基于ARM7的智能生物发酵模糊控制系统

基于ARM7和模糊控制算法开发的生物发酵智能控制系统。软件设计中移植了μC/OS-II操作系统,采用多任务程序设计方法设计,大大降低了编写程序的复杂度。针对生物发酵控制过程中的时变性、非线性、延时性、随机性等特点,提出采用模糊逻辑控制技术来实现系统的控制。在一定程度上解决了传统控制方法不易得到系统数学模型、难于对控制系统进行有效控制的不足。     

基于ARM内核的生物发酵温度PID-NN控制系统

采用基于ARM内核的嵌入式系统开发了生物发酵温度控制系统.软件设计中移植了pC/0S-Ⅱ实时操作系统,采用多任务程序设计方法设计,大大降低了编写程序的复杂度.针对生物发酵过程中温度的时变性、非线性、随机性等特点,提出了一种基于神经网络与PID相结合的PID-NN控制算法,在一定程度上解决了传统PID不易在线实时整定参数,难于对控制系统进行有效控制的不足.实验结果表明,系统设计可靠,满足发酵过程对控温精度的要求.     

DNA免疫遗传算法及其应用

在研究T-S模糊RBF神经网络的基础上,提出了一种基于DNA生物机理和结构的免疫遗传算法,用于优化设计T-S模糊RBF神经网络的规则后件参数。该方法采用基于抗体浓度的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。应用于延迟焦化汽油干点的软测量建模,实例仿真结果表明DNA免疫遗传算法在T-S模糊神经网络系统的优化设计中是有效的,可获得较高精度的模型。     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法.研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率.实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则.     

发酵过程建模与优化控制的研究

针对发酵过程的时变性和强非线性,本研究采用神经网络对发酵过程建模,在线预测某些重要生物参数,并以这些生物参数的预测值为指导,使用遗传算法(GA)在线优化主要的环境参数,确定各参数的最优轨线来控制发酵过程,并构建了由PC机和单片机组成的发酵优化控制的监控系统.实验表明,该控制系统应用于实际发酵生产过程能有效提高发酵生产效率.     

基于模糊神经网络的抽油机节能专家控制器设计

对油田开采中抽油机普遍存在的轻载运行的问题,提出采用专家智能控制进行抽油机间歇控制的节能方案;建立专家控制器的结构,重点构造基于遗传算法的模糊神经网络推理机.在此基础上,以ARM处理器和嵌入式Linux操作系统为核心,构建抽油机节能专家控制系统的软硬件平台,该系统已成功应用于抽油机的间歇启停控制,节能效果明显.     

多Agent协作的生物网络服务质量的智能评估模型

生物网络结构是为设计和实现可调整的、适虚的及可生存的网络应用的中间件.生物网络的服务和应用是通过多Agent之间的相互协作,动态地选择Agent所提供的服务来完成的.基于模糊逻辑、神经网络和遗传算法相结合的方法提出了多Agent协作的生物网络整体服务质量的智能评估和优化模型,它是一种基于五层模糊神经网络的模型,并采用遗传算法进行优化.仿真实验验证该模型的可行性.该智能评估模型能够高效地处理多Agent的模糊和非确定的服务质量评估问题.     

基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制

将逆系统方法与模糊神经网络相结合, 提出一种基于模糊神经网络®阶逆系统的发酵过程解耦控制方法. 在分析了系统可逆性的基础上, 利用模糊神经网络建立发酵过程的非线性逆模型, 然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统, 最后设计专家控制器实现高性能闭环解耦控制. 仿真结果表明, 提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性, 具有较强的鲁棒性, 克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点, 且结构简单, 易于实现.     

基于遗传算法优化模糊神经网络的倒立摆智能控制

提出了一种利用遗传算法来优化模糊神经网络的倒立摆智能控制,利用RBF神经网络与模糊推理过程具有函数等价性.设计了基于模糊系统的RBF网络结构。同时采用改进的遗传算法优化了神经网络的参数和权值。其中利用一种动态的交叉率和变异率.有效地加快了收敛的速度。最后,利用Matlab软件对倒立摆进行仿真.仿真结果表明.该控制具有较好的通用性和控制效果。     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法。研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率。实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则。