基于动态聚类算法的CWNN在纸张紧度检测中的应用

针对造纸生产线中纸张紧度无法在线检测的问题,利用小波-神经网络的分析和非线性逼近能力拟合纸张紧度J与纸张定量Q、纸张水分M、叩解度°SR、纸浆纤维湿重g、浆速网速比KT等可在线检测量间的非线性关系.通过K均值聚类算法预处理训练样本以平滑优化途径,解决连续小波神经网络(CSNN)的局部极小化问题.将学习算法中的主要系数独立地分配到网络的权值和小波尺度因子中,以提高网络的并行运算能力和收敛速度.训练好的CSNN用于纸张紧度的在线检测.仿真和实践表明:该方法测得的纸张紧度精度高.     

RBF网络模型在预测函数控制中的应用

对三容液位系统的非线性复杂特点,利用RBF网络对系统建立预测模型,着重分析了RBF网络结构的选取、模型参数辨识以及网络优化的问题.通过预测函数控制验证了RBF网络模型在非线性系统建模中的优越性.     

基于小波神经网络的FRP复合材料损伤声发射信号识别

针对FRP复合材料损伤声发射信号的特点,运用小波包分解提取特征向量作为网络输入,通过小波分析与神经网络紧致结合的方式对不同类型的损伤模式进行识剐,并将遗传算法引入到小波神经网络中,优化网络初始权值,提高了网络的全局搜索与识别能力.     

一种基于流程模拟与OPC技术的化工过程实时控制方法

针对化工过程对象具有的非线性系统多稳态特性,通过流程模拟软件HYSYS获得控制对象的大范围稳态操作数据和动态过程数据,提出基于逆径向基函数网络的非线性系统多稳态控制方法。OPC工具的开发实现了控制算法的在线应用,对一个连续聚合反应釜的研究表明了此方法的有效性。     

小波神经网络在原油含水率预测中的应用研究

通过对原油含水率测量方法,以及原油含水率与影响其因素之间存在的非线性映射关系的研究,提出基于小波分解与神经网络相结合的小波神经网络原油含水率预测模型,给出具体的网络学习算法,并结合算法对原油含水率进行预测.实例分析表明,小波神经网络模型比传统的BP神经网络模型收敛速度快、预测精度高,且具有较强的学习能力和推广能力.     

基于优化遗传算法改进的小波网络预测锰系磷化膜的耐蚀性

针对小波网络训练速率较慢、结构不易确定等问题,结合实验选取的因素(包括输入参数和输出结果),通过仿真确定了小波网络的结构为3-7-1。接着,利用优化遗传算法对小波网络进行改进,修正其初始权值和因子。通过仿真证实了改进的小波网络具备更强的寻优能力和更快的收敛速率。最后,利用改进的小波网络预测锰系磷化膜的耐蚀性。结果表明:改进的小波网络可以更好地拟合样本数据,能够进行较准确的预测。     

炼厂氢气网络在线监测与优化平台开发

以氢气系统操作成本最低为目标,建立了包含流股约束和设备约束的数学规划模型.在模型基础上,借助信息化手段,结合X炼厂实际工况,开发了具有总貌监测、用氢平衡、性能监测和在线优化等功能的氢气网络在线监测与优化平台,实现了氢气系统的在线监测和实时优化,有效解决了炼厂氢气管理中"经验化"和"粗糙化"带来的问题.     

基于免疫遗传算法-BP神经网络的主汽温控制

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计一种基于免疫遗传算法、BP神经网络和RBF神经网络的智能PID控制系统.利用免疫遗传算法的全局搜索寻优能力和较好的收敛性优化神经网络的权值,同时利用BP网络对PID参数进行在线调整.仿真结果表明,该系统在控制品质、鲁棒性方面都明显优于常规PID控制系...     

基于小波包和GA-BP网络的柴油发电机故障诊断

针对柴油发电机的非平稳和非线性振动信号诊断难的问题,利用小波包和遗传算法优化的BP(GA-BP)网络两大工具对其进行故障诊断。首先利用小波包对柴油机发电机的振动信号进行分解,单支重构,构造特征向量,再将特征向量输入到遗传算法优化的BP网络里,从而实现柴油发电机的故障类别诊断。实验仿真和工程应用结果表明:所采用的方法可有效并精确地实现柴油发电机故障类别的诊断。     

主元分析-径向基函数神经网络软测量方法研究

主元分析方法是基于多元统计分析的数据处理方法,径向基函数(RBF)网络能很好地用于非线性系统建模.针对丙烯腈聚合物水含量这一腈纶生产中的关键指标无法在现场进行在线检测的情况,运用主元分析方法对输入变量进行主元分析以达到降维的目的,再通过RBF神经网络建立非线性软测量模型.仿真结果表明,该模型具有较高的预测精度.