污水处理出水水质软测量建模研究

污水水质参数监测技术是限制实时在线控制的一个重要因素。本论文进行了基于神经网络软测量技术的污水处理出水水质软测量建模的研究,目标是解决污水处理厂重要出水水质指标因人工化验检测而产生的严重滞后问题,以实现污水处理出水水质的预测及控制。     

基于神经网络的污水处理软测量系统的研究

针对污水处理质量指标无法在线检测的问题,提出了基于人工神经网络的软测量方法。构造了污水处理质量软测量的神经网络结构,运用实际工业污水处理过程测量数据对BP神经网络进行了训练和仿真。结果表明,实能准确地进行污水处理质量的实时估计,实现污水处理质量的实时控制。     

基于PCA-GABP神经网络的BOD软测量方法

针对污水处理过程中关键水质参数无法在线监测的问题．提出基于PCA-GABP神经网络的污水水质软测量方法。该方法由两部分组成：主元分析PCA和GABP神经网络。其中,GABP算法采用局部改进遗传算法优化神经网络权值。并采用自适应学习速率动量梯度下降算法对神经网络进行训练,建立软测量模型。仿真结果表明该软测量模型稳定性好、精度高,可用于污水处理厂对BOD进行在线预测。     

基于GA-RBF网络的乙烯裂解炉在线操作优化

基于OPC技术实现过程数据的实时采集,并对所需变量进行数据滤波与异常检测,再利用RBF神经网络建立乙烯裂解炉过程多输入多输出(MIMO)裂解产物收率在线软测量模型以及模型校正方法,以乙烯和丙烯收率之和最大为目标,基于遗传算法对RBF神经网络模型进行操作优化,得到裂解过程的最优操作条件以指导生产.实际的工业应用表明,该方法提高了乙烯和丙烯的收率,具有良好的适应性和稳定性,对实际生产有重要的指导意义.     

基于神经网络模型计算感潮河段断面平均流速

在长江下游感潮河段,采用在线测流系统中ADCP实时指标流速推求断面平均流速,可通过建立神经网络模型进行求解。基于MATLAB软件的神经网络工具箱,以南京水文实验站2014年5月—2016年12月9次全潮测验为例,介绍在该工具箱中建立对应模型的详细步骤及求解方法。计算结果表明,该模型具有较好的拟合效果,可满足计算精度需求。因此,在基于ADCP实时指标流速计算感潮河段断面平均流速的研究中具有较好的应用前景。     

基于粒子群RBF网络的C3含量软测量模型

鉴于C3含量在线估计对催化裂化生产过程操作意义重大,本文通过建立粒子群RBF神经网络模型、利用软测量技术来实现C3含量的在线估计,并对其仿真结果进行分析和比较。实验结果表明,基于粒子群RBF神经网络的C3含量软测量模型具有较高的精度、较好的性能和良好的应用前景。     

MIMO最小二乘支持向量机污水处理在线软测量研究

污水处理系统是一个包含海量信息的非线性复杂系统。针对污水处理出水水质BOD（生物化学需氧量）、COD（化学需氧量）、TN（总含氮量）等难以在线实时检测等问题,建立了基于在线MIMO-LSSVM（多输入多输出最小二乘支持向量机）和PSO（微粒子群算法）的污水处理软测量模型。仿真结果表明,建立的软测量模型精度高、速度快,能很好地实现污水处理出水指标COD、BOD、TN等参数的实时测量和估计,为污水处理的实时在线控制创造必要的前提条件。     

基于多层感知器神经网络的精矿品位预报

精矿品位是直接关系到选矿生产效率和产品质量的重要指标,精矿品位的在线检测对提高赤铁矿选矿生产流程的产品质量和生产效率、减少资源消耗具有重要意义。但是,由于选矿生产的强非线性和强耦合性,使得精矿品位往往难于在线连续测量。为了建立精矿品位与工艺指标之间的模型,以便于调整各工艺指标,从而实现全流程优化,本文采用多层感知器神经网络和系统辨识相结合的方法,运用Matlab系统辨识工具箱和神经网络工具箱,提出了由线性模型和非线性补偿模型组成的混合模型结构的精矿品位预报方法,建立了精矿品位预报模型。该方法提高了对于复杂工业过程中精矿品位指标的预报精度,通过现场数据和一系列对比实验验证了本方法的有效性和优点。     

基于多层感知器神经网络的精矿品位预报北大核心CSCD

精矿品位是直接关系到选矿生产效率和产品质量的重要指标,精矿品位的在线检测对提高赤铁矿选矿生产流程的产品质量和生产效率、减少资源消耗具有重要意义。但是,由于选矿生产的强非线性和强耦合性,使得精矿品位往往难于在线连续测量。为了建立精矿品位与工艺指标之间的模型,以便于调整各工艺指标,从而实现全流程优化,本文采用多层感知器神经网络和系统辨识相结合的方法,运用Matlab系统辨识工具箱和神经网络工具箱,提出了由线性模型和非线性补偿模型组成的混合模型结构的精矿品位预报方法,建立了精矿品位预报模型。该方法提高了对于复杂工业过程中精矿品位指标的预报精度,通过现场数据和一系列对比实验验证了本方法的有效性和优点。     

涡扇发动机机载自适应模型及性能蜕化估计

为了构建航空发动机实时自适应模型以完成航空发动机在线故障检测任务,保证飞行安全,提出一种改进的卡尔曼滤波方法,从工程应用的角度,利用发动机可测输出偏离量估计得到发动机性能蜕化值,并将其用于修正发动机不可测输出参数,从而建立某型民用航空发动机有效的机载实时自适应模型.仿真结果显示模型能够快速准确的完成性能蜕化的估计,能够用于航空发动机在线健康诊断.     

基于支持向量机的污水处理软测量算法的研究

针对污水处理过程中生化需氧量BOD难以实时在线测量的问题,建立了用于预估BOD的支持向量机（SVM）的软测量模型。考虑到该支持向量机模型的测量精度取决于其两个参数C、σ能否获得最优值,采用遗传算法和粒子群优化算法,实现对这两个参数的寻优。仿真结果表明：该软测量模型的测量精度较高,可用于污水处理厂对BOD进行在线测量。     

Synthesis of the sliding-mode neural network controller for unknown nonlinear discrete-time systems

This paper develops a sliding-mode neural network controller for a class of unknown nonlinear discrete-time systems using a recurrent neural network (RNN). The control scheme is based on a linearized expression of the nonlinear system using a linear neural network (LNN). The control law is proposed according to the discrete L yapunov theory. With a modified real-time recurrent learning algorithm, the RNN as an estimator is used to estimate the unknown part in the control law in on-line fashion. The stability of the control system is guaranteed owing to the on-line learning ability of the RNN algorithm. The proposed control scheme is applied to numerical problems and simulation results that it is very effective.     

基于RBF网络的水厂投药预测控制

基于神经网络的智能预测控制具有很强的自学习和自适应能力,对于大滞后、非线性的复杂系统有较好的控制效果。针对水处理中混凝投药过程的特点并结合国内目前投药控制的现状,提出了一种带有前馈补偿的RBF神经网络预测控制新方法。该方法利用神经网络建立投药量的预测模型,然后用出水浊度与设定值间的预测偏差构成闭环控制。通过实时的在线滚动优化,实现了投药量的最优投加。仿真试验表明,出水浊度保持稳定,所需矾耗减少,控制效果明显。     

Unsupervised and auto-adaptive neural architecture for on-line monitoring. Application to a hydraulic process

Generally, the functioning of a monitored system is characterized by some parameters. Each evolution of these parameters may be assimilated with a drift or a fault. Therefore it may be considered to estimate the functioning state of the system by analyzing the drifts of these critical parameters evolving with time. So, this paper presents a new architecture, based on a new neural network classifier, for on-line monitoring of complex industrial systems. The first stage consists in the choice and the extraction of the significant parameters. The second stage extracts some parameter characteristics to be used in order to discriminate the different kinds of evolution. Then, in the third stage, a specialized neural network is used to classify, on-line, the evolutions for each significant parameter. The neural network is initialized with a set of synthetic and experimental data and a copy of this classifier is used to achieve the trend detection for each monitored parameter. Due to unsupervised rules and auto-adaptive abilities, each copy is adapted according to the specific evolutions of its monitored parameter in order to take account of new kinds of evolutions in situ and on-line. In the fourth stage, a decision tree is used to establish the diagnostic by analyzing the results of the trend detection stage for all the monitored parameters. The application to the monitoring of an industrial hydraulic process shows the ability of the classifier to learn and detect the different drifts.     

LonWorks现场总线技术在污水处理中应用

为了提高污水厂的现代化管理水平,本文利用LonWorks现场总线技术实现了城市污水处理厂污水处理系统的实时控制.实践表明:基于LonWorks技术的污水处理系统能够在降低工程造价投资的同时,又保证污水厂运作稳定和高效,减轻劳动强度,改善操作环境.     

基于RBF神经网络的污水处理软测量算法研究

分析了软测量技术在污水处理问题上的可行性，建立了径向基（RBF）神经网络软测量模型，对污水处理过程中的各种污染物质进行监控和预测。结果表明：应用软测量技术能较好的克服污水处理过程中由随机干扰、强非线性、大时变、严重滞后等因素带来的一系列问题，具有广阔的应用前景。     

基于粒子群优化神经网络(PSO-BPNN)算法在发酵过程控制中的研究

针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的PSO-BPNN软测量模型。鉴于标准BP神经网络收敛太慢的缺点,运用PSO算法来优化网络权值,在此基础上,以饲料用β-甘露聚糖酶为对象,建立其基于PSO-BPNN的发酵过程产物浓度状态预估模型。发酵罐控制结果表明:该模型具有很好的学习精度和泛化能力,可实现对β-甘露聚糖酶产物浓度的实时在线预估。     

基于遗传优化的RBF-BP网络的实时故障检测

针对单一神经网络对复杂模型难以实时做出准确预测和BP神经网络自身的缺陷,结合RBF神经网络可以逼近任意函数的特性,提出了基于遗传优化的混合神经网络模型(RBF-BP)。由RBF网络和BP网络并联作为一个神经网络(简称为RBF-BP)的隐层,利用该网络对被控对象进行逼近训练、实时故障检测,该算法同时具有RBF网络和BP网络的优点,适用于复杂非线性系统的故障检测。     

基于神经网络与计算机视觉的产品质检方法

采用计算机视觉原理与神经网络技术的自动化检测方法是计算机检测的新发展，具有非接触性、速度快、效率高、柔性好等优点，在现代产品质量检测中有着广泛的应用前景。该文介绍了基于神经网络与计算机视觉的产品质量检测系统的一般结构，阐述了这种系统的一个实例——玻璃瓶裂纹在线检测系统的实现方法。由于神经网络的应用，使得该检测系统具有良好的自学习、自适应能力，成功地实现了对生产线上玻璃瓶裂纹的快速、精确的检测。