造纸过程定量水分的小波神经网络PID控制

抄纸过程定量水分控制系统存在时变、时滞、非线性、不确定等特点,使得定量、水分两个指标波动幅度较大,严重地影响了成纸合格率,断纸次数多。为解决上述问题,设计了定量水分的串级控制方案,采用小波神经网络PID控制方法对定量水分控制,并建立了三层神经网络模型,输出层单元分别表示PID控制器的三个参数,用非线性小波基函数取代隐层神经元的Sigmoid函数,根据定量、水分的实际输出与期望输出之间的偏差可实时在线调整PID参数。在MATLAB上进行仿真。仿真结果表明,控制系统能较好地克服时滞、时变、非线性等干扰对定量水分的影响,实现控制精度高,能很快达到稳定,并可有效地减少断纸次数,提高造纸效率。     

基于粒子群算法的抄纸过程PID神经元网络优化控制

抄纸过程中定量和水分的控制是一个大纯滞后、强耦合和非线性的系统,本文提出使用粒子群算法优化的PID神经元网络来解决这些控制问题。设计的双PID神经元网络闭环控制系统中,网络结构简单,使用增加动量项的误差反向传播算法,提高了学习速度,减少了系统的反应时间,并采用粒子群算法优化网络的初始权值,克服PID神经网络学习过程中由于权值易陷入局部最优值的缺点,提高了系统的控制精度。仿真结果表明：初始权值优化后的PID神经网络控制系统具有更高的控制精度和更快的响应时间,能更好地实现抄纸过程的解耦控制。这为抄纸过程定量水分的自动控制提供了一种新的方法。      

基于小波神经网络的非线性系统预测控制研究

提出了一种基于小波基函数神经网络的未知非线性系统的一步超前预测控制算法。该方法利用小波网络学习这个非线性系统,并且应用小波神经网络模型作为系统的预测模型,控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得,通过对一非线性系统的仿真,表明了该方法的有效性。     

基于小波神经网络的板形板厚综合系统逆控制

针对板形板厚综合系统具有强耦合、非线性、含纯滞后环节的特点,提出一种基于小波神经网络的逆控制方案.利用两个结构相同的小波神经网络构造Smith预估器,预估器的输入参数与时延阶次无关,能较好地解决小波神经网络对维数较为敏感的问题.采用神经网络逆控制的思想设计小波神经网络控制器,引入多步预测性能指标函数对控制器权值进行在线训练.仿真研究表明,该控制方案具有较快的响应速度和良好的动态性能.     

变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

非线性系统辨识方法研究

讨论了利用小波神经网络对非线性系统辨识的新方法。在辨识过程中,为了提高小波神经网络对非线性系统的辨识性能,使用一种改进粒子群优化算法对BP小波神经网络参数进行训练,求得最优值,达到对非线性系统辨识目的。在数值仿真中,与采用标准粒子群优化算法相比,结果显示了提出的方法在收敛性和稳定性等方面均得到了明显的改善。     

一种基于PID神经网络的解耦控制方法的研究

为了消除造纸工业抄纸过程中存在的解耦问题,提出了一种基于PID神经网络的解耦方法。文章在介绍PID神经网络原理的基础上,给出了二变量PID神经元网络解耦控制系统结构图,并运用抄纸的数学模型进行仿真实验,实际运行结果表明,该方法能够有效地对抄纸过程中存在的耦合进行解耦控制。     

污水处理参数的小波神经网络软测量技术

采用序批式污泥法处理污水的过程存在一定的非线性、时变性、随机性和不确定性,为此提出了一种基于核主元分析和小波神经网络模型的污水处理参数软测量技术.在保证水质信息量损失较小的情况下,使用核主元分析法对输入变量进行降维.将小波神经网络软测量模型和在线测量仪表相结合,对氧化还原电位、溶解氧、pH值及COD等参数控制信息进行实时检测;PLC控制器输出控制信号,控制整个系统设备的运行.仿真结果表明,和传统方法相比,该技术动态性能好、误差少,具有很好的鲁棒性和稳定性.     

抄纸过程水分定量的改进型模糊免疫PID控制

针对抄纸过程中的水分定量控制对象是一个具有强耦合、非线性、大时滞的难控制对象,提出一种改进型模糊免疫PID控制方法,这种方法用三输出的模糊控制和免疫PID控制相结合的方法,避免了常规模糊免疫控制器只相当于一个非线性P控制器的缺点,能充分发挥PID三个参数的自适应性能;最后将这种方法对抄纸过程的水分定量控制进行了仿真研究,结果表明,该方法比传统模糊免疫PID有更好的自适应性,具有超调小、响应快等优点,对多变量耦合系统具有较强的自适应性、解耦和鲁棒性。     

基于小波神经网络的木材干燥窑内传感器建模研究

针对木材干燥系统具有非线性、强耦合的特性,难以建立准确的数学模型,提出一种基于小波神经网络的建模方法。通过木材干燥窑内木材含水率传感器、温度传感器和湿度传感器采集的数据建立小波神经网络模型,并通过模型预测木材含水率传感器的测量值。小波神经网络将BP神经网络在非线性问题上自学习的能力与小波表征信号局部信息的能力相结合,具有很强的自适应分辨性和容错能力。利用实际木材干燥过程中采集的数据作为训练样本进行仿真实验。结果表明：小波神经网络方法建立的模型能够预测木材含水率传感器的测量值,模型泛化能力强,预测精度高于BP神经网络建立的模型,验证了小波神经网络对木材干燥窑内传感器建模的可行性和有效性。     

Wavenet fuzzy PID controller for nonlinear MIMO systems: Experimental validation on a high-end haptic robotic interface

A novel global PID control scheme for nonlinear MIMO systems is proposed and implemented for a robot as study case, this scheme is called AWFPID from its adaptive wavelet fuzzy PID control structure. Basically, it identifies inverse error dynamics using a radial basis neural network with daughter RASP1 wavelets activation function; its output is in cascaded with an infinite impulse response (IIR) filter to prune irrelevant signals and nodes as well as to recover a canonical form. Then, online adaptive fuzzy tuning of a discrete PID regulator is proposed, whose closed-loop guarantees global regulation for nonlinear dynamical plants. The wavelet network includes a fuzzy inference system for online tuning of learning rates. A real-time experimental study on a three degrees of freedom haptic interface, the PHANToM Premium 1.0A, highlights the regulation with smooth control effort without using the mathematical model of the robot.     

小波神经网络预测模型的仿真实现

针对神经网络预测模型在对非线性序列进行预测时,容易陷入局部次优点,训练速度慢的缺点,在传统神经网络预测模型的基础上,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型.介绍了小波神经网络预测模型的构建,仿真模型和仿真算法,并把小波神经网络预测模型在matlab7.0以网络流量的预测对模型进行了效果检验,得出了预测精度较高的预测结果,并且克服了容易陷入局部次优点的缺点,同时训练速度较之神经网络预测模型大大提高.     

基于小波神经网络的IP网络流量预测

采用小波神经网络对网络流量数据的时间序列进行建模与预测。针对BP神经网络预测准确率不太理想的情况,将小波理论引入BP神经网络,引用小波理论中多分辨分析技术对基于BP神经网络的模型进行改进,建立了基于小波神经网络的IP网络流量预测模型。该模型利用小波多分辨分析分解信号,再用已分解的信号序列来训练BP神经网络。实验结果表明,小波神经网络比BP神经网络对网络流量的预测结果精度更高、性能更好,利用小波神经网络预测网络流量是一种可行、有效的方法。     

小波神经网络在股票平均线交易规则中的应用

股票市场是一个复杂的非线性动态系统，利用传统的时间序列预测技术很难揭示其内在规律，而近十几年来发展起来的神经网络理论逐渐成为非线性动态系统预测与建模的强有力工其。该文介绍了小波分析中的趋势提取技术，建立小波分析与神经网络相结合的预测模型，将该模型应用于股票平均线交易规则中，同时还与普通神经网络预测模型进行厂对比，研究实例表明，小波神经网络方法提高了预测精度，对移动平均线交易规则作了一种有效的补允，是股市技术分析的一种自效实用的方法。     

小波神经网络的遥感图象分类

将小波和神经网络结合起来,提出一种自适应小波函数的神经网络。这种小波函数网络经过训练后,可应用于遥感图象的分类,其分类效果优于最大似然法。     

小波包滤波在齿轮故障诊断中的应用

为快速准确地判断齿轮故障的类型,提出了小波包滤波和神经网络相结合进行齿轮故障分类的方法。介绍了小波包去噪的原理和神经网络的设计方法,对阈值算法和神经网络优化算法作了改进,得到了不含噪声的信号和准确的故障分类方法。仿真结果表明,基于小波包滤波的神经网络方法具有更高的准确性和稳定性,可以满足工业故障诊断的要求。     

一种基于小波神经网络故障检测方法的仿真研究

文中提出了一种基于小波神经网络一性观测器的故障检测方法。它是一种把信号分析和模型相结合的故障检测方法,通过小波对信号的去噪和神经的神经网络的自学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判疡,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法是可行的。     

Artificial wavelet neuro-fuzzy model based on parallel wavelet network and neural network

From the well-known advantages and valuable features of wavelets when used in neural network, two type of networks (i.e., SWNN and MWNN) have been proposed. These networks are single hidden layer network. Each neuron in the hidden layer is comprised of wavelet and sigmoidal activation functions. First model is derived from adding the outputs of wavelet and sigmoidal activation functions, while in the second model outputs of wavelet and sigmoidal activation function are multiplied together. Using these proposed networks in consequent part of the neuro-fuzzy model, which result summation wavelet neuro-fuzzy and multiplication wavelet neuro-fuzzy models, are also proposed. Different types of wavelet function are tested with proposed networks and fuzzy models on four different types of examples. Convergence of the learning process is also guaranteed by performing stability analysis using Lyapunov function.     

A Wavelet Neural Network Based Non-linear Model Predictive Controller for a Multi-variable Coupled Tank System

In this paper, a novel real time non-linear model predictive controller(NMPC) for a multi-variable coupled tank system(CTS) is designed. CTSs are highly non-linear and can be found in many industrial process applications. The involvement of multi-input multi-output(MIMO) system makes the design of an effective controller a challenging task. MIMO systems have inherent couplings,interactions in-between the process input-output variables and generally have an complex internal structure. The aim of this paper is to design, simulate, and implement a novel real time constrained NMPC for a multi-variable CTS with the aid of intelligent system techniques. There are two major formidable challenges hindering the success of the implementation of a NMPC strategy in the MIMO case. The first is the difficulty of obtaining a good non-linear model by training a non-convex complex network to avoid being trapped in a local minimum solution. The second is the online real time optimisation(RTO) of the manipulated variable at every sampling time.A novel wavelet neural network(WNN) with high predicting precision and time-frequency localisation characteristic was selected for an MIMO model and a fast stochastic wavelet gradient algorithm was used for initial training of the network. Furthermore, a genetic algorithm was used to obtain the optimised parameters of the WNN as well as the RTO during the NMPC strategy. The proposed strategy performed well in both simulation and real time on an MIMO CTS. The results indicated that WNN provided better trajectory regulation with less mean-squared-error and average control energy compared to an artificial neural network. It is also shown that the WNN is more robust during abnormal operating conditions.     

基于小波神经网络的心电诊断算法的研究

研究了一种基于小波神经网络的心电图室性早搏和正常窦性心律分类算法.首先对MIT-BIH标准数据库进行室性早搏和正常窦性心律样本的提取与标准化,然后应用小波神经网络建立分类模型.利用小波变换的波形检测和特征提取特点以及人工神经网络的自我学习能力,通过大量的心电图样本训练后,使网络不仅对训练样本有较高的分辨率(97.5%),而且对未训练过的样本也有较好的分辨率(95.1%).仿真结果表明,算法计算简单、实现容易,适用于心电图的分类.