神经网络仿真结果的图形化及其应用

构造x、y域上的均匀分布数据点矩阵，利用循环语句获得与均匀分布数据点矩阵[x、y]相对应仿真结果的矩阵，可以将神经网络的仿真结果很方便地用三维曲面图和网格图表示。在此基础上讨论了将神经网络技术和三维图形相结合的方法应用于材料配方设计的步骤和方法。该法具有实验次数少、结果表达直观、分析方便等优点，对于拓展神经网络的应用范围和解决生产中的配方优化设计具有重要意义。     

基于SDE-BP网络的油田注水管网故障诊断方法研究

针对BP神经网络在油田注水管网系统故障诊断中收敛速度慢、精度低、易陷入局部最优等问题，提出一种改进的BP神经网络诊断模型。该模型将自适应差分进化算法（SDE）用于神经网络的数据训练中，用以确定最优权重和阈值，并将仿真模拟与神经网络的训练相结合，计算管网故障工况，从而得出注水站、注水井的压力、流量异常和管段的故障情况。该方法能准确诊断管网系统各类节点和管线的故障位置，以及对站启停泵、井欠过注和管道漏损、堵塞等故障类型进行判断，通过实验对比分析验证了方法的高效性，对故障点位置一级诊断正确率为100%，故障类型二级诊断的正确率达98.07%。     

神经网络建模方法在维生素C发酵过程中的应用

传统的标准“黑箱”型人工神经网络已较为广泛地应用于生化过程中的状态预估等多个方面，然而结合过程先验知识或部分机理模型的混合神经网络建模方法能给出更令人满意的结果.本文将其应用于2-酮基-l-古龙酸（2-KLG）发酵过程的状态估计，并将其结果与传统神经网络模型进行了比较，混合模型明显优于单一神经网络方法.     

基于函数链神经网络的热电阻非线性校正

提出基于函数铁神经网络的热电阻非线性自校正方法。与BP神经网络相比，函数链神经网络具有结构明晰、算法简单、易于收敛的优点，同时也具备函数学习功能。首先阐述了函数铁神经网络解决热电四非线性问题的原理和实现，然后用实例证明了这种方法的可行性和有效性。     

基于SSA-SVD降噪和卷积神经网络的行星齿轮箱故障诊断研究

行星齿轮箱作为重要的机械传动部件，其健康运行关系着整个工程机组的安全运作。卷积神经网络常用于解决行星齿轮箱故障分类问题，但由于实际监测中有各种噪声源的存在，振动信号成分复杂，信噪比下降，仅仅使用卷积神经网络进行故障诊断效果不佳。因此提出一种麻雀搜索算法优化的奇异值分解降噪方案，采用该方案对监测的振动信号进行降噪处理，突出低频的故障特征，结合卷积神经网络实现对含噪声振动信号的故障诊断。实验结果表明，两种方法结合可使卷积神经网络模型收敛速度更快，并将诊断准确率提升至97.43%。     

基于BP神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明．BP神经网络能够对电力负荷进行较好地预测。     

基于神经网络的注塑成型工艺优化

介绍了一种基于CAE把Taguchi实验设计方法和神经网络结合使用的注塑成型工艺优化方法，并通过一个简单的实例对该方法的可行性进行了验证。结果表明：神经网络结合Taguchi实验设计方法的优化算法，可以对注射成型过程中的注射压力最大值进行优化和预测；在进行最少次实验的结果上给出最佳实验因素水平组合，确定出最佳实验条件，并将实验因素对实验目标的影响大小排序，由此获得较重要的实验因素，从而进行注塑成型工艺优化及控制。     

ES与ANN集成系统的研究与应用

人工神经网络与专家系统，在实际应用中都有许多成功的范例，但二者都存在很大的局限性。本文提出了专家系统与神经网络集成技术的方法，并将其应用子水泥回转窑的生产控制与操作指导中。利用神经网络从大量的原始数据中挖掘和获取系统知识，同时用专家系统将系统知识转换为专家知识并对结论进行解释。论文对系统的结构设计、知识获取、椎理过程等关键技术性问题进行了论述。     

基于生物地理优化算法的神经网络故障诊断方法研究

将生物地理优化算法和BP算法相结合,提出一种基于生物地理神经网络的故障诊断方法。采用生物地理优化算法优化神经网络的连接权值和阈值,运用这种新型算法的高效优化性能改进了传统BP神经网络收敛速度慢、易陷入局部极小值的缺点。将优化好的神经网络应用于抽油机的故障诊断,通过仿真实验得出:生物地理优化算法训练神经网络是可行的,并且诊断结果具有良好的有效性和准确性。     

基于模糊神经网络的高炉热风炉智能监控系统

针对热风炉燃烧控制的特点,将模糊控制技术与神经网络技术相结合．提出一种基于模糊神经网络的热风炉燃烧控制方法．     

基于模糊规则的多模型固相质量流量软测量

针对静电传感器无法给出颗粒质量流量绝对值以及多相流流动形态和结构变化影响传感器输出等问题，提出了一种基于分解合成的多模型加权平均的固相质量流量非线性软测量模型。在高压密相气力输送系统上，通过静电传感器获得大量试验数据，提取信号特征，利用模糊聚类算法将输入数据进行空间分区, 每一区间上用径向基函数（RBF）神经网络辨识出一个子模型, 再利用模糊推理将各子模型输出加权求和得到颗粒质量流量的估计值。该模型减小了流型对测量结果的影响，提高了测量精度。     

人工神经网络软测量仪表延迟时间处理及动态特性研究

采用BP和RBF网络,开发了人工神经网络软测量仪表软件,实现了不可测变量的在线观测。讨论并解决了延迟时间的确定与处理、动态特性的拟合等主要难点问题。利用三层BP网络辨识出非线性对象的延迟时间;采用将输出量引入到多层静态神经网络的入口和对输入数据进行衰减加权的方法,完成对系统动态特性的表征,使所开发的神经网络软测量仪表更真实地反映了系统的静态和动态性能,准确性高且有更好的适应性。     

Data-driven intelligent monitoring system for key variables in wastewater treatment process

In wastewater treatment process (WWTP), the accurate and real-time monitoring values of key variables are crucial for the operational strategies. However, most of the existing methods have difficulty in obtaining the real-time values of some key variables in the process. In order to handle this issue, a data-driven intelligent monitoring system, using the soft sensor technique and data distribution service, is developed to monitor the concentrations of effluent total phosphorous (TP) and ammonia nitrogen (NH₄-N). In this intelligent monitoring system, a fuzzy neural network (FNN) is applied for designing the soft sensor model, and a principal component analysis (PCA) method is used to select the input variables of the soft sensor model. Moreover, data transfer software is exploited to insert the soft sensor technique to the supervisory control and data acquisition (SCADA) system. Finally, this proposed intelligent monitoring system is tested in several real plants to demonstrate the reliability and effectiveness of the monitoring performance.     

基于FUZZY ARTMAP的加氢裂化分馏塔MIMO软测量

研究了一类多输入多输出 (MIMO)系统的软测量问题 ,将FuzzyARTMAP网络应用于加氢裂化分馏塔产品质量估计软测量 ,经实际过程数据验证指出此算法具有较强的分类及非线性多维映射能力 ,结合提出的多变量模糊PID在线校正算法 ,使所建软测量模型在线应用时具有一定的随工况变化不断校正的能力 .     

基于粒子群算法的软仪表技术

在软测量建模中,最常见的非机理建模方式就是利用神经网络进行建模,而近年来兴起的粒子群算法目前已应用于神经网络的训练。在对粒子群算法提出改进方案后,提出了基于改进的粒子群算法的前馈神经网络训练方案。然后再将神经网络应用到焦化装置分流塔柴油95％点软仪表模型参数估计中,得到了满意的结果,可以满足工业过程中的实际需要。     

丙烯精馏塔智能控制系统设计及应用

针对乙烯生产装置丙烯精馏塔的工艺特征和操作特点,利用支持向量机在小样本数据建模中的优势,提出一种基于支持向量机丙烯浓度软测量技术,解决了塔釜建模数据样本少的问题,实现了塔釜丙烯浓度在线测量。在上述软测量系统的基础上,设计了丙烯浓度智能控制系统。该系统采用模糊PID作为丙烯浓度控制器,其输出量作为灵敏板温度控制器的设定值,与灵敏板温度控制构成串级调节系统,同时为了克服进料量对灵敏板温度造成的干扰,设计了进料流量前馈控制器。丙烯浓度智能控制系统对塔釜丙烯指标进行实时控制,提高了塔釜丙烯浓度的控制平稳度,解决了塔釜丙烯浓度超标问题。现场应用效果表明,该丙烯浓度软测量系统测量精度高,控制系统可以有效控制塔釜丙烯浓度,取得了良好的控制效果,满足了工业现场运行的需要。     

Fuzzy logic model for the prediction of cement compressive strength

A fuzzy logic prediction model for the 28-day compressive strength of cement mortar under standard curing conditions was created. Data collected from a cement plant were used in the model construction and testing. The input variables of alkali, Blaine, SO₃, and C₃S and the output variable of 28-day cement strength were fuzzified by the use of artificial neural networks (ANNs), and triangular membership functions were employed for the fuzzy subsets. The Mamdani fuzzy rules relating the input variables to the output variable were created by the ANN model and were laid out in the If-Then format. Product (prod) inference operator and the centre of gravity (COG; centroid) defuzzification methods were employed. The prediction of 50 sets of the 28-day cement strength data by the developed fuzzy model was quite satisfactory. The average percentage error levels in the fuzzy model were successfully low (2.69%). The model was compared with the ANN model for its error levels and ease of application. The results indicated that through the application of fuzzy logic algorithm, a more user friendly and more explicit model than the ANNs could be produced within successfully low error margins.     

Modeling Intermittent Drying Using an Adaptive Neuro-Fuzzy Inference System

Artificial intelligence systems such as artificial neural networks (ANN) and fuzzy inference systems (FIS) are widely accepted as a technology offering an alternative way to tackle complex and ill-defined problems. The advantages of a combination of ANN and FIS are obvious. This article presents the application of a hybrid neuro-fuzzy system called adaptive-network-based fuzzy inference system (ANFIS) to time dependent drying processes and is illustrated by an application to model intermittent drying of grains in a spouted bed. An introduction to the ANFIS modeling approach is also presented. The model showed good performance in terms of various statistical indices.     

水泥熟料质量指标的软测量建模研究

针对水泥熟料质量指标的测量,提出一种基于最小二乘支持向量机的软测量建模方法;对于建模数据,提出了基于模糊聚类的数据预处理方法.实验研究表明,该数据预处理方法明显优于传统的拉依达准则方法,能够有效地去除现场测量数据中存在的异常数据;最小二乘支持向量机建模相比于RBF神经网络也具有明显优势,建立的软测量模型对于整个窑系统优化控制具有重要意义.     

Modeling Intermittent Drying Using an Adaptive Neuro-Fuzzy Inference System

ABSTRACT

Artificial intelligence systems such as artificial neural networks (ANN) and fuzzy inference systems (FIS) are widely accepted as a technology offering an alternative way to tackle complex and ill-defined problems. The advantages of a combination of ANN and FIS are obvious. This article presents the application of a hybrid neuro-fuzzy system called adaptive-network-based fuzzy inference system (ANFIS) to time dependent drying processes and is illustrated by an application to model intermittent drying of grains in a spouted bed. An introduction to the ANFIS modeling approach is also presented. The model showed good performance in terms of various statistical indices.