模糊神经网络在工业加热炉中的应用

针对工业控制过程中较为常见的一种控制过程——电加热炉的炉温控制,采用了一种基于模糊基函数的模糊神经网络控制器,并给出了应用于此模糊神经网络的自学习算法。最后,将该模糊神经网络控制器应用于实际的工业加热炉炉温控制系统中。应用结果表明,该控制方案可改善具有时变及大滞后的炉温控制系统,特别是对于一些缺乏先验知识的实际工业控制过程,该控制策略具有良好的控制效果。     

基于操作域划分的聚丙烯熔融指数软测量

讨论了如何建立聚丙烯熔融指数软测量模型及模型更新问题.首先根据聚丙烯反应器中的氢气浓度划分操作域,对于每个操作域,用一种新的非线性部分最小二乘方法建立熔融指数软测量子模型,然后将各个子模型进行组合,建立全局模型.为了使模型适应过程的变化,提出一种递推非线性部分最小二乘算法,利用新获得的数据对原模型进行更新.同时基于滑动窗方法,提出模型在线估计和更新策略.实际应用结果表明,模型取得了很好的估计性能,计算精度满足工业生产的实际要求.     

模糊神经网络及其在系统建模与控制中的应用

模糊神经网络是模糊系统和神经网络的有机结合 ,它吸取了两者的优点。给出了两个具体的模糊神经网络结构以及相应的学习算法 ;介绍了利用模糊神经网络建立 T- S模糊模型的方法 ;讨论了基于 T- S模糊模型的控制系统分析和设计。     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元 ,具有很强的非线性和时变性 ,故很难进行机理建模分析或常规在线实时控制 ,因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型 ,将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中     

基于典型相关分析和数据自回归处理的BP神经网络在聚丙烯熔融指数预报中的应用

由于聚丙烯生产是一个大量参数相互耦合的强非线性过程,使得传统的机理建模受到一定的限制。提出基于典型相关分析和数据自回归处理的BP神经网络软测量建模,通过可测变量来推知聚丙烯熔融指数。应用典型相关分析选择与输出熔融指数关系较大的独立输入变量,数据自回归处理校正一系列带有误差的量测数据,而BP神经网络用来刻画过程的非线性特征。最后,将提出的算法应用到聚丙烯大型生产工艺中进行熔融指数的预报建模并进行实例仿真,仿真结果表明该算法有较强的建模精度。     

自适应粒子群优化算法在聚丙烯熔融指数预报上的应用

针对丙烯聚合生产控制中聚丙烯熔融指数在线测量的控制要求,以及过程变量间相关性高的特点,提出一种基于自适应粒子群优化算法和径向基函数神经网络的聚丙烯熔融指数预报新方法。该方法采用变参数的自适应粒子群优化算法提高优化算法的效率和收敛性,并且融合了主成分分析、统计建模以及智能优化方法,从而降低了预报模型的复杂度。提出了一种基于径向基函数神经网络的统计预报模型的参数优化和结构优化方法。使用该统计模型对工厂实际生产过程进行预报,并与国内外相关研究报道相比较,表明了本文所提出的预报方法的有效性和更高的准确性。     

基于参数优化的自适应模糊神经网络控制在污水处理中的应用

针对活性污泥污水处理系统的机理模型具有复杂的非线性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种优化的自适应模糊神经网络控制方法,分析了控制模型参数对系统的影响,并经过数据训练得到控制器各参数的寻优方法,获得系统的最优化参数。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较高的控制效果与控制精度。与传统控制方法相比,该控制方法更具有鲁棒性。仿真结果验证了该控制方法的有效性和正确性。     

模糊神经网络在巷道支护方案选择中的应用

为解决巷道支护方案选择的问题,结合模糊理论与人工神经网络,利用MATLAB构建模糊神经网络评价模型,该模型通过处理各评价指标数据,对围岩稳定性进行分级。经过网络训练与检测,该模型能够较好地评价巷道围岩稳定性,将其应用于程潮铁矿某一水平巷道支护方案选择中,针对不同的部位采取相应的支护方案,预测结果经实践检验效果良好,安全可靠,可为巷道支护方案的选择提供科学指导。     

一种基于新型蚁群算法的聚丙烯熔融指数预报模型

聚丙烯熔融指数的实时预报非常重要却十分困难,提出了一种经过新型蚁群算法优化后的PCA-RBF神经网络方法进行熔融指数预报。PCA将原始数据从高维空间映射到低维空间,剔除冗余信息和提取过程特征;RBF神经网络则用来拟合输入与输出之间的非线性关系;最后用适用于连续空间寻优问题的新型蚁群算法对RBF神经网络权值进行优化。实际生产数据的研究结果,表明了所提出的熔融指数预报模型的准确性和可靠性。     

模糊神经网络在CO_2汽提塔液位预测中的研究

二氧化碳汽提塔液位系统是一个复杂非线性过程,本文基于一种新型复合型模糊神经网络,对该液位系统的建模和预测进行了研究。仿真实验表明,该网络在复杂非线性过程中具有较好的性能,为实现模糊神经网络在化工生产过程中的应用提供了思路和方法。     

聚丙烯熔体流动速率测定影响因素的考察

采用意大利CEAST 7024.000型熔体流动速率(MFR)测定仪,在2.16 kg负荷下测定聚丙烯(PP)样品的MFR,考察了口模及料杆清洁情况、加料后样品压实情况、开始切割样品的控制方式、负荷开始加载时间、氮气吹扫等操作因素对测定结果准确度及精密度的影响,得到了加料后样品压实情况对测定结果影响最大的结论,从而规范了操作,保证了PP MFR测定结果的准确度及精密度。     

自动法测定聚苯乙烯和聚丙烯腈－丁二烯－苯乙烯共聚物的熔体流动速率

采用手动法和计时法测定聚苯乙烯（PS）、丙烯腈-丁二烯-苯乙烯共聚物（ABS）的熔体密度,研究了自动法测定熔体流动速率。结果表明,自动法测定PS、ABS的熔体流动速率方便快捷,与手动法比较,其误差小于2 %。     

LLDPE标样用于HDPE和LDPEMFR测定的研究

通过在不同试验室用２种不同标样测定试样熔体质量流动速率,并对试验数据采用方差分析的方法进行统计分析,探讨了线型低密度聚乙烯标样用于相同条件下测定低密度聚乙烯和高密度聚乙烯树脂ＭＦＲ的可行性。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

利用神经网络预测注塑成型过程熔融温度

Among the processing conditions of injection molding, temperature of the melt entering the mold plays a significant role in determining the quality of molded parts. In our previous research, a neural network was developed to predict the melt temperature in the barrel during the plastication phase. In this paper, a neural network is proposed to predict the melt temperature at the nozzle exit during the injection phase. A typical two-layer neural network with back propagation learning rules is used to model the relationship between input and output in the injection phase. The preliminary results show that the network works well and may be used for on-line optimization and control of injection molding processes.     

不同颜料浓度时添加高熔体流动速率PE-LLD的色母粒性能研究

以高熔体流动速率的线形低密度聚乙烯（PE-LLD）与低密度聚乙烯（PE-LD）混合作为载体,不添加任何分散剂制成不同颜料浓度的蓝色母粒。研究了该体系的加工流变性能、母粒的着色性能以及分散性能,并与以低相对分子质量聚乙烯蜡作为分散剂的PE-LD色母粒进行了对比。结果表明,当颜料浓度为30 %（质量分数,下同）时,以PE-LLD/PE-LD作为载体,不用添加任何分散剂,制品的力学性能和色彩性能都可达到使用要求;但当颜料浓度达到40 %及以上时,以PE-LLD/PE-LD为载体和添加聚乙烯蜡2种加工方法都不能得到合格的制品。     

基于神经网络的两相流流型识别方法研究

采集了水平管内气水两相流动的差压信号,利用概率密度函数(PDF)对差压信号特征进行了分析;定义了PDF的四个特征参数,即PDF波峰个数K1、波峰峰值K2、波峰位置K3、以及PDF的方差K4来反映流型的特征。运用四个参数构成的特征向量对径向基函数(RBF)神经网络进行训练并识别流型,结果表明,该方法具有识别速度快、准确率高的特点,从而为两相流的流型识别提供了一种有效的手段。     

模糊神经网络在热网远程监控系统中的应用

为了使二次管网供水相对均匀、稳定地分配给热网用户,设计了一个模糊神经网络控制器,并以模糊神经网络控制理论为基础制定了热网压力、流量控制规则。仿真结果表明:系统输出流量响应快、超调量小、稳定性高。     

聚合物熔体收敛流动的可视化实验与理论研究

采用可视化实验技术,获和了流过楔形收敛流道的高密度聚乙烯（ＨＤＰＥ）熔体内着色条料的流迹图像。实验结果表明,收敛流道内ＨＤＰＥ熔体的流速与由于文推导的幂律流体较接近,在此基础上,采用该幂律流体模型,揭示了楔形收敛流道内流速与延伸应变速率随径向位置和偏心角度的变化规律,并利用该规律对聚合物熔体的连续挤出自增强作了分析。     

基于模糊推理与神经网络的混合气体识别方法

讨论了基于对半导体气敏元件周期性加热条件下,分析其瞬向应特性并利用模糊揄与神经网络对事气体分类及浓度估计的一种新方法。实验结果表明,该方法能够获得较高的分辩率。