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。     

基于多模型组合的冷凝器中污垢预测

提出了一种基于多模型组合的冷凝器污垢预测新方法.该方法采用经验模型、自适应指数平滑模型、灰色模型、T―S模糊模型等多种模型预测污垢的增长,并通过遗传算法对模型参数、各模型输出之间的组合系数进行自适应滚动优化调整,以适应冷凝器水质及工况参数的动态变化,从而取得比单个预测模型更好的预测精度.试验结果表明:该方法短期污垢预测效果好,中长期污垢预测精度较高,是实现冷凝器污垢预测的有力工具.     

基于T-S模型的冷凝器污垢预测

针对冷凝器的周期性结垢过程以及工况参数的动态变化,提出了一种冷凝器污垢预测的新方法.该方法将污垢分解为软垢和硬垢两部分,并采用两个T-S模糊模型分别描述软垢和硬垢的变化趋势,进而通过二者的结合获得较为精确的污垢预测.根据此方法,进行了现场试验, 试验结果表明:与渐近污垢模型及改进的渐近污垢模型相比,该方法能够有效地处理冷凝器的周期性结垢现象,并在冷凝器工况参数变化时仍然取得较满意的预测精度.该方法的成功应用为冷凝器最优清洗机制的建立奠定了基础.     

基于神经网络优化的油水界面软测量

传统的BP算法具有简单可塑的优点,但是存在着容易陷入局部极值、收敛速度慢等无法克服的缺陷。因此,文中设计了一种自适应遗传算法优化BP神经网络的方法,针对原油脱水生产过程中的油水界面测量问题,建立了相关的软测量模型,进行了仿真实验,验证模型的正确性。     

基于T2S 模型的冷凝器污垢预测

针对冷凝器的周期性结垢过程以及工况参数的动态变化,提出了一种冷凝器污垢预测的新方法。该方法将污垢分解为软垢和硬垢两部分,并采用两个T2S 模糊模型分别描述软垢和硬垢的变化趋势,进而通过二者的结合获得较为精确的污垢预测。根据此方法,进行了现场试验, 试验结果表明:与渐近污垢模型及改进的渐近污垢模型相比,该方法能够有效地处理冷凝器的周期性结垢现象,并在冷凝器工况参数变化时仍然取得较满意的预测精度。该方法的成功应用为冷凝器最优清洗机制的建立奠定了基础。     

模糊认知图在股票市场预测中的应用研究

复杂系统中存在着大量的过程依赖、自组织,并且一直是进化的,用传统的方法对其建模十分困难。模糊认知图作为一种模糊逻辑和神经网络相结合的产物,为复杂系统建模提供了一种有效工具。文中根据模糊认知图的特点,提出了用遗传学习算法建立系统的模糊认知图方法,为复杂系统分析及预测提供了一种解决方案。最后,以股票市场的数据为例进行了分析和预测模拟,结果表明,该方法是有效的。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

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。     

基于遗传算法的原位根系CT图像的模糊阈值分割

原位根系CT图像的精确分割是实现植物根系3维重建和定量分析的重要基础。为了对原位根系CT序列图像进行准确、有效的分割,针对原位根系CT序列图像固有的模糊性特征,设计了一种基于遗传算法的模糊多阈值图像分割方法。该方法首先通过直方图分析确定了原位根系3维分割的初始阈值范围;然后通过设计一种模糊隶属度函数, 将图像模糊划分为若干个不同的区域; 最后采用最大模糊熵准则,并借助遗传算法寻找确定了一组序列图像的最佳分割阈值。编程实验结果证实,该算法不仅能更加准确、有效地对植物根系原位CT序列图像进行分割,并可提高图像阈值分割的精度和效率。