基于神经网络算法的LVDT传感器非线性补偿方法设计

针对线性可变差动变压器式传感器(Linear Variable Differential Transformer,LVDT)存在非线性缺陷,提出了一种新的级联补偿方法。它是一种基于传感系统的以函数连接型人工神经网络FLANN模型为线性变量的自适应非线性补偿方法,FLANN复杂度不高却拥有高精度的优点。首先分析了LVDT传感器产生非线性的原因,然后利用神经网络算法进行非线性校正,经过实验分析与结果比对,证明了该方法具有较强的可行性、有效性,达到了理想的实验要求。     

模糊神经网络在CO_2汽提塔液位预测中的研究

二氧化碳汽提塔液位系统是一个复杂非线性过程,本文基于一种新型复合型模糊神经网络,对该液位系统的建模和预测进行了研究。仿真实验表明,该网络在复杂非线性过程中具有较好的性能,为实现模糊神经网络在化工生产过程中的应用提供了思路和方法。     

区间二型模糊免疫PID在环己烷无催化氧化温度控制系统中的应用

环己烷无催化氧化过程具有非线性、多变量耦合、大时滞等特点,使用常规比例积分微分(PID)控制方案无法达到理想的控制性能。提出了一种区间二型模糊免疫PID控制器,其本质上是一种基于免疫PID的非线性控制器,利用区间二型模糊逻辑系统来逼近免疫反馈律中的非线性函数,以提升控制器处理和逼近复杂不确定非线性系统的能力。将所提出的控制器应用于环己烷无催化氧化温度控制系统,仿真结果表明该方法是有效的。     

区间二型模糊免疫PID在环己烷无催化氧化温度控制系统中的应用

环己烷无催化氧化过程具有非线性、多变量耦合、大时滞等特点,使用常规比例积分微分(PID)控制方案无法达到理想的控制性能。提出了一种区间二型模糊免疫PID控制器,其本质上是一种基于免疫PID的非线性控制器,利用区间二型模糊逻辑系统来逼近免疫反馈律中的非线性函数,以提升控制器处理和逼近复杂不确定非线性系统的能力。将所提出的控制器应用于环己烷无催化氧化温度控制系统,仿真结果表明该方法是有效的。     

基于控制规则调整的自适应模糊控制器

工业对象大多是具有非线性、大时滞、高阶次的复杂对象 ,常规的控制方法往往难以适应这些对象的变化。文中提出了一种自适应模糊控制器 ,它能在控制过程中不断调整和修改控制规则 ,以适应对象和环境的变化。对控制方法与常规PID控制、Smith预估控制、基本模糊控制进行了仿真比较。仿真曲线表明 ,自适应模糊控制器的控制性能明显好于其它 3种控制方法     

非线性模糊规划中分段线性隶属函数的构造方法

首先给出了模糊规划中单、双边非线性隶属函数的构建技术。为了解决非线性模糊规划的求解困难问题,进一步提出了一种针对这两类非线性隶属函数进行分段线性化的方法,由高斯取整函数计算出非线性隶属函数的离散点,再根据决策者选择的基准点得到分段线性的隶属函数。构建了相应的模糊规划的规范求解形式,并对数值实例进行了测试,验证了其有效性。     

玻璃纤维增强塑料蜂窝夹层结构材料热导率分析

玻璃纤维增强塑料蜂窝夹层结构材料是一种绝热材料,本文从蜂窝夹层结构的传热特点推导出热导率的理论计算公式,与实验值比较很符合,可供有关产品设计使用。     

优化非线性回归目标函数的数值实验

最小二乘法在化工中广泛用于数据拟合的线性和非线性回归及模型参数估值。为了从实验和生产现场数据中得到更接近真实函数的关联式,用数值实验的方法,对一系列目标函数形式与传统的最小二乘法进行比较。所测试的真实函数包括单调函数、单极值函数和双极值函数。数据所带的误差包括高斯分布和均匀分布的误差。结果表明,若数据误差遵从高斯分布时,以实验值与回归预测值间绝对偏差的1.5次幂之和为目标函数,优化所得的回归模型与真实的函数最接近。     

基于T-S模糊神经网络的Hammerstein模型预测控制

针对化工生产过程中强非线性、大滞后、时变特点的复杂特性,提出了一种基于T-S模糊神经网络的Hammerstein模型动态矩阵预测控制方法。采用非线性控制分离策略,应用动态矩阵控制算法计算该模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。pH中和过程的仿真控制实验表明,所提方法明显优于传统的PID控制方法,具有良好的设定值跟踪及抗干扰效果。     

基于FGCN的针铁矿沉铁过程建模

针铁矿沉铁过程是由多个连续反应器级联,并且包含氧化反应、还原反应以及中和反应等一系列复杂化学反应的复杂过程,具有强非线性、不确定性的特点,难以建立精确的数学模型。提出一种基于模糊灰色认知网络(fuzzy gray cognitive network,FGCN)的针铁矿沉铁过程的建模方法。根据专家经验和历史数据,建立针铁矿沉铁系统的模糊灰色认知网络模型,利用带终端约束的非线性Hebbian学习算法(nonlinear Hebbian learning,NHL)对权值进行学习。在不同程度的不确定性环境下对系统进行分析,结果表明模糊灰色认知网络能够在不确定性高的环境下对复杂工业系统进行有效模拟,收敛到一个灰度为零或者灰度很小的灰数平衡点,利用白化函数得到一个准确的控制输出。     

基于FGCN的针铁矿沉铁过程建模

针铁矿沉铁过程是由多个连续反应器级联,并且包含氧化反应、还原反应以及中和反应等一系列复杂化学反应的复杂过程,具有强非线性、不确定性的特点,难以建立精确的数学模型。提出一种基于模糊灰色认知网络（fuzzy gray cognitive network,FGCN）的针铁矿沉铁过程的建模方法。根据专家经验和历史数据,建立针铁矿沉铁系统的模糊灰色认知网络模型,利用带终端约束的非线性Hebbian学习算法（nonlinear Hebbian learning,NHL）对权值进行学习。在不同程度的不确定性环境下对系统进行分析,结果表明模糊灰色认知网络能够在不确定性高的环境下对复杂工业系统进行有效模拟,收敛到一个灰度为零或者灰度很小的灰数平衡点,利用白化函数得到一个准确的控制输出。     

玻璃钢表面装饰方法与技巧

玻璃钢表面装饰方法与技巧庄瑛，杨学忠，杨小利（武汉工业大学４３００７０）玻璃钢表面的装饰有多种方法，本文汉根据笔者的生产经验，介绍几种最常用的装饰方法与技巧。１颜料着色法颜料着色法是一种最传统、最常见的玻璃钢表面装饰技术。它是将颜料直接加人树脂中，对...     

制备型氨基酸离子交换色谱的动态特性

为描述氨基酸离子交换色谱的动态过程，考虑传质机理，非线性离子交换平衡关系以及各种形式的进料函数，提出了色谱的机理模型及其数值解法，理论预测的洗脱峰与实验现象比较吻合，证明该理论模型可以指导氨基酸离子交换色谱的优化和设计。     

正交试验设计法在复配型复合体系驱油剂评价工作中的应用

正交试验法是一种科学地安排与分析多因素实验的方法，它能够得出比较全面的结论，实验结果可以分析和比较。以复配表面活性剂及复配碱的复合体系为实例，以正交试验法、通过对复合体系和大庆原油间静态界面张力的测定，在较少的试验次数内，对复合体系进行了科学、正确的评价。     

玻璃钢壳体电子性能预测技术研究

研究目的为通过人工神经网络方法预测玻璃钢天线罩的电子性能.建立具有非线性逼近能力的径向基函数(RBF)神经网络,根据试验得到的不同厚度玻璃钢平板,不同入射角的透波率数据,对神经网络进行训练.按照给定的玻璃钢天线罩内外表面数据计算入射角范围和罩壁厚度,并对玻璃钢壳体进行电子性能预测.计算结果与试验数据十分近似,表明该方法预测精度高,训练速度快,为玻璃钢电子性能设计和分析提供了一种实用有效的方法.     

短纤维复合材料加工中的纤维取向研究

本文讨论了纤维取向的两种描述方法－取向分布函数和取向张量，比较了它们的异同点，研究了描述短纤维悬浮体系的流变本构方程及其局限性，简单介绍了纤维取向数值模拟的最新进展，及其应用前景。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

模糊PID控制器在炼油污水节能优化处理中的应用

以炼油污水处理过程中的溶解氧为控制对象,借助仿真运算和溶解氧在线检测等实验手段,对模糊PID控制器与传统PID控制器的溶解氧控制效果进行比较,结果表明:模糊PID控制器既有模糊控制灵活、适应性强的优势,同时又具有传统PID控制精确高的特点。对于污水处理系统这种时变、非线性、大时滞复杂的控制对象,采用模糊PID控制器是一个非常好的选择,既可保证出水水质,又能节约动力消耗。     

气相色谱法在催化中的应用

催化剂和催化过程对石油和石油化学工业关系重大。目前还没有完善的理论能指导催化剂的制备,研制一种新催化剂主要凭经验以及大量的实验工作。催化剂的作用原理很复杂,开展催化方面的研究工作需要一些近代实验技术和方法,对催化剂作综合性的研究。目前比较广泛应用的实验技术和方法有吸附法、x射线衍射法、红外光谱法、核磁共振法、电子顺磁共振法、色谱法和催化动力学法等。     

基于时延挖掘模糊时间认知图的化工过程多变量时序预测方法

模糊认知图(fuzzy cognitive maps, FCM)作为一种复杂系统的建模工具,能够对系统的非线性和不确定性进行处理。由于工业过程变量间往往存在着时间延迟,传统的FCM模型难以处理这类多变量的时间序列数据,建立的预测模型往往不能反映系统内各变量真实的因果关系,从而导致预测结果的解释性差、准确度低等问题。为此,提出了一种时延挖掘模糊时间认知图(time-delay-mining fuzzy time cognitive maps, TM-FTCM),它使用互相关函数(cross-correlation function,CCF)从数据中挖掘时延信息,并通过在推理机制中添加自我影响因子和偏置及优化转换函数等参数,有效地解决了由于工业过程变量间的时延导致的预测模型不准确等问题。通过数值仿真实例及实际化工过程数据,验证了所提方法的有效性。