基于遗传神经网络优化的过程信号盲分离算法

研究一种较新的盲信号神经网络分离(BSS)方法,用于过程信号去噪.由于盲信号分离神经网络存在容易陷入局部极小点、收敛速度慢的缺点,研究采用遗传算法优化盲信号分离神经网络权值的初值,将遗传算法与神经网络(HJNN)结合形成GA-HJNN算法,可迅速得到最佳盲信号分离神经网络的权值矩阵,实现对过程信号的去噪,并通过实验对2种算法进行了比较.     

基于改进阈值函数的小波阈值去噪算法

针对传统小波软、硬阈值函数以及现有部分文献所设计的阈值函数的不足,探索一种改进的小波阈值去噪算法.通过构造新的阈值函数,该函数具有更好的平滑性,并随着小波分解尺度变化而变化,因此有更好的适应性,且函数中不存在不确定参数,相应地提升了去噪稳定性.相比传统软、硬阈值函数方法,采用改进阈值函数去噪后信噪比(SNR)更大,均方差(MSE)更小,去噪效果更好.改进阈值函数的小波去噪算法更有优越性,具有较好的推广价值.     

基于BEMD的图像去噪

通过研究图像信号去噪的原理和过程,提出一种基于BEMD的图像去噪算法.首先利用BEMD方法对图像信号进行分解,然后对分解结果的频谱特性进行选择性的去噪.针对噪声和图像信号混叠,采用一种选取的阀值优于软阀值或者硬阀值的方法.去噪结果能充分保留图像信号本身所固有的非平稳特征,并具有自适应强和灵活、有效的特点.实验证明,该算法是一种比小波去噪法更有效的图像信号去噪方法.     

氧化铝浓度软测量技术研究

分析了铝电解生产过程中建立氧化铝浓度神经网络软测量模型的必要性和可行性,根据软测量建模理论建立了采用Levenberg-Marquardt算法的氧化铝浓度神经网络软测量模型.实际应用结果证明了该软测量模型能够有效实现氧化铝浓度的在线检测.     

MAGA-WNN模型在明胶浓度软测量中的应用

胶液浓度的测量在明胶的生产过程中是一项很重要的任务,为解决明胶浓度胶液手工检测中存在的滞后时间长、测量误差大等实际问题,将软测量技术应用到明胶的浓度测量中。通过对明胶生产工艺的分析,采用小波神经网络建立软测量模型,利用混合变异自适应遗传算法对模型参数进行优化。用现场采集并归一化后的120组数据做仿真实验,其中80组作为训练,40组作为预测。仿真结果表明,该算法迭代67次后误差平方和低于0.01并趋于稳定。证明混合变异自适应遗传算法可增强小波神经网络模型的鲁棒性和提高收敛速度。所以该算法用于明胶浓度的软测量中是可行的。     

基于神经网络的柠檬酸蒸发过程软测量研究

柠檬酸双效蒸发过程具有关联耦合严重、非线性、环境噪声大的特征.笔者采用PCA-BP神经网络建立了蒸发过程出料液浓度软测量预测模型.为提高软测量模型的实用性和预测精度,提出了基于误差估计器的短期在线校正方法和不定期软测量模型更新的学习机制.利用现场数据进行了校验,结果表明所建模型是合理有效的.     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.     

基于改进BP神经网络的菌体浓度软测量

提出一种改进的BP神经网络(IBPNN)用以建立发酵过程中菌体浓度软测量模型.结合菌体浓度变化范围大这一特点,将传统BP网络的误差函数进行了改进,并利用最优停止法对网络进行训练.避免了过拟合现象.最后针对诺西肽发酵过程中茵体浓度的估计问题,根据隐函数定理选取辅助变量,应用IBPNN建立菌体浓度软测量模型,实验结果验证了所提方法的有效性.     

氧化铝浓度的RBF神经网络软测量模型研究

在电解铝的生产过程中,针对氧化铝浓度不能在线测量的难题,采用了软测量技术来估计氧化铝浓度;运用径向基函数(RBF)神经网络构建了软测量的数学模型,利用神经网络的非线性逼近能力和自学习功能来适应不断变化的槽况,从而较准确地估计出氧化铝浓度;以某铝厂为实际应用背景,结果表明该软测量模型能够有效实现氧化铝浓度的在线检测.     

小波变换在电能质量信号去噪中的研究

研究电能质量信号去噪问题,针对电能质量信号在采集过程含有大量的噪声,给电能质量分析带来困难,因此要对电能质量信号进行去噪处理.传统去噪方法不能同时解决去噪和突变点信息保留之间矛盾的问题,导致去除噪声的同时损失了更多的原始信号信息.为了改善电能质量信号的去噪效果,提出了一种改进的小波软阈值电能质量信号去噪算法.采用融合软、硬阈值法的不同特点,通过自适应调整参数方式获得最优的小波系数的阈值,使得改进的阔值函数适应性更强,有效克服了采用软阈值法过渡光滑导致信号失真,而采用硬阈值法去嗓效果不佳的缺陷.仿真结果表明,算法补传统软阈值算法的缺陷,该方法消除信号中的噪声效果和还能保留突变点的信息能力都优于传统的去噪方法,为消噪设计提供参考.     

基于支持向量机的软测量技术及其应用

支持向量机(SVM)是一种基于结构风险最小化原理,具有很好推广性能的学习算法。讨论了基于最小二乘支持向量机(LS-SVM)的软测量数据建模原理和方法,并将其应用在汽车排放的氮氧化合物NOX软测量中。通过与基于神经网络的软测量方法进行比较,结果显示出SVM的明显的优势,特别是对小样本、非线性、高维数一类软测量问题的建模,提供了一种有效的途径。     

基于RNN的化工过程软测量模型研究

研究了基于回归神经网络(RNN)为化工颜料锌钡白建立质量指标软测量模型的问题。利用SPSS统计软件对过程历史数据进行预分析处理，进而利用这些数据训练回归神经网络，建立质量指标消色力的软测量模型。针对回归神经网络训练效率低，泛化能力差等问题，尝试引入一种初始权值优化方法加以改进。仿真结果表明，利用回归神经网络可以为此类化工过程建立具有一定预测能力的软测量模型，引入的初始权值优化方法有助于提高回归神经网络初始训效率，但模型的泛化能力还有待进一步改进。     

Artificial neural networks for closed loop control of in silico and ad hoc type 1 diabetes

The closed loop control of blood glucose levels might help to reduce many short- and long-term complications of type 1 diabetes. Continuous glucose monitoring and insulin pump systems have facilitated the development of the artificial pancreas. In this paper, artificial neural networks are used for both the identification of patient dynamics and the glycaemic regulation. A subcutaneous glucose measuring system together with a Lispro insulin subcutaneous pump were used to gather clinical data for each patient undergoing treatment, and a corresponding in silico and ad hoc neural network model was derived for each patient to represent their particular glucose-insulin relationship. Based on this nonlinear neural network model, an ad hoc neural network controller was designed to close the feedback loop for glycaemic regulation of the in silico patient. Both the neural network model and the controller were tested for each patient under simulation, and the results obtained show a good performance during food intake and variable exercise conditions.     

一种改进的能量代谢守恒法无创检测血糖算法

为了提升基于能量代谢守恒方法无创检测血糖的精度,设计新型无创血糖检测探头,采集300组临床试验数据,提出决策树和偏最小二乘法方法相结合的DE-PLS算法建立预测血糖值的模型。并采用多参数相关性分析,得出代谢率M和血糖浓度真值BG显著相关,验证了能量代谢守恒法无创检测血糖理论的可行性。最终结果表示,DE-PLS算法计算出的血糖浓度与真实血糖值的相关性达到了88.5%,证实该算法的精度高于应用于该领域的其他算法。     

生物发酵参数相关性及菌体浓度软测量技术的研究

从生物细胞代谢角度,分析了发酵过程中生物代谢参数的相关性,找出了能够表示生物变量大小的代谢参数,然后将这些参数作为输入变量,建立了菌体细胞浓度软测量的神经网络模型。仿真结果表明,该软测量方法较一般的菌体浓度软测量方法具有更高的准确性和鲁棒性。     

Artificial neural networks for water quality soft-sensing in wastewater treatment: a review

This paper aims to present a comprehensive survey on water quality soft-sensing of a wastewater treatment process (WWTP) based on artificial neural networks (ANNs). We mainly present problem formulation of water quality soft-sensing, common soft-sensing models, practical soft-sensing examples and discussion on the performance of soft-sensing models. In details, problem formulation includes characteristic analysis and modeling principle of water quality soft-sensing. The common soft-sensing models mainly include a back-propagation neural network, radial basis function neural network, fuzzy neural network (FNN), echo state network (ESN), growing deep belief network and deep belief network with event-triggered learning (DBN-EL). They are compared in terms of accuracy, efficiency and computational complexity with partial-least-square-regression DBN (PLSR-DBN), growing ESN, sparse deep belief FNN, self-organizing DBN, wavelet-ANN and self-organizing cascade neural network (SCNN). In addition, this paper generally discusses and explains what factors affect the accuracy of the ANNs-based soft-sensing models. Finally, this paper points out several challenges in soft-sensing models of WWTP, which may be helpful for researchers and practitioner to explore the future solutions for their particular applications.

     

基于PDMS的微流量计的研制

通过检测透皮抽取出的人体细胞间液中葡萄糖浓度来预测血糖浓度是一种重要的微创血糖检测技术。但由于抽取出的细胞间液量很少,需要进行稀释以便输送和收集,然后根据稀释后的体积来计算稀释前的细胞间液浓度。设计和加工了一种微流量计用以测量稀释后细胞间液的体积,并搭建了性能测试实验平台,测试了流量计测量结果的重复性和线性相关性。实验表明:流量计测量范围为4～16μL;对15μL的样品10次测量的变异系数为6.2%;13个不同体积样品的测量结果相关系数为0.988。微流量计能够满足测量要求。     

基于K-均值聚类的RBF神经网络血糖浓度预测

针对糖尿病患者血糖数据的复杂性与不稳定性,提出一种基于K-均值聚类算法的径向基函数（Radical Basis Function, RBF）神经网络的短期血糖预测方法。首先将动态血糖监测(Continous Glucose Monitoring System, CGMS)采集的糖尿病患者血糖浓度时间序列进行平滑滤波和归一化处理,提高血糖数据序列的光滑度,弱化原始血糖数据序列的随机性。然后对处理后的血糖浓度时间序列构造RBF网络,采用K-均值聚类进行优化,并用最小二乘法进行RBF网络的权值调整进而获得未来血糖浓度的预测值,从而保证预测的精度。     

能量代谢守恒法无创血糖检测算法研究

根据能量代谢守恒法无创血糖检测的基本原理,设计出无创血糖检测探头并推导出血糖检测的数学模型。采用了多元线性回归和主分量分析方法处理数据,得出了计算血糖值的多元线性表达式,获得了对血糖值贡献最大的两个分量。实验结果显示,采用上述算法计算得出的血糖值与血糖真实值之间的相关系数R=0.86,表明了采用主分量分析和多元线性回归求解无创血糖检测模型的方法是可行的。