一种快速全局聚类算法应用于化工建模的数据提取

分别采用模糊C-均值聚类方法和快速全局C-均值聚类两种算法实现化工建模所需训练数据的有效提取.实验结果表明,采用快速全局C-均值聚类算法在时间和数据的准确及有效性等方面都比模糊C-均值聚类有所提高.     

基于自适应布谷鸟搜索的模糊聚类算法

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定,影响算法的整体寻优效率和寻优精度,为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法,并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷。首先根据搜索阶段的不同自动调节两个参数,使全局和局部的搜索能力达到最平衡的状态,提高整体的搜索效率;然后用改进的布谷鸟搜索算法优化模糊聚类算法,使得算法达到更好的聚类效果。在对比实验中验证了改进后的自适应布谷鸟搜索算法在寻优速度和精度上效果更优。通过比较4种算法在UCI数据集上的聚类效果,验证了改进后的算法在聚类准确率和稳定性上都有所提升。     

基于聚类算法的模糊神经网络MCP预测方法研究

本文提出采用聚类算法的模糊神经网络来预测MCP。该预测模型结构简单,是数据驱动的模型,通过对输入输出数据对的模糊C均值聚类确定模糊规则的数目,解决了全连接模糊神经网络模糊规则数目难以确定以及网络复杂所带来的训练时间长的问题。     

基于快速高斯核函数模糊聚类算法的图像分割

对模糊聚类算法通过引入高斯核函数,平滑图像像素灰度值,从而增强图像分割的抗干扰能力和鲁棒性,并结合阈值模糊聚类算法,提高了图像分割的速度。首先利用阈值模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用高斯核函数平滑图像的像素灰度值;最后用标准模糊聚类算法求解并优化模糊隶属度和聚类中心。将本算法应用于添加噪声的嫦娥一号采集的月球地面灰度图像和Lena灰度图像进行图像分割,仿真结果验证了本方法的鲁棒性、有效性和实用性。     

数据挖掘中Fuzzy c-means的自适应聚类算法

聚类算法是数据挖掘算法中的重要解决方法。针对现有聚类算法模糊c均值算法FCM中的不足 ,如需要预先确定聚类参数c,随机性较强、局部最优等弱点 ,对其算法结构加以改进 ,提出模糊c均值自适应算法 (FCMA) ,增加聚类有效性问题的分析 ,在聚类过程中可动态调整聚类数目 ,这种方法可以避免在确定参数时的随机性和经验性 ,提高聚类算法的可靠程度。     

基于FGPC的单元机组协调控制系统研究

针对单元机组的大迟延、强耦合、参数时变且不确定性的特点,将T—s模糊模型引入预测控制中,作为预测模型。首先,用改进的模糊c一均值聚类算法和随机牛顿法辨识得到非线性系统的T-s模型;然后基于线性化后的系统模型设计模糊广义预测控制器,并对非线性对象进行在线控制。仿真结果表明：FGPC对于时变的非线性系统具有很好的控制效果。     

一种基于数据驱动的模糊系统建模方法

针对工业生产中的一些复杂、非线性模糊系统,传统的建模方法很难描述其特性,而在实际生产中存在大量输入输出数据,提出了一种通用的基于数据驱动的模糊系统建模方法.采用减法聚类和模糊C-均值相结合的模糊聚类算法对输入空间进行划分,进而从输入输出采样数据中提取系统模糊规则,这样使得被辨识模型可用若干局部线性模型表示,然后利用递推最小二乘法对后件参数进行辨识,从而建立了非线性系统的T-S模糊模型.最后,应用该方法对一个非线性系统进行辨识,仿真结果验证了所提方法的有效性.     

基于主元分析-模糊C均值聚类优化黄霉素发酵过程

在优化黄霉素摇瓶发酵过程中,首先利用主元分析(PCA)将黄霉素摇瓶发酵过程中的控制参数进行降维处理,消减不重要的控制参数;然后利用模糊C均值聚类方法(FCM)对主元分析处理后选取的重要控制参数进行聚类分析,优化黄霉素摇瓶发酵控制参数的分布范围。实验证明,基于主元分析(PCA)和模糊C均值聚类(FCM)的混合算法有效地缩小了黄霉素摇瓶发酵过程中主要控制参数的分布范围。这充分说明该混合算法对黄霉素摇瓶发酵过程的优化具有良好的指导作用。     

基于模糊聚类的彩色图像分割算法

提出了基于HSV空间的模糊聚类彩色图像分割算法。运用模糊C方法（FCM fuzzy clustering measure模糊聚类方法）对颜色量化后的图像进行聚类,结合了彩色图像的色彩和空间信息的特点,并且对聚类结果进行了合并优化,去除了聚类过于细小的部分。     

改进的K-均值聚类算法

在分析聚类结果对初值依赖性的基础上,对初值选取方法进行了分析和研究,提出了K-均值聚类算法中寻找初始聚类中心的新方法。该算法首先计算出样本间的距离,然后根据样本点之间的距离寻找出有可能是一类的数据,最后依赖这些样本点形成初始聚类中心。     

基于EM算法的青霉素发酵过程多阶段融合建模

青霉素发酵过程具有明显的阶段特征,该特征从一些关键操作变量信息中能够得到反映.本文从反应过程的多个操作变量中,选取关键过程变量--冷水流加速率作为调度变量,并采用模糊C均值聚类算法对其进行分类,各聚类中心作为青霉素发酵过程的主要工况点;基于EM算法围绕不同工况点建立局部子模型,最后根据采样数据阶段特征的后验分布将各子模型融合.基于此方法采用Pensim仿真平台数据,能够辨识数据的阶段特征,并建立青霉素发酵过程的融合模型.仿真结果表明该模型具有较高的拟合精度,能对该发酵过程的主导变量进行比较精确的预测.     

动态核聚类算法在乙烯生产中的优化模式识别

针对传统的C means聚类在小样本和类别交叉空间存在样本错分问题,研究分析一种基于核函数的动态聚类方法,以广义欧式距离作为高维特征空间的相似性度量,提高聚类的准确性,仿真实例验证了算法的有效性。提出利用动态核聚类方法来识别乙烯裂解炉生产过程最优操作模式,动态调整乙烯裂解炉的操作条件以及选择油品和预测收率,实际的工业应用说明动态核聚类方法的可行性。     

基于FCM聚类的气化炉温度多模型软测量建模

水煤浆气化是煤炭资源高效清洁利用的重要技术。气化炉反应温度是关系装置能否长周期安全稳定运行的关键参数,但是热电偶在高温、高压和气固物流冲刷环境下,使用寿命有限。本文以一多喷嘴对置式水煤浆气化炉为研究对象,在多模型建模方法的基础上,以数据点间的相似程度作为多模型子区间的划分手段,结合最小二乘支持向量机建立了基于模糊C均值聚类的气化炉温度软测量模型。实际工业运行数据验证结果表明,该软测量模型拟合精度较高,模型泛化能力较强。     

Modeling of a paper-making wastewater treatment process using a fuzzy neural network

An intelligent system that includes a predictive model and a control was developed to predict and control the performance of a wastewater treatment plant. The predictive model was based on fuzzy C-means clustering, fuzzy inference and neural networks. Fuzzy C-means clustering was used to identify model’s architecture, extract and optimize fuzzy rule. When predicting, MAPE was 4.7582% and R was 0.8535. The simulative results indicate that the learning ability and generalization of the model was good, and it can achieve a good predication of effluent COD. The control model was based on a fuzzy neural network model, taking into account the difference between the predicted value of COD and the setpoint. When simulating, R was 0.9164, MAPE was 5.273%, and RMSE was 0.0808, which showed that the FNN control model can effectively change the additive dosages. The control of a paper-making wastewater treatment process in the laboratory using the developed predictive control model and MCGS (monitor and control generated system) software shows the dosage was computed accurately to make the effluent COD remained at the setpoint, when the influent COD value or inflow flowrate was changed. The results indicate that reasonable forecasting and control performances were achieved through the developed system; the maximum error was only 3.67%, and the average relative error was 2%.     

一种基于历史数据的加热炉温度模糊控制规则提取方法

针对加热炉模糊控制器模糊规则库难以建立的问题,提出了一种基于历史数据的加热炉温度模糊控制规则提取方法。此方法包含3个环节,首先选择输入输出变量和典型工况的历史数据并对数据进行预处理,再对历史数据使用模糊C-均值聚类算法以确定规则数目和输入变量的隶属度函数,最后对每条规则使用支持向量回归机算法确定规则的后件参数。应用此方法能够有效地提取加热炉模糊控制器的模糊规则,实验结果验证了该方法的有效性。     

Investigation on gas–solid flow regimes in a novel multistage fluidized bed

Gas–solid flow regime in a novel multistage circulating fluidized bed is investigated in this study. Pressure fluctuations are first sampled from gas–solid flow systems and then are analyzed through frequency and time–frequency domain methods including power spectrum and Hilbert–Huang transform. According to the flow characteristics obtained from pressure fluctuations, it is found that the gas–solid motions in the multistage circulating fluidized bed exhibit two dominant motion peaks in low and high frequencies. Moreover, gas-cluster motions become intensive for the multistage circulating fluidized bed in comparison with the fast bed. Unlike the traditional methods, the fuzzy C-means clustering method is introduced to objectively identify flow regime in the multistage circulating fluidized bed on the basis of the flow characteristics extracted from bubbling, turbulent, fast, and multistage fluidized beds. The identification accuracy of fuzzy C-means clustering method is first verified. The identification results show that the flow regime in the multistage circulating fluidized bed is in the scope of fast flow regime under examined conditions. Moreover, the results indicate that the consistency of flow regime between two enlarged sections exists. In addition, the transition onset of fast flow regime in the multistage circulating fluidized bed is higher than that in the fast bed.     

模糊核聚类在优化模糊控制隶属函数中的应用

针对模糊控制器隶属函数的设计与优化缺乏自学习能力的缺点,将模糊核聚类算法与TrustRegion(信赖域)方法结合起来。首先利用模糊核聚类算法对模糊控制输入、输出样本集进行聚类,然后用Trust-Region最优化方法对聚类结果进行曲线拟合,实现了模糊控制输入、输出空间的划分、隶属函数类型的确定和参数的优化。在Matlab中的仿真结果表明:模糊控制器经过笔者提出的算法优化后控制品质有较大的改善和提高。     

基于改进模糊C均值聚类算法的乙烯裂解原料识别

乙烯裂解过程中原料变化种类多,其原料分析仪因价格昂贵工业现场很少配备,为此实现油品属性的在线识别对实现裂解过程在线优化具有重要意义。由于传统模糊C均值算法隶属度的求取是基于欧氏距离,其算法只包含均值中心,带来聚类效果的单一性。为了充分利用裂解原料的有效信息,提出了基于混合概率模型的模糊隶属度设置方法,即通过建立混合高斯模型实现对聚类样本隶属关系的概率分布描述,并利用EM算法进行模型参数的极大似然估计。该算法可在考虑样本均值中心的前提下,进一步有效利用样本协方差与权重系数信息进行模式判别。最后,以经典IRIS数据聚类、乙烯裂解原料识别为仿真实例,验证了本文所述方法在Dunn指标和Xiebieni指标上明显优于模糊C均值聚类算法,表明了该方法的有效性。