基于遗传混沌算法的LSSVM参数优化及应用

针对最小二乘支持向量机(LSSVM)存建模中的重要参数如何选择问题.提出利用具有随机性、遍历性及规律性的混沌优化算法对LSSVM建模过程中的参数进行优化搜索,为了加快对较大搜索空间中的搜索速度,提出变尺度混沌优化算法与遗传算法相结合遗传算法的组合算法对LSSVM中的参数优化.组合算法克服了单一算法存在的早熟、局部收敛及寻优速度慢等问题,把混沌变最种群映射到LSSVM参数取值区间.按照遗传算法训练,同时利用训练集训练LSSVM,最终得到参数优化值.将该方法应用的谷氨酸发酵过程的建模研究,取得了较高建模精度,提高发酵过程资源利用率的同时增加了谷氨酸产量.     

补料分批发酵过程优化软件平台的设计

设计了基于DDE的VB、Exccl和Matlab的发酵过程优化软件平台，并将该软件平台应用到多粘菌素发酵过程pH值的寻优。实践表明该优化软件平台能够确定发酵过程被控参数的优化轨线，为优化控制提供一个主要目标。     

一种基于Graph Cuts的多尺度乳腺肿块分割方法

提出一种基于Graph Cuts的多尺度乳腺肿块自动分割方法.首先,应用区域统计融合方法对图像进行粗分割,将得到的粗轮廓作为后续Graph Cuts分割的初始轮廓.在迭代优化阶段,引入多尺度分析方法,以高斯金字塔分解得到的多尺度图像序列代替固定尺度的原始图像序列估计高斯混合模型(GMM)参数,将粗糙尺度的易分割性与精细...     

微生物发酵过程建模与优化控制

针对微生物发酵参数通常不是最优的，容易造成发酵单位低和产量波动大的问题，采用人工神经网络和遗传算法对微生物发酵过程进行优化控制。建立了维生素B12发酵过程多步预估神经网络模型，对每个发酵阶段的不同的最优操作条件，分别寻优。基于此模型，遗传算法仿真寻优得到了每个发酵阶段的pH值和温度最优轨线。实际应用表明，此轨线应用到生产过程后，使发酵单位得到明显提高。     

神经网络、遗传算法在发酵优化软件平台设计中的应用

本课题设计了基于DDE的VB、Excel和Matlab的发酵过程优化软件平台，并将该软件平台应用到多粘菌素发酵过程PH值的寻优。实践表明：该优化软件平台能够确定发酵过程被控参数的优化轨线，为优化控制提供一个主要目标。     

基于Matlab的发酵过程平台软件设计

设计了一套优化软件，将先进的智能控制理论运用到发酵过程控制领域中。针对非线性、时变的发酵过程利用神经网络非线性预测控制方法，建立了发酵过程神经网络模型进行菌体浓度、基质糖浓度、产物浓度的在线估计。由于缺乏发酵过程精确的数学模型，采用神经网络非线性预测控制方法结合遗传算法寻优技术确定发酵过程控制参数的最佳值，使整个发酵过程始终处于最优化状态，优化结果可提供给工艺工程师加以修正，再应用于生产，从而提高生产率。     

基于相位相关的小波域图像配准方法研究

小波变换是一种多尺度信号分析方法，近几年在图像处理领域受到广泛关注，它克服了傅立叶变换的固定分辨率的弱点，既可分析信号概貌，又可分析信号的细节。相位相关是一种频率域的图像配准参数估计方法，是利用傅立叶变换的平移、旋转等特性进行参数估计的。在研究多尺度小波分析和相位相关理论的基础上，提出基于小波系数的像素级相位相关图像配准方法：首先对待配准图像进行小波分解，获得低频小波系数后，再对小波系数应用相位相关进行配准参数估计。实验结果表明了该方法的可行性和有效性。     

发酵过程实时监测与控制系统的研究

介绍了一种生物发酵过程实时监测与控制系统设计的新思路，通过对以传统仪表为主、容量为14L的发酵罐控制系统的技术改造，设计完成了发酵过程的计算机实时监测与控制系统，提出了一种发酵过程生物参数的软测量方法，为发酵过程建模及其优化控制的进一步研究提供了技术平台。     

小波融合图像效果的因子分析评价方法

因子分析是一种有效的评价融合图像质量的方法。文中采用了小波sym5进行了多尺度图像融合的研究，并且通过主成分分析方法提取了细节信息因子和光谱信息流失因子等参数，作为图像的客观质量评价标准。实验证明，对于小波变换多尺度融合后的图像，该方法能够客观有效地评价其反映细节信息的参数（如信息熵和清晰度）以及反映光谱信息的参数（如扭曲程度和偏差指数）的变化趋势。理论分析结果，因子综合得分和观众评价得分结果具有良好的一致性。     

基于多尺度分析与图割的快速图像分割算法*

以GrabCut算法为基础,引入多尺度分析方法,以塔式分解的多尺度图像序列代替固定尺度的原始图像序列估计GMM参数,将粗糙尺度的易分割性与精细尺度的精确性互补,使得算法以较少样本快速确定GMM参数,分割精度不减而效率显著提高。实验表明了算法的有效可行性。     

基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标, 其建模与控制对于整个高炉炼铁过程的运行优化意义重大. 针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题, 基于直接数据驱动控制思想, 提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法. 首先, 基于紧格式动态线性化(Compact form dynamic linearization, CFDL)无模型自适应控制(Model free adaptive control, MFAC)技术确定铁水质量的多变量数据驱动控制器结构; 然后, 针对CFDL-MFAC众多可调参数对控制器性能影响大, 同时对众多参数整体优化非常耗时且效果不理想的问题, 基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)技术, 提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法; 最后, 将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制, 并与基于递推子空间辨识的数据驱动预测控制进行比较研究, 验证所提控制方法的有效性和先进性.     

基于仿真数据的数控铣削加工多目标变参数优化

针对加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题,提出了基于仿真数据的数控铣削加工多目标变参数优化方法．通过引入时段组合的概念,将连续问题转化成离散问题。将变参数优化问题转化成多参数优化问题,建立了相应的数学模型;然后根据优化目标函数以及设计参数的性质,将多参数优化问题分解成若干独立的子问题,以简化问题的求解;同时给出了优化实例。     

多粘菌素补料分批发酵过程pH值的优化控制

针对补料分批发酵过程pH值优化轨迹难以确定和控制的问题,为了获取pH值的优化轨迹并加以有效控制,利用神经网络非线性预测控制方法结合遗传算法寻优设计基于动态数据交换的VB,Excel和Matlab的发酵过程优化软件平台;通过该优化软件平台找到多粘菌素发酵过程pH值的优化轨迹;对它采用参数自调整模糊控制方法,使之按优化轨线变化.统计多粘菌素10批次优化控制发酵生产结果,发酵时间平均缩短5 %,提高产量3 %.     

复Gaussian小波核函数及多参数同步优化策略

对复Gauss ian小波满足Mercy条件及其在Hilbert空间具有再生性的命题作了证明．用复Gaussian小波构建出一种核函数，与主成分分析方法相结合，对非线性非平稳信号进行参数辨识和预测．针对多参数模型优化时间过长，不利于工程应用的问题，提出了一种多参数同步优化策略．仿真实验验证了该方法的可行性和有效性，表明该方法具有较好的实用价值．     

发酵过程混合建模与优化控制新方法

针对当前微生物发酵过程存在因为生物传感器不具备足够的准确性和灵敏性,实验时的菌液和产物浓度等生化指标难以实时监测和控制等缺点,提出了采用量子粒子群优化算法(QPSO)优化最小二乘支持向量机(LSSVM)参数的QPSO-LSSVM混合建模新方法,并用于多粘菌素的发酵过程建模;同时,基于此模型,采用QPSO算法对pH值与溶解氧浓度Do控制轨线进行优化研究;首先,利用LSSVM进行发酵过程的建模,然后采用QPSO对LSSVM建模过程中的重要参数进行优化调整,形成QPSO-LSSVM混合建模与优化控制方法;仿真结果表明,该方法得到的模型能取得更好的预测效果,优化后的pH值与Do浓度控制轨线能够提高最终的产物浓度;该方法用于发酵过程的建模和重要参数的优化控制是可行的、有效的。     

间歇发酵过程放罐时机的启发式模糊识别与预报

间歇发酵过程放罐时机的优化是提高产量,产率和降低能耗的一个重要方面.本文运用 模糊集理论,并将统计学方法和人的经验合为一体,提出了一种放罐时机的启发式模糊识别、 预报的建模方法.并且,根据一实际工业抗生素生产的历史资料和现场的分析,运用本文提出 的方法建立了该过程放罐时机的识别与预报模型.同时构造了计算机时实识别系统,几批工 业实验的结果表明,模型预报的效果良好.     

污水处理过程递推双线性子空间建模及无模型自适应控制

污水处理过程中, 生化反应硝态氮浓度和溶解氧浓度是决定出水水质好坏的两个最关键变量, 难以采用常规基于模型的方法进行有效控制. 本文基于数据驱动建模与控制技术, 提出一种污水处理过程递推双线性子空间辨识(Recursive bilinear subspace identification, RBLSI)建模和无模型自适应控制方法. 首先, 针对污水处理过程的非线性时变动态特性, 采用最小二乘递推双线性子空间辨识方法建立污水处理生化反应过程具有参数自适应能力的递推双线性模型; 其次, 基于建立的数据驱动模型, 采用基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)和遗传粒子群优化(Genetic algorithm-particle swarm optimization, GA-PSO)算法的无模型自适应控制(Model-free adaptive control, MFAC)方法对硝态氮和溶解氧浓度进行直接数据驱动控制; 最后, 数据实验及其比较分析表明了所提方法的有效性和优越性.     

多参量实时信号虚拟分析系统

本文采用虚拟仪器技术设计了多参量实时信号分析系统，论述了信号分析的理论基础和软件设计方法。为多参量信号的实时数据采集、信息分析与信息处理提供了良好的工作平台和方便的测试工具，具有交互性好、可扩充性强，频带宽、使用灵活方便等特点，为解决多参量复杂测试问题提供了新的途径。     

基于GEP的最小二乘支持向量机模型参数选择

针对最小二乘支持向量机的多参数寻优问题,提出了一种基于基因表达式编程的最小二乘支持向量机参数优选方法.该算法将最小二乘支持向量机参数(C,σ)样本作为GEP的基因,按其变异算子随着进化代数和染色体所含基因数目动态变化的机制执行,其收敛速度和精确度大大提高.并与基于粒子群算法和遗传算法参数优选方法比较,通过标准测试函数验证了该算法的拟合误差最低.最后用其建立氧化铝生产蒸发过程参数预测模型,应用工业生产数据进行验证,实验结果表明该方法有效且获得了满意的效果.