发动机缸盖火花塞孔深度测量研究与专用检具设计

分析了发动机缸盖火花塞孔深度尺寸特点,针对传统测量方法无法快速测量的问题,提出了一种深度测量专用检具的设计方案,深入研究了被测要素技术要求、测量原理以及检具关键结构设计,详细描述了检具操作方法。采用比较测量法设计的专用检具能快速准确地测出火花塞孔深度尺寸,大大提高了检测精度和检测速度。     

基于特征选取与多RBF神经网络的冷凝器污垢软测量

提出了基于特征选取与多RBF神经网络的冷凝器污垢软测量方法.该方法采用基于BP神经网络的灵敏度计算,从受污垢影响的冷凝器各个性能指标中,提取最能反映冷凝器污垢状态的特征变量.在此基础上,针对冷凝器变工况、冷凝器空气漏入量等因素对污垢特征变量的影响,研究基于多RBF神经网络的智能建模方法,有效实现冷凝器污垢与其他参数变化对特征变量影响的分离.根据此方法,进行了现场试验,试验结果表明:该方法能较准确地在线监测冷凝器污垢,并在冷凝器出现堵管、空气漏入量较大、工况参数大范围变化时,取得比热阻法、传热系数法、模糊软测量法更可靠的测量结果.     

BP神经网络信息融合的汽车载重测量方案

针对当前汽车载重量测量精度低的问题,;提出了基于BP神经网络信息融合算法的汽车载重测量方案。首先分析了现有的两种载重测量方法,即叠板弹簧形变量测量法和胎压变化量测量法,并分别建立了汽车载重量与叠板弹簧变化量、轮胎气压变化量的数学模型;然后提出了使用BP神经网络算法将这两种测量方法的测量信息进行融合;通过样本数据的训练,确立了BP神经网络三层网络拓扑结构和参数。设计了10组载重试验对此算法进行验证,结果表明基于BP神经网络信息融合的汽车载重测量方法可以有效地测量汽车载重,最大测量误差为0.91%。     

基于神经网络的汽包水位软测量研究

介绍工业过程软测量技术.讨论基于神经网络的软测量技术在热工过程应用中的相关问题.通过对汽包水位测量的仿真研究表明软测量技术在热工过程检测方面的应用前景。     

基于双能γ射线的煤质灰分软测量技术研究

为提高煤质灰分测量精度,提出了基于双能γ射线的煤质灰分智能软测量方法,该方法以1377Cs和241Am作为中能和低能的γ射线源,并以探测器检测到的γ计数作为辅助变量,利用混沌算法优化的函数链神经网络实现灰分软测量辨识建模,最后对煤质灰分进行软测量预测和验证.研究结果表明:混沌算法优化的函数链神经网络预测方法的预测精度高,具有较强的泛化能力;基于混沌算法优化函数链神经网络的灰分智能软测量值与实测值的平均误差为0.7％,最大误差为0.9％,煤质灰分测量准确度高.     

正则化学习算法在软测量建模中的应用

软测量技术的核心是建立软测量模型。基于过程可测信息集建立软测量模型即逼近建模过程是不适定的。以径向基函数神经网络作为软测量模型,在软测量建模中引入正则化学习算法。以广义交叉验证作为正则化参数估计方法,讨论了径向基函数神经网络软测量逼近建模的全局与局部正则化学习算法,给出的实例说明了其有效性。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

粗集理论在污水参数软测量中的应用研究

用粗糙集理论约简属性,消除冗余信息后建立了污泥体积指数的神经网络软测量模型.用某城市污水厂实际水质参数进行仿真实验.仿真结果表明,与未采用粗糙集进行预处理的模型相比,应用该模型不仅测量值的误差更小,而且输入参数从9个降至4个,大大降低了输入数据的维数,减少了神经网络的训练时间及训练步数,有利于软测量模型的实用化.     

基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,基于模糊聚类提出一种改进的超闭球CMAC神经网络算法,用于电站锅炉混煤燃烧污染物析出软测量模型的建立.以电站锅炉实际运行工况的煤质特性数据和炉内燃烧条件为输入参数,通过软测量实现大型电站锅炉混煤燃烧硫、氮污染物生成浓度的精确预估和在线测量,用于指导电厂运行人员进行锅炉燃烧调整,以控制污染物的超标排放.与超闭球CMAC算法比较,提出的改进算法可以大大降低高维神经网络节点数并提高神经网络软测量精度,实验结果表明该方法的有效性和可行性.     

模糊递归神经网络在软测量中的应用

针对工业过程中参数测量滞后和不准确的问题,采用动态T-S递归模糊神经网络(DTRFNN)进行软测量.本文提出了T-S递归模糊神经网络结构,最后并在此基础上对冶炼过程中的金属元素含量进行软测量实验研究,取得了较好的效果.