基于BP神经网络的水厂加药凝絮过程辨识研究

城市供水中的加药凝絮过程是一个大惯性、大时滞、非线性、时变以及随机干扰多的难控过程.从生产数据来对该过程建模,并采用先进的控制策略对其进行有效的控制,一直是控制技术人员的追求目标.本论文以某水厂的实际生产数据为基础,采用动态BP神经网络的建模方法,通过辨识步骤.确定了动态BP网络结构,得到了具有较好拟合与泛化能力的神经网络模型.在已获取的神经网络模型上,进行了以待滤水浊度为输出,投矾量为输入的阶跃响应实验,以此取得了投药凝絮过程的一阶惯性加时滞模型.该模型的获取为今后采用先进的控制策略对加药凝絮过程进行高级控制打下了良好的基础.     

基于支持向量机的直接逆模型辨识

在简单讨论逆模型辨识原理的基础上,利用支持向量机(SVM)对函数逼近的能力,提出了基于支持向量机的直接逆模型辨识方法.分别采用二次核函数以及高斯RBF核函数,利用训练数据对线性和非线性系统进行黑箱辨识.仿真结果表明,基于支持向量机的直接逆模型辨识方法在处理线性和非线性对象时,辨识性能都优于传统的BP神经网络,不仅辨识精度高,辨识速度快,而且泛化能力较强.     

神经网络在热电厂对象建模中的应用

针对一个375 MW热电厂的锅炉-汽轮机系统仿真模型,采用多层前向神经网络进行离线建模;讨论了网络结构设计、训练算法等神经网络建模问题;采用相同的固定负荷数据分别建立了线性ARX模型和局部神经网络模型并做多步预测比较;通过对基于一层隐层的全局神经网络模型的训练和仿真,结果证实了神经网络在非线性系统建模和辨识上的有效性.     

单脉冲雷达天线方向图的BP神经网络建模

为了提高单脉冲雷达仿真速度,提出了应用BP神经网络对单脉冲雷达天线方向图进行建模的方法,并根据这一方法建立了某型单脉冲雷达天线方向图的BP神经网络模型.通过对比BP神经网络建模得到的单脉冲雷达天线方向图和实际单脉冲雷达天线方向图,并考虑到较小的BP神经网络训练均方误差,验证了该方法的有效性.实际的某型单脉冲雷达系统仿真试验表明利用建立的BP神经网络模型能大大地提高雷达仿真速度.     

BP-PSO在电加热炉中的温度智能预测

针对电加热炉难以建立精确模型的问题,提出采用BP神经网络与粒子群优化(PSO)相结合的算法对电加热炉的温度变化进行辨识,并建立系统模型.在建立系统模型的基础上,对温度变化趋势进行了预测.试验结果显示,与BP神经网络算法相比,粒子群优化BP神经网络算法所得到的预测值有效时间范围延长了60％;在相同有效的预测时间内,预测值精度提高了43％.     

改进的BP神经网络算法在水质监测中的应用

针对一类多输入多输出系统进行辨识, 以"A simulation of the western basin of Lake Erie"为例, 通过分析河流湖泊的水质特征, 针对伊利湖湖泊水质建立数学模型, 由于该环境系统为多输入多输出系统, 文章采用了一种改进的BP神经网络算法, 利用Matlab神经网络工具箱进行数据分析, 绘出实际输出与模型输出的曲线以分析相关情况, 检验建立的模型对于系统的辨识水平, 给出传统BP网络和改进BP网络对该系统辨识的结果进行分析对比. 文章还对不同噪声层次下的数据进行分析比较, 并研究白噪声对于人工神经网络模型的影响.     

具有超稳定结构的鲁棒自适应控制器

针对结构和参数未知的非线性系统,提出了一种具有神经网络的超稳定鲁棒自适应 控制器.控制器基于一阶线性模型,采用Popov超稳定理论设计,其建模误差由BP网在线辨 识,辨识结果在前馈补偿器中加以补偿,有效地实现了鲁棒自适应控制.文中还给出了仿真 结果.     

预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出.该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性.     

基于ANFIS的非线性信道的辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,所以必须采用适当的非线性模型进行描述,为了实现对高速通信中非线性信道的辨识,提出了采用自适应神经模糊推理系统(ANFIS)进行信道辨识的方法,并对ANFIS网络的结论参数采用最小二乘法进行辨识,对前提参数采用误差反传的方法进行学习,最后,运用MAT-LAB实现了对非线性信道进行辨识及均衡的仿真,并将仿真结果与BP网辨识结果进行比较,说明ANFIS网络能很好地逼近非线性信道的传递函数,并在收敛速度及辨识精度方面优于BP网络.     

水处理过程的RBF和BP神经网络建模

针对水处理过程非线性、时变和大滞后的特点，本文采用RBF和BP神经网络分别建立了水处理过程模型，利用水厂实际运行数据对两个模型分别进行了训练和检验。与BP神经网络模型相比，RBF神经网络模型具有逼近能力强、收敛速度快等优点。该模型可以实现对水处理过程的在线辨识，并可进一步用于该过程的神经网络预测控制。     

多变量双线性系统解耦控制器及其在纸机加压网前箱控制中的应用

本文利用文献［1］的结果，给出了多变量双线性系统可解耦的充要条件。将其应用到纸机加压网前的控制中，所得结果证实了本文提出算法的正确性及该控制器性能的优越性。     

Tuning of PI controllers with one-way decoupling in 2×2 MIMO systems based on finite frequency response data

A method of tuning for PI controllers with one-way lead/lag decoupling tuning is demonstrated for 2×2 input-output systems, based on finite frequency response data. The frequency response estimates are obtained from closed loop tests using an identification technique based on bandpass filters. The open-loop frequency response is calculated and used to tune PI controllers and to fit lead-lag compensators for decoupling by weighted least-squares. Separate optimization of the PI controllers and the lead-lag compensator is preferred. The tuning takes into account violations of desired multivariable robustness criteria. The method is illustrated by application to a paper machine headbox simulation and by experiments in distillation column temperature control.     

基于电子鼻技术的花椒品种鉴别方法研究

本文针对不同花椒品种的快速鉴别方法进行研究,以花椒的气味信息检测为研究对象,利用自行研制的电子鼻系统采集了6类花椒样品气味数据,对这些数据样本进行特征提取,得到了56组训练样本和32组测试样本。利用BP神经网络、概率神经网络和支持向量机对特征数据进行鉴别,正确识别率分别为89.58%、93.23%、94.27%,相对于BP神经网络和概率神经网络识别,支持向量机具有更好的分类效果。 本文研制的电子鼻系统能能无损、快速、准确鉴别花椒的品种,为农产品无损检测的研究提供了一种新的思路。     

基于BP神经网络的智能控制器设计及其应用

神经网络可以被用来计算复杂的输入与输出结果集之间的关系,因此具有强大的控制能力。论文以工业洗衣机为控制对象,建立了BP神经网络智能控制模型,提出了BP网络的一种离线式学习方法,并在微机中实现。通过实际应用检验,其通用性强、容错性好。     

基于支持向量机的水质监测数据处理

水质评价实际上是一个监测数据处理与状态估计、识别的过程,提出一种基于支持向量机的方法应用于水质评价,该方法依据决策二叉树多类分类的思想,构建了基于支持向量机的水环境质量状况识别与评价模型。以长江口的实际水质监测数据为例进行了实验分析,并与单因子方法及单个BP神经网络方法进行了比较分析。实验结果表明,运用该模型对长江口的实际水质监测数据进行的综合水质评价效果较好,且具有较高的实用价值。     

一种鲁棒BP算法及其在非线性动态系统辨识中的应用

利用多层前馈神经网络的非线性建模特性，基于动态ＢＰ网络的串并联和并联模型，提出了一种高鲁棒性ＢＰ算法，与传统的ＢＰ算法相比，鲁棒ＢＰ算法有５个优点：（１）适合于非线性动态系统辨识，（２）辨识精度高；（３）不必内插所有训练样本；（４）具有高鲁棒性，能抵制过失误差和量测误差；（５）收敛速度得到了改进，因为错误差样本的影响得到了适度的抑制，把该算法用于非线性动态系统辨识，仿真结果表明此方法是有效的。     

3D交互输入新技术——手势识别

本文从分析人机交互研究的目的出发 ,介绍了用户产生手势到系统“感知”手势的过程 ,包括手势的建模及识别的原理和方法 .本文在对手结构和手关节运动分析的基础上 ,提出了基于数据手套和基于视觉(摄象机 )的手势输入方式 ,通过手势图象的分析 ,采用模糊神经网络方法对手势图象进行识别 ,取得了较好的效果 ,实现了一种在虚拟环境中具有广阔运用前景的 3D交互输入新技术——手势识别     

基于一种改进的BP神经网络光伏电池建模

由于光伏电池具有高度非线性特性，难以建模，而传统的数学模型难以满足光伏控制系统设计和应用的要求。该文利用神经网络具有逼近任意复杂非线性函数的能力，将神经网络技术应用到光伏阵的建模中，避开了该模块内部的复杂性。模型以太阳能日照、温度以及负载电压作为神经网络辨识模型的输入量，光伏阵输出电流为输出量，采用改进型BP算法，建立了光伏电池的动态响应模型，然后预测了最大功率点。文中给出模型的结构，训练步骤和仿真结果。仿真结果表明，方法可行，建立的模型精度较高，从而为设计光伏实时控制系统奠定了基础。     

基于多分类支持向量机的入侵检测方法

网络入侵检测所处理的数据由多类攻击数据和正常数据构成，基于此对多分类支持向量机在网络入侵检测中的应用进行了研究，采用一对一方法构造了多分类支持向量机分类器，用KDD99入侵检测数据对所提出的多分类支持向量机分类器进行了测试评估，将实验结果和BP神经网络方法进行了比较。实验表明提出的方法是可行的、高效的。     

基于偏最小二乘回归和SVM的水质预测

针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题,提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分,从而克服了信息冗余问题,并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数,减小参数搜索的盲目性。研究结果表明,本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机,可以更好地应用于水质预测。