冷凝器污脏测量方法的研究

提出了一种在线测量冷凝器污脏程度的新方法.该方法选取传热端差作为研究对象,以神经网络建模技术为基础成功实现冷凝器污脏、工况参数变化对传热端差影响的分离,可较准确地实现冷凝器污脏的在线监测.在神经网络建模中,采用RBF神经网络描述变工况传热端差变化的非线性过程,研究了一种自适应训练算法动态调整网络结构与参数,从而获得了结构紧凑、精度较高的测量模型,便于实时应用.根据此方法,研制了以DSP为核心的测量仪,并在不同工况和堵管情况下进行了现场试验, 试验结果证明了该方法的有效性.     

基于对角递归神经网络的冷凝器污脏测量

提出了一种在线测量冷凝器污脏的新方法。该方法选取传热端差作为研究对象,运用对角递归神经网络建立变工况端差模型,成功分离出冷凝器污脏对端差的影响,准确实现冷凝器污脏程度的在线监测。根据此方法,研制了以数字信号处理器为核心的测量装置,并进行了现场试验,试验结果证明:该方法有效、可行。     

基于改进模糊神经网络的软测量建模方法

提出了一种改进的模糊神经网络软测量建模方法，采用规则化的平均输出隶属度函数作为模糊基函数进行反模糊化运算；在训练网络时,部分参数采用Levenberg-Marquardt算法来训练，另一部分采用一阶梯度下降法．最后用该建模方法建立了聚合反应中熔融指数的软测量模型，并与一般的模糊神经网络软测量模型进行比较．结果表明改进的模糊神经网络对初始值的选择不敏感,具有很好的收敛性，同时还能达到指定的预测精度，很适合工程应用．     

基于模糊最小二乘支持向量机的软测量建模

将模糊隶属度概念引入最小二乘支持向量机,提出一种基于支持向量数据域描述的模蝴隶属度函数模型,将输入空间中的样本映射到一个高维的特征空间;然后根据其偏离数据域的程度赋予不同的隶属度．该方法提高了最小二乘支持向量机的抗噪声能力,尤其适用于未能完全揭示输入样本特性的情况．将提出的方法用于催化裂化分馏塔轻柴油凝固点的软测量建模,仿真结果表明,该模糊隶属度函数模型能够提高最小二乘支持向量机的预测精度．     

基于自适应模糊聚类的神经网络软测量建模方法

提出一种基于模糊聚类的神经网络软测量建模方法．该方法采用数据分组训练、自动确定模糊分类数、在线测量时分类中心自适应修正，降低了计算量，提高了建模精度．将该算法用于步进式加热炉钢坯温度预报的仿真结果表明，它能够解决钢坯温度难以在线测量的问题。     

基于模糊神经网络的COD软测量技术的研究

针对现在污水处理过程中监测水质的设备与技术比较落后,原始的实验室化验方法会造成时间的严重滞后,不能及时的反馈信息保证产品的质量,可能会造成一些严重的后果;采用了一种基于模糊神经网络(FNN)软测量技术的方法,充分利用神经网络的非线性映射能力、学习能力、并行处理能力和容错能力,以及模糊逻辑系统处理不确定性的能力等优势;将两者有机结合起来,组成在功能上更加完善和强大的模糊神经网络,以此进行建模,实现对污水处理中难测水质指标-化学需氧量(COD)的在线监测。     

基于T-S模糊系统的软测量混合建模研究

在分析几种模糊系统建模方法的基础上，提出一种简单有效的软测量建模方法．该算法基于变结构构造法模糊建模思想，均匀设计模型的初始结构，以绝对误差为建模指标，通过增加模糊规则来提高T S模糊系统的精度．为降低规则参数辨识的计算量，提高建模速度，将规则参数分为线性和非线性两部分，分别采用Levenberg Marquardt法与最小二乘法进行辨识．实例证明，本文所提出的建模方法规则分布合理，收敛速度快，泛化性能好，适合建立多输入的软测量模型，具有较好的实际应用价值．     

基于SVM的软测量建模

支持向量机(Support Vector Machines)是一种基于统计学习理论的新型学习机，本 文提出用支持向量机建立软测量模型．理论分析和仿真研究表明，该方法学习速度快、跟踪 性能好、泛化能力强、对样本的依赖程度低，比基于RBF神经网络的软测量建模具有更好的 推广能力．     

基于模糊神经网络骨素pH值软测量

针对明胶中和工序骨素人工检测pH值严重滞后的问题,提出了模糊神经网络pH值软测量方法。确定与骨素pH值最相关影响因素,结合模糊C均值聚类和BP算法对模型结构及参数辨识,在matlab环境下进行仿真,仿真结果表明,模糊神经网络模型具有很好的学习能力和泛化能力,能大大提高测量的精度,可实现在线检测骨素pH。     

基于模糊聚类分析的多模型软测量技术及其应用

提出基于多模型的思路，在软测量技术中采用模糊聚类的方法将数据样本进行分类，用分类建模的方法对不同数据组分别进行基于神经网络的建模。给出了工业仿真实例，取得了满意的效果。     

基于模糊竞争学习的非线性系统自适应模糊建模方法

提出了一种新的基于模糊竞争学习的自调整的模糊建模方法. 基于模糊竞争学习, 模糊系统能够进行自适应模糊推理. 在被调整模糊系统基础上, 提出了一种非线性系统在线估计参数的在线辨识算法. 为了证明提出算法的有效性, 最后给出了几个例子的仿真结果.     

基于改进极限学习机的软测量建模

极限学习机（ELM）因其泛化能力好和学习速度快而成为软测量的新方法,但当应用到铝电解工艺参数建模时,ELM通常需要较多隐层节点并且泛化能力较低。针对这一问题,提出一种基于改进极限学习机（IELM）的软测量模型。首先,利用粗糙集中的约简理论剔除输入变量中的冗余或不相关属性,以降低ELM的输入复杂性;然后,利用偏相关系数对输入变量和输出变量间的相关性进行分析,将输入数据分为正输入和负输入两部分,分别对这两部分建立输入单元,重新构建ELM网络;最后,建立了基于改进极限学习机的铝电解分子比软测量模型。仿真实验结果表明,基于改进极限学习机的软测量模型具有较好的泛化能力和稳定性。     

基于模糊神经网络的双凸极永磁电机非线性建模

双凸极永磁电机的电感、磁链等特性呈严重非线性,常规的线性或准线性模型难以准确反映双凸极永磁电机的实际特性,影响双凸极永磁电机的控制精度和工作性能.为此,本文提出采用自适应模糊神经网络建立双凸极永磁电机模型的新方法.首先在介绍了自适应模糊神经网络结构后,采用改进的递推最小二乘法修改网络参数,同时采用遗传算法对遗忘因子和学习率进行了优化,仿真计算和实测结果表明,该模型有很快的收敛性和很高的精确度,最后给出了利用模型实现双凸极永磁电机优化控制的方法.     

基于软测量的自动配煤控制系统设计

针对配煤这一炼焦生产过程中的重要环节,其配比的准确性和配煤系统的可靠性将直接影响焦炭的质量和经济效益以及能否顺利推焦,某焦化厂由于所使用的皮带秤精度差,难以投入闭环控制,提出了一种基于多元线性回归的软测量技术,实现了配煤的准确称重;同时配煤过程被控对象具有非线性、时变、时滞,并且很难建立精确的数学模型,提出了基于专家知识的参数自整定模糊PID控制方法。这种基于软测量的模糊自整定方法在该厂配煤过程中成功应用,投运以来配煤合格率由原来的70%提高到95%,实现了稳定优化配煤,稳定焦炉生产,提高焦碳质量的目的。该方法具有广阔的应用前景和推广价值。     

基于模糊ARMAX模型的模糊建模

提出了一种利用MGS(modified Gram-Schmidt)算法建立模糊ARMAX模型的方法, 给出了基于MGS算法的模型结构和参数辨识的一体化方法. 利用MGS正交变换对通过GK模糊聚类的聚类结果进行变换, 确定对模型贡献大的规则, 删除对模型贡献小的规则, 同时对模型中的参数进行估计. 本文提出的方法能够实现模糊模型的结构和参数的优化. 仿真结果表明, 本文提出的方法能够建立非线性系统的模糊ARMAX模型.     

基于GA的非线性系统Fuzzy控制规则自调整

控制精度和自适应能力一直是模糊控制中较难解决的问题,对于非线性系统更是如此,解决这一技术的核心问题在于控制规则的选取,而遗传算法可以较好地解决常规的数学优化技术不能有效解决的问题。该文给出了对于具有修正因子的控制规则,采用遗传算法对其参数进行自调整的方法,以提高整个控制器的性能。仿真结果表明,这种方法可提高模糊控制器的性能,对非线性系统的控制是有效的。     

基于递阶遗传算法模糊加权神经网络的模糊规则自动获取

针对模糊规则的自动获取一直是模糊系统的一个瓶颈问题,提出一种基于递阶结构的混合编码遗传算法与进化规划相结合的模糊加权神经网络学习新算法,利用该算法同时优化模糊加权神经网络的结构和参数,最后说明了从网络中提取模糊规则的方法,从而自动获得最优的模糊规则。分析和实验结果表明,本文方法在规则提取和分类准确性等方面比其他方法更好。     

基于遗传算法的高维数据模糊聚类

提出了一种基于遗传算法的高维数据模糊聚类方法。引入了一个模糊非相似矩阵来表示高维样本之间的非相似程度,并将高维样本初始化到二维平面。利用遗传算法进行迭代优化二维样本的坐标值,实现二维样本之间的欧氏距离向样本间的模糊非相似度的趋近,使高维样本映射到二维平面。最后将得到的最优的二维样本利用模糊C-均值聚类（FCM）算法聚类,克服了聚类有效性对高维样本空间分布的依赖。实验仿真表明利用该方法有较好的聚类效果,且比用FCM算法直接聚类收敛速度快。     

基于模糊Petri网的瓦斯突出空间模型

瓦斯突出相关影响因素具有明显的时空特性,煤层突出危险程度的判别是一个多因素决定的模糊事件,模糊Petri网在离散事件动态建模具有突出的优势。在分析瓦斯突出空间数据分布及模糊性应用基础上,对比分析基本Petri网和模糊Petri网的知识表示,结合瓦斯突出各因素空间分布的特点,扩展了模糊Petrie网的相关组件成分,建立基于模糊Petri网的瓦斯突出空间模型,使瓦斯突出影响因素在不同的空间位置通过空间模型表示出来,进一步描述了瓦斯突出空间位置动态转换,在实际预测中具有现实的意义和可操作性。