基于正交小波网络的非线性系统辨识新方法

在非线性系统辨识中,系统输入数据往往是非均匀分布的.对于此类问题,正交小波网络处理起来较复杂.本文基于小波网格系,提出两种近似方法, 可简单有效地解决这一问题.该法最大特点是计算简单,便于应用.最后用于辨识非线性系统, 仿真结果验证了该方法的可行性和有效性.     

可重构制造系统工艺路线与系统布局设计研究

为使可重构制造系统的重构过程更加快速有效,提出了一种工艺路线和系统布局设计的方法.首先,基于图论构建了可重构制造系统工艺路线的有向网络模型,并采用Dijkstra算法和双向扫视算法,进行最优工艺路线和备选工艺路线的选择;然后,以工艺路线为基础,依据排队论中的相关理论,对制造系统的布局进行优化设计,以获得可重构制造系统布局方案.实例表明,该设计能够适应可重构制造系统快速多变的特征,提高对制造系统已有资源的利用率.     

基于Multi-Agent的服饰企业分销与物流配送管理系统

为提高服饰企业分销与物流配送管理系统软件开发的效率,根据服饰企业业务流程复杂、繁琐的特点,提出一种采用多Agent技术构建服饰企业分销与物流配送管理系统的方法。首先对服饰企业的分销与物流配送业务流程进行分解,在此基础上得到基于MAS的分销与物流配送管理系统层次结构,然后阐述各Agent的功能,并结合实例说明系统中各Agent之间的协调机制,最后结合应用案例给出了系统的实现方法。通过借助多Agent技术,系统在智能化方面得到了提高,并且具有很好的可移植性。     

纸张定量横向分布控制系统的建模与预测控制

在造纸过程中，纸张定量的横向分布控制是一个复杂的工业控制系统，至今尚无满意的数学模型，用传统的控制方法难以得到好的控制效果，本文给出了定量横向分布的动态模型，采用多变量动态矩阵控制算法（ＤＭＣ）对其进行控制，并与ＰＩＤ控制的效果进行了比较。仿真结果达到了预期的控制目标。     

动态加权最小二乘支持向量机

提出一种基于动态加权最小二乘支持向量机（LS—SVM）的时间序列预测方法．动态加权LS—SVM能够跟踪时变非线性系统的动态特性,适合于系统辨识和时间序列预测;同时采用鲁棒方法确定权系数,以减小噪声的影响．将动态加权LS-SVM算法应用于工业PTA氧化过程中的4-CBA浓度预测,结果显示,动态加权LS—SVM预测精度高,能够有效减小噪声的影响．     

基于嵌入式系统的神经网络在线训练平台实现

基于最新的工业应用双核处理器OMAP-L137设计了一种神经网络软测量模型在线训练平台.该平台以ARM与浮点DSP双核控制器为核心.针对神经网络隐含层节点数、训练中止条件、学习率等相关参数的确定进行了研究与测试,将优化的神经网络算法成功移植到嵌入式平台,支持神经网络软测量模型的在线训练.通过对相关数据集的测试,结果表明:系统具有高速、高精度等优良性能.     

LPMVP算法及其在故障检测中的应用

针对数据信息的特征提取和降维问题, 提出一种局部保持最大方差投影 (Locality preserving maximum varianceprojections, LPMVP) 新算法. 该算法综合考虑了主元分析(Principalcomponent analysis, PCA)和局部保持投影(Locality preservingprojections, LPP)算法的优点和不足, 提出了新的优化目标, 使投影得到的低维空间不仅和原始变量空间有相似的局部近邻结构, 而且有相似的整体结构, 因而可以包含更多的特征信息. 在此基础上, 本文使用LPMVP算法把原始变量空间划分为特征空间和残差空间, 分别构造了T2和SPE统计量对过程进行监测, 建立了一种新的故障检测方法. 通过数值例子以及TE过程的仿真研究, 表明了LPMVP算法可以有效地提取数据信息, 同时也体现了较强的故障检测能力.     

基于核主角的故障检测方法

基于主元分析（PCA）的统计检测方法已经被广泛应用于各种化工过程的故障检测和识别.移动主元分析（moving principal component analysis,简称MPCA）算法基于PCA,根据主元子空间的变化来判断故障是否发生.然而,基于主元分析的统计检测方法是线性方法,无法有效应用于非线性系统.因此,提出一种适合于非线性系统的故障检测方法——基于核主角(kernel principal angle,简称KPA)的故障检测方法,其基本思想与MPCA相似,主要内容包括构建特征子空间和核主角测量两部分.TE过程故障检测仿真实验证明,基于核主角的故障检测方法优于传统的多元统计检测方法（cMSPC）和MPCA.     

不确定性间歇过程的一种实时优化控制方法

针对不确定性间歇过程的实时优化问题,提出了一种集成批间和批内优化的新实时优化控制方法。首先求解标称模型得到最优输入轨迹的结构,然后将输入轨迹参数化为若干标量决策变量及子输入轨迹。对最优性条件中的终端约束部分,使用批间优化满足约束条件;对梯度轨迹部分,提出一种回归法近似最优输入轨迹,以解决不确定扰动的在线不可测问题,实现梯度轨迹的批内优化。对一个间歇反应器的仿真研究表明了新方法的有效性。     

采用正交小波网络的非线性系统辨识方法

基于多分辨分析的递阶思想,采用正交小波网络研究了输入样本空间分布非均匀时非线性系统的辨识问题,重点讨论了样本非均匀时网络系的设计问题,并给出了基于该网络系的在线递阶辨识算法,最后利用正交小波网络分别对非线性静态和动态系统进行了仿真辨识。