手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

多目标混沌差分进化算法

将差分进化算法用于多目标优化问题,提出了多目标混沌差分进化算法(CDEMO).该算法利用混沌序列初始化种群,并用混沌备用种群进行替换操作.该操作不仅起到了维持非劣最优解集均匀性的作用,而且增强了算法的搜索功能.对CDEMO的性能进行研究,数值实验结果表明了CDEMO的有效性.

     

基于单纯形算子的混合遗传算法

通过遗传算法（GA）与传统单纯形搜索法相结 合,并基于对遗传算法算子计算结构的调整,提出一种针对非线性规划问题的新算法——基 于单纯形算子的混合遗传算法（HGA）,仿真结果验证了这种新算法的有效性和合理性．     

基于两阶段领导的多目标粒子群优化算法

提出一种基于两阶段领导的多目标粒子群算法(P-AMOPSO).该算法包含4个改进策略:基于强支配排序与拥挤距离排序相结合的构造外部集策略,基于两阶段的领导粒子选择策略,基于高斯分布及均匀分布相结合的变异策略,基于邻域认知的个体极值更新策略.通过几个典型的多目标测试函数对P-AMOPSO算法的性能进行测试,并与多目标优化算法进行对比.结果表明,P-AMOPSO算法具有较好的搜索性能.     

基于子时段递推MFDA的水压机故障诊断方法

压力试验成为钢管生产过程中必需的质量检测环节,对钢管质量检验起着重要作用.为了快速对水压试验过程的故障进行诊断,本文提出了基于子时段递推多向Fisher判别分析的故障诊断方法.该方法根据不同故障在不同时段有不同表征的特点,将水压机生产过程分成多个子时段,对每个子时段的数据分别建立MFDA模型.此外,结合递推思想,将3个时段的诊断结果密切结合以提高诊断精度.采用水压试验机实际生产过程的四个锁阀故障数据对该方法进行测试,结果验证了该方法的有效性.     

基于多最小二乘支持向量机的草酸钴粒度软测量

提出了一种基于改进的鲁棒学习方法(improved robust learning algorithm,IRLA)的多最小二乘支持向量机(multipleleast squares support vector machine,Multi-LSSVM)建模方法,用以解决非线性系统建模问题。该方法通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多个成员最小二乘支持向量机模型,然后应用改进的鲁棒学习方法对成员最小二乘支持向量机模型的权重进行优化融合,从而使多最小二乘支持向量机模型具有较高的准确率和泛化能力。通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金合成过程草酸钴粒度软测量建模问题,获得了比单个最小二乘支持向量机模型方法更高的预测精度。     

并行启发式进化遗传算法

本文通过对遗传算法 (GA)的过早收敛问题及其解决方法的探讨 ,结合种群分布、多种群进化、迁徙及并行启发式结构等思想 ,提出一种求解全局最优解的并行启发式进化遗传算法 (PHGA) ,仿真结果验证了这种新算法良好的全局收敛性性能     

半干法烟气脱硫工艺中绝热饱和温差的软测量

针对半干法烟气脱硫工艺中绝热饱和温差的测量难题,提出一种基于混合策略的绝热饱和温差软测量模型,该混合策略既考虑了绝热增湿降温过程的机理,同时又利用了相关的过程数据信息.在分析烟气绝热增湿降温机理的基础上,指出实际工业过程中原有测量方案存在的不足,增加出口烟气湿度作为辅助变量以提高绝热饱和温差的估计精度,为克服湿度不易测量的问题,采用RBF人工神经网络作为湿度估计器.仿真结果分析表明,与工业脱硫过程的原有方案相比,基于混合策略的软测量模型的精度有很大提高,只需在脱硫塔入口安装湿度传感器即可比较准确地的估计出绝热饱和温差,保证脱硫系统高效安全稳定运行.     

诺西肽发酵过程中的混合建模

本文提出了一种发酵过程混合建模方法。该模型由基于质量平衡的发酵过程机理方程与基于数据的支持向量机模型2部分组成。机理方程作为描述过程的动态行为的整体框架，支持向量机模型用来进行模型参数的估计。并且提出了一种在线修正策略，增强了模型的实用性。将所建立的混合模型应用于诺西肽发酵过程中，结果表明，混合建模方法具有很好的估计性能。     

基于分时段参数修正的发酵模型的建立

发酵过程的自身复杂性以及菌体生长的不可逆性导致在单批发酵过程中模型的参数变化较大，本文在丝状菌体生长的产物结构模型基础上，利用检测到的数据对发酵过程模型中的参数分时段进行修正。通过灵敏度分析得到对状态变量影响较大的参数，采用经繁殖操作改进的粒子群算法对参数进行寻优修正。实验证明，基于分时段参数修正的发酵模型能适应单批发酵过程中的参数变化，具有精度高、修正速度快等优点。