效率，集成甲烷干重整与湿重整技术降低CO₂排放。在全流程建模的基础之上，对新工艺的关键操作参数进行了分析与优化。结果表明，焦炉气的最佳进料比和甲烷蒸汽重整反应的分配比为0.68和0.74。与传统过程相比，新工艺的CO₂排放降低了94.05％，同时?效率提高了15.17％。

针对镨/钕稀土萃取工业生产现场光照条件变化导致具有颜色特征的镨/钕组分含量难以准确检测的问题，提出了一种基于单光照条件变化的组分含量软测量方法。首先，采用参数优化的Grey Edge算法，将不同光照条件下的稀土溶液图像校正到标准光照下；然后，以镨/钕溶液图像HSI颜色空间中的H、S、I分量一阶矩为模型的输入变量，利用加权最小二乘支持向量机（WLSSVM）建立组分含量软测量模型；最后采用工业数据对所提方法进行仿真实验，结果表明所提方法在不同光照条件下均能满足稀土萃取过程组分含量检测的准确度和快速性要求。