基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

沥青氧化塔针入度软测量

针对沥青生产过程中的重要质量指标难以测量问题进行研究。采用部分最小二乘与神经网络相结合的方法建立软测量模型。并分别通过3种网络结构对过程数据进行仿真实验。结果表明，采用改进RBF网络建立的软测量模型在泛化能力和收敛速度上都有明显提高。     

非线性部分最小二乘方法的研究与应用

该文将部分最小二乘算法与径向基函数神经网络相结合,给出了一种非线性部分最小二乘建模方法,可以更加有效地处理过程非线性和数据共线性等复杂特性,提高模型的精度和推广能力。该方法在确定径向基函数神经网络的隐节点时,采用了一种改进型的k-均值聚类算法来自动确定最优的聚类区数。对煤气化炉合成气组分浓度软测量建模的应用结果表明,采用该方法建立的软测量模型在模型精度和推广能力等方面明显优于二次型多项式部分最小二乘方法建立的模型,并且计算精度满足工业生产的实际要求。     

微生物生长过程中菌体浓度的软测量

菌体浓度是微生物生长过程中关键的质量指标，作者利用ＲＢＦ神经网络建立了微生物生长过程中菌体浓度的软测量模型，探讨了软测量模型的动态校正方法，通过仿真验证了该方法的有效性。     

软测量模型的建立

软测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；也就是说软测量是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计。本文介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，同时还给出了建立一个完整的软测量模型的步骤。     

基于改进BP方法的精炼炉电压和电流软测量建模

在精炼过程中,精确地测量电弧电流和电弧电压对提高调节器性能、生产优质钢和提高冶炼效率有着重要的理论和实践意义.首先建立基于BP神经网络的电弧电流及电压软测量模型,然后针对BP神经网络收敛速度慢、易陷入局部极小值点的缺点,对模型进行改进,提出基于遗传算法的BP神经网络软测量模型.在MATLAB仿真平台中对建立的两个模型进行仿真比较,结果表明基于遗传算法的BP神经网络软测量模型在收敛速度、泛化能力等方面都要明显优于单一的基于BP神经网络建立的测量模型.     

模糊神经网络及其在聚酯酯化建模中的应用

提出一种通过改进减法聚类优选模糊规则的模糊神经网络建模方法．该算法仅从已知的输入输出数据中，就能快速确定模糊规则的数目；给出了模糊规则中参数的确定方法，用误差反传法优化参数；最后用该方法对聚酯的酯化率建立软测量模型，仿真结果表明该方法运算速度快，模糊规则较少，同时具有的良好泛化性能，能够满足软测量建模精度的要求。     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

再生水厂MBR工艺的膜寿命评价

针对膜生物反应器（membrane bio-reactor,MBR）污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络（recurrent radial basis function neural network,RRBFNN）的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法（partial least squares,PLS）筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.

     

基于递归RBF神经网络的MBR膜透水率软测量

针对膜生物反应器(membrane bio-reactor,MBR)污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络(recurrent radial basis function neural network,RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(partial least squares,PLS)筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.     

基于支持向量机算法的海水藻类生长状态软测量

为了有效监测海水藻类生长状态, 采用支持向量机算法对水体中关键表征因子进行软测量.首先采用网格寻优法对支持向量机(SVM)的惩罚因子C和参数σ进行参数寻优, 然后利用所得最佳匹配参数通过样本训练, 获得海水叶绿素-a浓度的软测量模型.将基于SVM的软测量结果与基于BP神经网络的软测量结果作对比, 可以看出, 基于SVM的软测量方法具有较好的预测精度和稳定性, 可应用于海水藻类生长状态的软测量.     

BP神经网络在预测路基沉降中的应用

为了预测高速公路路基最终沉降量，首先依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型．结合成都一南充高速公路沉降实测资料及其它文献中大量路基沉降资料，利用BP神经网络预测了其各自最终沉降量．通过检验样本验证，预测精度较高，能够满足实际需要．并对BP神经网络在公路建设中的应用提出了一些注意事项．     

利用神经网络预测开炼机横压力的大小

在实验数据的基础上,利用人工神经网络建立开炼机横压力与其影响因素之间对应关系的数学模型。用该数学模型对几种工况下横压力的数值进行预测,预测结果与实验数值相符。这为开炼机横压力的定量计算开拓了新途径。     

基于Hopfield模型和联想存储器的结构分析

运用连续型Ｈｏｐｆｉｌｅｄ网络以及连续双向联想存储器（ＢＡＭ）详述结构分析的两种新方法。新的方法是建立在比较上述两种方法的能量函数与结构位移法的能量函数（也就是所谓的刚度矩阵法）的关系基础上的,并且利用了人工神经网络所具备且优于经典数值方法的计算特点。几个相关结构分析的例子说明了以ＢＡＭ为基础的神经网络优于其他传统的数值方法及Ｈｏｐｆｉｅｌｄ模型。     

基于神经元网络的改进软测量技术

通过对输入变量进行主元分析,简化网络结构,提高网络训练速度和外推能力,为软测量技术的在线应用提供了更大的方便,仿真结果表明：改进后的方法改善了网络训练速度和外推能力。     

神经网络在水泥窑优化控制系统中的应用

提出了基于RBF神经网络的水泥窑优化控制系统方案,采用“定值控制回路＋RBF神经网络”两层控制结构,并通过接口外挂于水泥窑集散控制系统的高速数据通道上,实现窑的综合优化控制。仿真实验表明：该优化控制方案有很大的参考价值和实际意义。     

基于软测量的检测技术

在剖析软测量基本思想的基础上，通过实例对基于软测量的不同检测技术及应用进行了详细的分析和对比。结果表明：基于软测量思想可以形成3种不同于间接测量的典型形式检测技术．它们之间的最大不同是测量模型的输入输出与工业对象输入输出之间关系的差异．     

神经网络在组合优化问题中的应用

目的研究神经网络在组合最优化问题中的应用.方法通过讨论 Hopfield 神经网络模型,建立最优化问题的计算能量函数.结果和结论给出组合数学中八皇后问题的计算能量函数,使八皇后问题的解对应计算能量函数的最小值,并用 C 语言进行计机模拟,得到其全部解.     

基于熵判据自组织模糊神经网络的混沌时间序列预测

在自组织模糊神经网络(SOFNN)算法的基础上提出了一种基于熵判据的改进算法。依据动态自适应方式建立模糊神经网络,采用误差均方根判据和误差熵判据相结合的修剪策略,对网络进行剪裁,去掉对网络输出贡献小的节点。算法的主要优点在于:能够自动地决定神经模型的结构并得出模型的参数,而不需要对神经网络和模糊系统有深入的理论知识,算法具有非常高的预测精度,并且通过修剪策略提高网络的泛化能力。应用该算法对典型的混沌时间序列Mackey-Glass序列进行了研究,结果表明,应用新的修剪策略后,算法精度及泛化能力进一步提高,并且需要的先验知识少,更适合于实际应用。