基于核Fisher包络分析的间歇过程故障诊断

随着间歇过程越来越受重视,其过程监控和故障诊断技术也成为研究热点。以核Fisher判别分析为基础,提出了基于核Fisher的正常工况与故障包络面模型,给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别的划分特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要预报完整的生产轨迹,并且加入核函数来处理复杂的非线性。最后在青霉素发酵过程的仿真平台上对该方法进行测试,与改进多向Fisher判别分析方法进行对比,该方法获得了满意的诊断效果:能够及早诊断出故障的发生,并在有效识别已有故障的同时还具有对新故障的自学习能力。     

基于改进粒子群优化的连续系统闭环辨识新方法

将粒子群优化算法(PSO)的全局辨识能力以及无约束多维寻优法--Rosenbrock的局部搜索能力相结合提出一种全新的参数辨识方法.该方法不需要控制器的先验知识,对测试信号无任何要求.仿真实验表明,与PSO-SQP算法及两阶段闭环辨识法相比,该方法对连续系统在响应不充分的情况下有良好的辨识效果.     

利用子空间方法辨识加热炉系统模型

1．辨识对象 加热炉过程是具有严重非线性及时变特性的多变量系统，如何能使数学模型准确地反映加热炉过程的实际特性，这对于加热炉过程高级控制和优化控制是至关重要的。现场运行和实际测试表明：燃油流量的改变不仅影响流体出口温度，而且对烟气中氧含量也有很大的影响；助燃风量的改变不仅影响烟气中氧含量，而且对流体出口温度也有影响。     

基于JSP的数据库连接技术的研究

使用JSP技术开发动态交互式Web信息系统是当今Internet主流技术之一,随着网络应用和电子商务的迅速发展,站点与数据库连接的操作越来越频繁,也越来越复杂.分析了对于数据库的操作主要的两种方法各自的特点:基于JDBC直接连接数据库方法简单直接但是效率低下,不适合大型复杂的系统使用;使用连接池连接的方法高效实用但是代码不易维护.根据处理数据库访问操作时的特点提出新的解决方案,开发效率明显得到提高,代码维护代价大大降低,访问效率得到显著提高.并在最后提出了一个简单的例子来说明使用的方法.     

薄膜X射线测厚仪的研制

介绍了用于薄膜测厚的全自动往复式X射线测厚仪的研制,详述了该测厚仪的硬件组成和测厚的工作原理.该装置已成功运行在双向拉伸聚丙烯(BOPP)薄膜生产线上.     

管式聚合反应器温度分布的动态建模与广义PI控制

针对阳离子聚合反应器的温度分布建模与控制问题,提出了一种基于B样条神经网络的广义PI控制方法.首先采用B样条复合网络建立分布函数的动态和静态模型,并基于该模型,将分布函数的跟踪问题等效为动态权值向量的时间域跟踪问题.最后给出一种新型的广义PI控制方法,实现对给定温度分布的跟踪控制.同时,为了更好地抑制未知干扰、参数摄动以及模型不匹配等问题,模型权值状态、模型输出与实测温度分布所对应的权值误差都被引入到反馈控制回路,因此能够大大增强系统的鲁棒性与抗干扰能力.仿真结果表明该方法的可行性.     

基于相位裕度和幅值裕度的IMC-PID整定方法

提出了一种新的内模PID转换方法,得到了解析PID控制器参数。本方法以相位裕度为稳定性指标,通过数学推导证明了内模控制系统固有的相对稳定性范围。并且在内模PID转化过程中,没有应用任何近似方法来处理内模控制器中的非线性部分。另外,针对高阶过程,采用两点法建模来替代高阶过程,进而使系统取得精确的稳定裕度。通过将提出的控制器应用于二阶、三阶、高阶过程控制器系统中,证明了提出的解析PID控制器取得与内模控制器相同的控制效果。     

RAN-LC预测的类稳态补偿控制及其应用

本文针对控制系统中存在的测量滞后问题,提出了基于局部条件的资源分配网络(RAN-LC)预测的类稳态补偿控制。RAN-LC消弱了资源分配网络中样本输入顺序对网络结构演化的影响,提高了网络泛化能力。通过将RAN-LC预测的稳态信息作为控制作用的一部分,并结合RBF神经网络调整控制器参数进行控制。将本文提出的方法应用于污水处理的中和反应过程,仿真结果验证了稳态补偿对控制性能的影响。该方法对检测滞后系统有较好的控制效果,有效改善了系统的控制性能。     

基于词典的文本极性计算及分类研究

本文提出了一种基于语义词典的网络评论文本情感分类及极性值计算方法,用于自动识别网络评论中的情感倾向。首先利用爬虫技术采集真实的电子商务网站在线评论文本数据,然后对语料做预处理,接着完成各类语义词典的构建和基础情感词典的扩充,最后使用本文提出的基于词典的无监督分类方法对获取的评论文本进行情感分类及极性值计算。实验结果表明,本文提出的情感识别方法对网络舆论的分类效果较为理想。