檢索報告書寫樣例

文獻(xiàn)檢索綜合報告題目：玻璃纖維用聚酯乳液的研制及應(yīng)用姓名羅元彬?qū)W院班級學(xué)號教師1．課題分析（技術(shù)要點介紹）玻璃纖維新品種的開發(fā)，其關(guān)鍵在于浸潤劑技術(shù)。浸潤劑中重要組份是成膜劑。除對纖維起保護(hù)作用外，它對玻璃纖維硬挺性集束性、短切性、分散性，浸透性等起著關(guān)鍵的作用。因此，研制出所希望的成膜劑，就能開發(fā)出新的玻纖制品。玻璃纖維浸潤劑的開發(fā)和研究在國外很受重視。無論是美國的OCF公司或PPG公司，還是日本的NTB公司或法國的圣戈班公司都擁有實力雄厚的科研開發(fā)中心，每年在浸潤劑品種開發(fā)上均有大量的科研成果。同時各大公司每年還要支付巨額給各大學(xué)從事有關(guān)基礎(chǔ)理論的研究?？蒲虚_發(fā)經(jīng)費(fèi)占其支出的很大一部分。相對而言，我國浸潤劑研究還處在成長發(fā)展階段，能作為浸潤劑的專用成膜劑種類少，性能差。對于纏繞、拉擠專用紗的軟質(zhì)浸潤劑與國外差距較小，但對于噴射、短切、BMC等用紗的硬質(zhì)浸潤劑在成膜劑和配方選擇上均未取得最佳，尤其浸透性和防靜電性能較差。我國玻璃纖維噴射紗成膜劑目前主要是聚醋酸乙烯乳液。由于聚醋酸乙烯乳液采用聚乙烯醇做為膠體保護(hù)劑，與基體樹脂結(jié)合浸透性較差。為改善噴射紗的浸透性，對聚酯乳液型成膜劑進(jìn)行了多年的研究，成功地合成出滿足噴射紗性能及成型工藝要求的專用聚酯乳液。2．檢索策略2.1檢索工具的選擇這是一個跟化學(xué)專業(yè)相關(guān)的課題，故必檢數(shù)據(jù)庫如下：（1）中文數(shù)據(jù)庫：中國專利數(shù)據(jù)庫（1985至今）維普中文期刊數(shù)據(jù)庫（1989至今）（2）外文數(shù)據(jù)庫： 歐洲專利局?jǐn)?shù)據(jù)庫（1975至今）SCI數(shù)據(jù)庫（1985至今）工程索引數(shù)據(jù)庫（1999至今）3．檢索步驟及檢索結(jié)果3.1維普中文科技期刊數(shù)據(jù)庫檢索式：M=優(yōu)化*算法*（化工+化學(xué)工程+化學(xué)工業(yè)）命中xxx篇文獻(xiàn)，現(xiàn)選擇其中密切相關(guān)文獻(xiàn)xx篇文獻(xiàn)如下（下載到文摘內(nèi)容）：（1）（2）（3）。。。。。3.2萬方數(shù)據(jù)庫檢索式：字段+優(yōu)化and化工命中9篇，先從中選擇x篇相關(guān)度較大的文獻(xiàn)如下（同上）：（1）（2）。。。。。。3.3歐洲專利局?jǐn)?shù)據(jù)庫檢索式：字段+optimiz*andchemicalandengineering命中49篇文獻(xiàn)，現(xiàn)選擇相關(guān)度大的X篇文獻(xiàn)如下（同上）：(6)(7).(8)。。。。。。3.4SCI-EXPANDED數(shù)據(jù)庫檢索式:字段+optimiz*andchemicalandengineering命中696篇,現(xiàn)選擇相關(guān)度大的X篇文獻(xiàn)如下（同上）：。。。。。。3.5EngineeringVillage(EI)數(shù)據(jù)庫檢索式：(optimiz*andchemicalandengineering)WNKY命中5273篇,現(xiàn)選擇相關(guān)度大的X篇文獻(xiàn)如下（同上）：。。。。。。在這X篇文獻(xiàn)中，去除重復(fù)的文獻(xiàn)，最終篩選了X篇具有重要參考價值的文獻(xiàn)閱讀全文。4．檢索體會對于本次課題我認(rèn)識到了學(xué)習(xí)文獻(xiàn)檢索對于課題研究的重要性；充分體會到信息的重要性；對于我們大學(xué)生來說要充分利用好網(wǎng)絡(luò)資源為我們的學(xué)習(xí)服務(wù)；要學(xué)會利用信息，篩選信息；查找信息；掌握了信息我們就能節(jié)省時間提高學(xué)習(xí)效率同時也是我看到了我學(xué)科的發(fā)展?jié)摿Γ蛔屛腋恿私馕业膶I(yè)我建議在以后的學(xué)習(xí)中我們的導(dǎo)師能多多的鍛煉我們檢索相關(guān)資料的能力；使我們能自我學(xué)習(xí)。學(xué)習(xí)了文獻(xiàn)檢索這門課程，我才發(fā)現(xiàn)，通過圖書館的電子資源，我們可以查詢到許許多多的有用文獻(xiàn)，對我們的學(xué)習(xí)具有相當(dāng)大的作用，另外，還讓我形成了借助這些數(shù)據(jù)庫驚醒自主學(xué)習(xí)的習(xí)慣，只要有需要，我就會在這些數(shù)據(jù)庫中查詢自己感興趣的東西，用來豐富自己的綜合知識?？梢哉f，通過文獻(xiàn)檢索的學(xué)習(xí)，我料及到了很多我以前所不知道的東西，以前在需要學(xué)習(xí)資料的時候不知道在哪里找，而現(xiàn)在完全不用茫然無頭緒了，各種數(shù)據(jù)庫所包含的強(qiáng)大的檢索功能和豐富的信息資源，給我提供了很大的幫助。選擇檢索詞時應(yīng)先確定核心詞，再確定其他的檢索詞，并充分考慮同義詞、近義詞，采用截詞符、位置算符和邏輯組配制定多個檢索式進(jìn)行檢索，并根據(jù)檢索結(jié)果進(jìn)行相應(yīng)的調(diào)整。檢索式一個不斷往復(fù)的過程，不能期望以此就能得到滿意的結(jié)果。檢索時應(yīng)從綜述論文入手。先抽取核心的關(guān)鍵詞，制定檢索時進(jìn)入數(shù)據(jù)庫中檢索，在所得檢索結(jié)果中瀏覽綜述性論文，或檢索時直接限定綜述性論文，可以幫助我們快速地了解課題的北京。而且最好從中文文獻(xiàn)入手，這樣更容易了解課題。本課題中我從維普數(shù)據(jù)庫中得到最先進(jìn)優(yōu)化算法在化工中的應(yīng)用的研究進(jìn)展等的文獻(xiàn)，幫助我快速了解了優(yōu)化算法。檢索式要作相應(yīng)的調(diào)整。因如果課題國內(nèi)外的報道較少，在最初的查找不能滿足檢索目的時，我們應(yīng)主動調(diào)整檢索詞，選擇課題中最核心的詞，而去除一些較次要的詞，擴(kuò)大檢索范圍進(jìn)行查找。另外，在閱讀文獻(xiàn)時我們可能會發(fā)現(xiàn)一些新的檢索詞，在保證查全率的基礎(chǔ)上挑選有關(guān)含優(yōu)先算法的信息，以期待得到更全更準(zhǔn)的文獻(xiàn)。有必要閱讀全文時必須閱讀全文。雖然大多數(shù)文摘能顯示文獻(xiàn)的內(nèi)容特征，但也有相當(dāng)一部分不能夠從文摘中獲取所需的信息，所以我們必須重視閱讀全文。這樣才能更準(zhǔn)確的確定是否為密切相關(guān)文獻(xiàn)。5．國內(nèi)外研究概況化工生產(chǎn)中如何控制工藝條件才能是收率最高？一批資金怎樣投資才能創(chuàng)造出最大的經(jīng)濟(jì)效益？各種配方如何篩選？能量如何合理利用等等都有求極大值和極小值的問題。為了在較多因素影響的條件下少做一些實驗，盡快找到一個理想條件(即極大值或極小值)，就發(fā)展了最優(yōu)化方法。最優(yōu)化方法是從實踐中將各種變量抽象出一個數(shù)學(xué)模型：f(x1，x2，……xn)其中x1，x2，……xn是幾個獨(dú)立的自變量，f是這些自變量的函數(shù)，稱之為目標(biāo)函數(shù)。通過調(diào)節(jié)自變量x1，x2，…xn的值求函數(shù)f(x1，x2，……xn)極值的過程就是最優(yōu)化方法。最優(yōu)化方法在化工生產(chǎn)中的應(yīng)用可分為兩種情況：1，設(shè)計最佳的生產(chǎn)流程，2提高原油設(shè)備能力，不增加人，不增加設(shè)備，提高生產(chǎn)率，使之質(zhì)量達(dá)到最好、利潤最高。自1983年Gani和Brignolel提出利用UNIFAC模型進(jìn)行液液萃取過程中萃取劑的分子設(shè)計以來，計算機(jī)輔助分子設(shè)計技術(shù)(CAMD)已經(jīng)應(yīng)用于萃取精餾、液液萃取、氣體吸收等領(lǐng)域?，F(xiàn)行的CAMD一般是基于UNIFAC基團(tuán)貢獻(xiàn)法的，其計算流程中，結(jié)構(gòu)校正是CAMD的核心部分，是基于不同優(yōu)化算法實現(xiàn)的。按照優(yōu)化機(jī)制，目前常用的優(yōu)化算法主要分為：數(shù)值算法、構(gòu)造型算法、非數(shù)值算法、基于系統(tǒng)動態(tài)演化的算法和混合型算法等。目前基于混合算法的CAMD文獻(xiàn)中尚無報道。化工過程系統(tǒng)通常采用基于過程機(jī)理和嚴(yán)格物性計算的精確數(shù)學(xué)模型，這類模型往往具有大規(guī)模、非線性的特點，需要耗費(fèi)大量的計算時間才能求解。近年來，化工過程系統(tǒng)優(yōu)化正從設(shè)備級擴(kuò)展到車間乃至全廠級，對強(qiáng)大計算能力的需求更為迫切。盡管目前計算機(jī)的硬件和處理能力已經(jīng)有了極大的提升，但單純依賴單機(jī)直接進(jìn)行大規(guī)?；み^程系統(tǒng)優(yōu)化尚有許多困難。分解協(xié)調(diào)算法將一個高維數(shù)的大規(guī)模系分解成一系列相對獨(dú)立的小系統(tǒng)，對這些小系統(tǒng)單獨(dú)求解后用協(xié)調(diào)算法進(jìn)行綜合，能滿足大規(guī)模、非線性化工過程系統(tǒng)優(yōu)化的需要，具有良好的實用價值和應(yīng)用前景。目前，并行處理系統(tǒng)在各行各業(yè)應(yīng)用越來越廣，它能構(gòu)建出強(qiáng)大的計算環(huán)境來解決各種大系統(tǒng)應(yīng)用問題。并行處理系統(tǒng)主要有四大類：多向量處理系統(tǒng)；基于共享存儲的多處理機(jī)系統(tǒng)(SMP)；基于分布存儲的大規(guī)模并行處理系統(tǒng)(MPP)；計算機(jī)機(jī)群系統(tǒng)。計算機(jī)機(jī)群系統(tǒng)(ClusterofWork．stations，簡稱COW)，是近年來迅速發(fā)展起來的一種并行處理系統(tǒng)，相對于其他系統(tǒng)，機(jī)群系統(tǒng)主要有系統(tǒng)價格低廉、可擴(kuò)展性好、升級方便、高效率的軟件開發(fā)等優(yōu)點。大規(guī)?；み^程系統(tǒng)優(yōu)化中，利用分解算法將大規(guī)模系統(tǒng)分解，在機(jī)群系統(tǒng)各節(jié)點實施并行計算，然后協(xié)調(diào)得到整體結(jié)果，將提高分解協(xié)調(diào)算法的計算效率，獲得很好的性能價格比及強(qiáng)大的計算能力。利用分解協(xié)調(diào)算法進(jìn)行大規(guī)模化工過程系統(tǒng)優(yōu)化，可以解決實際生產(chǎn)中計算能力不夠的問題，具有良好的實用價值和應(yīng)用前景。而通過機(jī)群系統(tǒng)對分解協(xié)調(diào)算法進(jìn)行并行化，用較低的成本獲取較大的計算能力，從而解決在線優(yōu)化中的全局性、實時性等困難。更重要的是，可以充分利用企業(yè)內(nèi)部的閑置計算能力而無須額外投資。今后的方向是建立更大規(guī)模的模型進(jìn)行并行求解以及處理各個子系統(tǒng)的計算負(fù)載均衡等問題。針對實際化工生產(chǎn)過程中故障數(shù)據(jù)缺乏,采用適合小樣本問題的支持向量機(jī)(SVM)對化工過程穩(wěn)態(tài)故障進(jìn)行診斷，華東理工大學(xué)自動化研究所得王靈和俞金壽，為了保證在線故障診斷的實時性,消除高維監(jiān)控數(shù)據(jù)以及系統(tǒng)噪聲對故障診斷的干擾,提出了一種新的基于二進(jìn)制量子粒子群優(yōu)化(BQPSO)算法和SVM的故障特征選擇方法。特征選擇方法能有效選中表征所需特征的變量,剔除不相關(guān)變量,從而實現(xiàn)數(shù)據(jù)降維、去噪,被廣泛應(yīng)用于數(shù)據(jù)預(yù)處理中。為了能準(zhǔn)確、快速地搜索到當(dāng)前故障的特征變量,提出了一種新的二進(jìn)制量子粒子群優(yōu)化算法,并與SVM相結(jié)合實現(xiàn)對化工過程穩(wěn)態(tài)故障的特征選擇,以確?；赟VM的故障診斷方法的在線故障診斷性能。根據(jù)他們的研究，對于大型系統(tǒng)中故障診斷,由于系統(tǒng)大量的監(jiān)控變量以及系統(tǒng)噪聲的干擾,使得使用故障分類器對全部數(shù)據(jù)進(jìn)行故障診斷的方法難以達(dá)到令人滿意的性能。而基于特征提取的方法雖然有效地降低了數(shù)據(jù)維度,但由于特征提取方法所得的特征是系統(tǒng)特征而不是故障特征,因此不能確保在復(fù)雜工況下可靠地實施故障診斷。而基于故障特征選擇的故障診斷方法直接選取導(dǎo)致故障的源變量進(jìn)行故障診斷,既大大降低了處理數(shù)據(jù)維度,又準(zhǔn)確地保留了系統(tǒng)故障的本質(zhì)特征,因此在復(fù)雜的大系統(tǒng)中也可有效可靠地實現(xiàn)對系統(tǒng)的在線故障診斷。故障特征變量提取技術(shù)作為基于故障特征選擇故障診斷技術(shù)的關(guān)鍵,對故障診斷的有效實施起著至關(guān)重要的影響。從函數(shù)優(yōu)化測試以及故障特征選擇測試中可以驗證,提出的BQPSO算法能有效地跳出局部最優(yōu),更快地搜索到全局最優(yōu)解,能夠很好地完成特征選擇的任務(wù),保證了故障診斷的可靠性和實時性。而基于SVM的故障分類器適用于小數(shù)據(jù)集分類問題,考慮到實際工業(yè)過程缺乏故障數(shù)據(jù),因此提出的基于特征選擇的故障診斷方法具有一定的實用價值。粒子群優(yōu)化算法是一種用于連續(xù)非線性函數(shù)優(yōu)化的人工智能優(yōu)化算法，由群體智能生命模擬和進(jìn)化算法兩種學(xué)科交叉而成[3]。作為一種基于群體智能的優(yōu)化算法，粒子群優(yōu)化算法在解決大規(guī)模非線性的連續(xù)問題中具有更高的優(yōu)化效率和更好的優(yōu)化結(jié)果。粒子群優(yōu)化算法在理論上能夠收斂到全局最優(yōu)，而且可以在連續(xù)的實數(shù)空問內(nèi)直接完成尋優(yōu)任務(wù)，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練、電力系統(tǒng)控制等大規(guī)模優(yōu)化問題中得到廣泛應(yīng)用【1】。近年來，粒子群優(yōu)化算法在參數(shù)設(shè)定和更新方法上有很大改進(jìn)。但理論上的研究主要集中于如何避免粒子群“早熟”，增加粒子群在空問中的散布范圍和尋優(yōu)時問，從而發(fā)現(xiàn)盡量好的最優(yōu)解，適用于模式識別等對優(yōu)化精度要求較高而對計算時問要求較低的實際問題。而對于流程工業(yè)典型設(shè)備運(yùn)行中的在線預(yù)測等需要限制優(yōu)化計算時間的問題，目前的粒子群優(yōu)化算法則需要在優(yōu)化效率方面進(jìn)一步提高。優(yōu)化技術(shù)是化工過程系統(tǒng)中取得最佳效益的關(guān)鍵．化工過程系統(tǒng)優(yōu)化通過采集現(xiàn)場數(shù)據(jù)，對整個化工過程操作狀況做出在線分析和評價，不斷更新模型參數(shù)、修正約束條件，根據(jù)原料、產(chǎn)品、輔助設(shè)備費(fèi)用等信息尋求過程的最佳操作條件并付諸實施，使生產(chǎn)過程始終處于最優(yōu)工況附近在線優(yōu)化技術(shù)的應(yīng)用，通常能使化工過程增加3％～5％的效益[2]．目前，國內(nèi)外對于化工過程系統(tǒng)優(yōu)化的研究方興未艾．化工過程系統(tǒng)通常采用基于過程機(jī)理和嚴(yán)格物性計算的精確數(shù)學(xué)模型，這類模型往往具有大規(guī)模、非線性的特點．一個典型的化工過程系統(tǒng)優(yōu)化全聯(lián)立方程維數(shù)一般在200OO～40000．其中包含了所有的單元模型方程、物性計算方程、流程聯(lián)接方程如此龐大的化工過程全聯(lián)立力程優(yōu)化命題，需要耗費(fèi)大量的計算時間才能求解．僻管近年來計算機(jī)的硬件和處理能力已經(jīng)有了極大的提升，但單純依賴單機(jī)直接進(jìn)行大規(guī)模化過程優(yōu)化尚有許多困難，而高性能的，J、型機(jī)或大型機(jī)．因其價格昂貴，企業(yè)承受能力有限而很少采用[4]．錄用個人計算機(jī)機(jī)群系統(tǒng)技術(shù)將為大規(guī)模、非線性的化工系統(tǒng)優(yōu)化問題提供一個擴(kuò)展性好、易于實現(xiàn)的解決方案．利用機(jī)群系統(tǒng)進(jìn)行化工過程系統(tǒng)優(yōu)化，可以用較低的成本獲取較大的計算能力，從而