聚丙烯反应器熔融指数预测控制算法

针对双环管聚丙烯反应器中的熔融指数难以在线测量的问题,采用机理建模方法建立熔融指数软测量模型。为了实现预测控制,将软测量模型转化为Hammerstein模型形式作为预测模型。并基于这个预测模型设计预测控制器,实现了聚合反应过程的熔融指数预测控制,仿真结果验证了该方法的有效性。     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

混合神经网络建模方法在青霉素发酵过程中的应用

本文采用广义混合神经网络建模方法对青霉素发酵过程进行建模，根据青霉素发酵过程可在线测量过程参数二氧化碳生成率CER，实现青霉素发酵过程生物质浓度的测量。由仿真实验结果可以看出，该方法建模精度高、泛化能力强。     

在线角速度估计的乒乓球机器人视觉测量方法

针对目前乒乓球机器人在视觉跟踪过程中无法准确识别和跟踪旋转球轨迹,导致预测结果误差较大的问题,提出基于在线旋转角速度估计的视觉测量方法.该方法应用空气动力学的理论知识对旋转球的受力情况进行分析建模,构建旋转球轨迹的过程方程和观测方程,利用非线性扩展Kalman滤波器对包括角速度在内的运动状态进行估计.通过仿真实验和实际轨迹跟踪实验验证了该方法的有效性和正确性,且预测结果优于同类跟踪方法.该方法亦可应用于实时高速目标跟踪的场合.     

在线模糊支持向量机回归方法及其应用

针对全局建模方法很难精确描述实际生产过程,提出了一种模糊支持向量机回归建模算法,并推导出相应的增量与减量算法;在此基础上,提出了在线模糊支持向量机回归建模方法,该方法利用滚动时间窗内的数据优化建模,随着时间窗的滚动,在原有模糊支持向量机模型的基础上通过增量与减量算法实现参数的快速在线更新。通过将该方法用于丙烯腈收率的预测建模,结果表明,所提方法具有参数调整时间快、泛化能力强的优点,可以较好的跟踪丙烯腈收率的变化。     

基于神经网络的自适应控制器在CSTR中的应用研究

针对工业过程的特点和控制要求，提出一种基于多步预测的神经网络自适应控制算法。该控制器采用改进的RBF神经网络对过程进行建模，利用多步预测误差对神经网络控制器进行训练，从而实现控制器参数的在线自适应寻优。针对CSTR系统的仿真结果表明，该控制器对非线性、时变对象有很好的跟踪控制效果和鲁棒性。     

基于户型图实例分割的室内场景建模研究

为满足房产室内场景在线三维建模与展示的需求,提出了一种基于户型图实例分割与ThreeJS的室内场景建模方法。该方法以户型图栅格数据和户型结构矢量数据作为输入,将Mask R-CNN算法应用于户型图栅格数据的实例分割,实例分割结果与户型结构矢量数据进行配准,最后,通过家具模型库自动适配,基于ThreeJS完成室内场景三维在线快速建模。实验结果表明:该方法建模过程简单、高效、灵活,模型效果符合预期。     

动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星理发池阵输出功率的未来值进行预测，可实现对电池阵性能劣化的早期预报。灰色预测方法的GM(1，1)模型只适合对单调递增或递减时间序列进行预测，针对卫星电池阵输出功率具有波动变化的趋势特征，采用实时在线的方法，建立了动态新息GM(1，1)预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，并且能对电池阵输出功率的波动变化趋势正确预测。该建模方法对其他非单调时间序列的工程预测也具有参考价值。     

基于在线SVM的裂解炉燃料气热值软测量

针对裂解炉燃料气离线热值模型泛化能力差的问题,提出一种具有自适应能力的在线支持向量机(Online SVM)建模方法.该方法将增量式支持向量机(ISVM)与近似线性依靠(ALD)条件相结合,通过计算新样本与建模样本间的近似线性依靠值,选择满足ALD条件的独立新样本更新SVM模型.分析裂解炉燃料气热值的影响因素,并用Online SVM算法建立裂解炉燃料气热值在线软测量模型.该模型由离线训练模块和在线模型更新模块组成.离线训练模块基于离线数据训练得到初始热值软测量模型,在线更新模块通过使离线模型学习线性独立新样本来保证热值模型的在线预测精度.利用合成数据、Benchmark数据与裂解炉燃料气热值数据,将该方法与传统的SVM和LS-SVM方法进行对比仿真研究.结果表明:该方法能够适应新的工况,具备自适应学习新样本的能力,可以用于具有慢时变特征的裂解炉燃料气系统热值软测量建模.     

基于在线SVM的裂解炉燃料气热值软测量

针对裂解炉燃料气离线热值模型泛化能力差的问题,提出一种具有自适应能力的在线支持向量机(Online SVM)建模方法.该方法将增量式支持向量机(ISVM)与近似线性依靠(ALD)条件相结合,通过计算新样本与建模样本间的近似线性依靠值,选择满足ALD条件的独立新样本更新SVM模型.分析裂解炉燃料气热值的影响因素,并用Online SVM算法建立裂解炉燃料气热值在线软测量模型.该模型由离线训练模块和在线模型更新模块组成.离线训练模块基于离线数据训练得到初始热值软测量模型,在线更新模块通过使离线模型学习线性独立新样本来保证热值模型的在线预测精度.利用合成数据、Benchmark数据与裂解炉燃料气热值数据,将该方法与传统的支持向量机(SVM)与LS-SVM方法进行对比仿真研究.结果表明:该方法能够适应新的工况,具备自适应学习新样本的能力,可以用于具有慢时变特征的裂解炉燃料气系统热值软测量建模.     

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明人工神经网络技术在开采沉陷预计领域中具有实用价值     

Grey Prediction Fuzzy Control of the Target Tracking System in a Robot Weapon

Grey modeling can be used to predict the behavioral development of a system and find out the lead control values of the system. By using fuzzy inference, PID parameters can be adjusted on line by the fuzzy controller with PID parameters self-tuning. Acco     

应用灰色新陈代谢GM(1,1)模型预测河流水质

由于常规GM(1,1)模型进行预测时,精度较高的仅是最近的几个数据,越往未来发展,该模型预测的精度也就越弱。针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测。计算机实际模拟证明:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可靠程度,从而实现河流水质的早期预测评估。     

开采沉陷动态参数预计的三次指数平滑法

在我国,概率积分法是应用最多的一种开采沉陷预计方法．该方法中的预计参数在不同采动程度下是变化的．能否准确获知动态参数的变化规律将决定着开采沉陷的预计精度．为较好地解决这一问题,引入了一种动态参数预计的新方法,即三次指数平滑法．应用此方法对实测资料进行了预计和比较,结果表明,各预计参数的平均相对误差都小于4％．由此可见,该方法对开采沉陷的预测具有一定的应用价值．     

开采沉陷动态参数预计的三次指数平滑法

在我国,概率积分法是应用最多的一种开采沉陷预计方法.该方法中的预计参数在不同采动程度下是变化的.能否准确获知动态参数的变化规律将决定着开采沉陷的预计精度.为较好地解决这一问题,引入了一种动态参数预计的新方法,即三次指数平滑法.应用此方法对实测资料进行了预计和比较,结果表明,各预计参数的平均相对误差都小于4%.由此可见,该方法对开采沉陷的预测具有一定的应用价值.     

基于时间序列趋势模型的研究与应用

该文针对呼叫中心话务量预测的问题,分析比较了目前常用的预测技术和方法,根据对实际话务量数据信息的分析研究,利用基于季节变动模型的时间序列分析方法,建立了原点相乘式直线型拟合季节变动趋势预测模型DART,对某呼叫中心话务量的时间序列进行了分析处理和预测,预测的结果表明该趋势模型能较全面地达到所要求的拟合效果和精度,从而较好地解决呼叫中心的呼入话务量的实际预测问题。     

饱和信号交叉口排队长度预测

通过采用自适应权重指数平滑法,对进口车道的实时流量进行预测,建立了以定数排队理论为基础的排队长度预测模型。该模型可以实现对饱和信号交叉口排队长度的预测,预测结果具有较强的自适应性,更符合交通流的实际运行状况。实际数据验证结果表明:在拥挤的交通状态下,该模型的预测精度可达到85%以上,可以满足信号配时和交通管理的需要。     

群体建筑物震害特征类比预测方法与应用

为了简化震害预测工作,从以往震害实例中选取了具有典型破坏特点的建筑物作为样本,提出以房屋的结构类型、高度、建设年代、现状质量和用途为震害影响因子的震害特征类比预测方法.与传统方法比较,本文方法精度较高,作为城市群体震害预测分析是可行的.该方法应用于厦门市群体建筑震害预测,并对其震害结果进行了统计分析.     

广义回归神经网络在煤灰熔点预测中的应用

为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力.