RBF神经网络在卡伯值软测量中的应用研究

本文提出了一种新的RBF神经网络的在线学习算法,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值,克服了离线训练方式的不足,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量.通过工厂蒸煮数据验证,表明此算法具有良好的性能,训练的网络具有学习速度快、精确度高、结构紧凑的优点,用于建立卡伯值数学模型,实现卡伯值的软测量是有效的.     

改进的T-S模糊神经网络在化工软测量中的应用

软测量技术在化工生产过程中具有较好的应用前景,适合于监测测量成本高、难于或无法实际测量的过程变量。将改进的T-S模糊神经网络模型引入到软测量建模中,通过偏差校正网络对系统输出量进行动态补偿,可比传统T-S模糊神经网络模型获得更好的系统辨识效果,通过实际测试,软测量结果的均方误差可降低约70%左右。改进的T-S模糊神经网络中由于增加了偏差补偿系统,因此软测量精度获得提高。     

浅谈房间空调器制冷量测量方法的不确定度评定

随着我国质检体系与国际标准的日益接轨,测量不确定度作为衡量基准精度及检测水平、测量质量的重要手段,逐渐成为大家关注的热点。本文介绍了房间空调器制冷量检测中两种常见方法的测量不确定度评定,着重阐述了标准不确定度的A、B类评定和扩展不确定度的计算。     

基于遗传神经网络的锅炉入炉煤质软测量研究

基于软测量的非机理建模原理,利用遗传算法结合人工神经网络建立了煤质在线软测量模型.确定了 BP 网络与遗传算法(GA)两者结合的建模方式.分析了原煤从进入制粉系统到完全燃烧及排出的整个过程,得到 BP 网络模型的输入和输出节点参数集;通过对权参数初值进行实数编码,设计了基于实数编码的GA-BP 算法流程,并在Visual Studio2005 开发平台上进行了 GA-BP 算法程序编制及其调试.使用山西某电厂的 200 MW 机组实时运行数据进行模型训练和检测,结果表明煤质软测量模型可以较为准确地预测煤质参数.     

软测量辅助变量选择方法研究

对软测量中辅助变量的选择过程进行研究.主要讨论了基于机理分析方法选择变量,与通过对历史数据进行建模分析方法选择辅助变量.通过神经网络软测量模型预测,对两种方法选择的辅助变量的预测结果进行比较,最终确定辅助变量.     

基于神经网络的风力发电系统风速软测量

对风力发电并网系统的有效风速测量问题进行研究。鉴于神经网络可应用于非线性系统的模型与辨识,不受非线性模型类的限制,且可给出工程上易于实现的学习算法,提出基于神经网络的有效风速软测量。对实时采集的风力发电机组的风速样本参数集进行分析、训练及拟合,获得相应的有效风速计算网络。仿真结果表明,有效风速软测量可代替风速仪的作用,是一种非常有效的风速估计方法。     

基于自适应模糊神经网络的风速软测量

针对风力发电系统有效风速无法直接测量的问题,提出了基于自适应模糊神经网络的风速软测量方法,在该方法中利用优化的自适应模糊神经网络建立了风速软测量模型,以发电机功率、桨距角和风力机转速作为模型的输入,有效风速作为模型的输出,网络学习中采用可变的学习速率和可变的动量学习率.仿真结果表明,与传统的神经网络风速软测量模型相比,基于自适应模糊神经网络的风速软测量方法是有效的,风速的估计值较好地跟踪了有效风速的变化趋势,具有较高的准确性.     

基于改进BP神经网络的烟气含氧量软测量方法

电站锅炉烟气含氧量的准确测量对锅炉燃烧效率的提高具有重要的意义.针对锅炉燃烧过程中存在的氧量信号测量滞后大和可靠性差,提出采用基于改进BP神经网络的烟气含氧量的软测量方法.实践验证:神经网络的预测值和实测值相吻合,烟气含氧量预测最大绝对误差为0.37,较好地实现了烟气含氧量的预测.     

L20在家用空调器中应用的理论分析和试验研究

L20是最近几年新开发出的非共沸制冷剂,其ODP值为0,GWP值为295。本文对其热物理性质和在空调系统中的制冷能力进行了理论分析和计算,并依据空调测试标准在焓差实验室中对比测试了L20和R22充注于窗式空调器中的制冷性能。理论分析结果表明:L20与R22有相似的饱和蒸汽压力-温度曲线,在空调标准工况下,单位质量制冷量比R22高12.8%,单位容积制冷量与R22基本一致,制冷系数比R22低5.5%。试验结果表明:在3.2 kW制冷量的窗式空调器中,L20的最佳充注量为600 g,是R22充注量的80%。     

软测量技术及其在电厂热工过程中的应用

介绍了工业过程中的软测量技术,给出了创建软测量模型的一般理论和方法,讨论了软测量技术在电厂热工过程应用中的相关问题,并通过具体实例表明了软测量技术在复杂热工过程的检测及控制方面的应用前景。     

丙烯脱乙烷塔出口组分的软测量

炼油生产中,丙稀脱乙烷塔的出口组分(即∑C2的浓度,设为V),是一项非常重要的参数.而目前常用的测量和控制方法,容易产生较大的滞后,因此选用基于BP的软测量技术.根据工艺要求,选择合适的辅助变量,对数据进行预处理,最后建立工程化的BP软测量模型.仿真结果表明基于BP的软测量建模方法能很好地估计塔底出口处∑C2的浓度,具有很好的泛化和回响能力,可以用来建立丙稀脱乙烷塔的出口组分软测量模型.     

冷凝水在家用整体式空调器中的优化利用

目前,空调设计人员提高空调器制冷能力与能效比的常用方法是增大换热器的换热面积或增加换热器的厚度,因此,其结果是产品的成本增加而降低了产品的市场竞争力。本文分析了空调冷凝水的优化利用对能效比EER的影响,结构上在几乎不增加成本的基础上实现整机能力及能效比的提升,相对节约了换热器材料用量,为实现低碳生活迈出重要的一步。     

基于RBF神经网络的气体流量软测量模型研究

流量信号是热工过程中非常重要的一个信号。由于流量信号存在着非线性、随机性和易受干扰的特点，很难建立起一个准确的测量模型，如传统的3种圆管紊流流速分布的近似模型，基于这些模型的传统测量方法很难测量出准确的流量值。该文提出的基于径向基函数（RBF）神经网络的流量测量模型，采用了带有遗忘因子的梯度下降算法来确定隐层基函数中心的位置和输出层权值的大小。计算结果表明这种模型计算量小、精度高，且算法简单实用。实验结果说明，基于这种模型的流量测量精度较以往模型有很大提高。     

神经网络在松香流量检测中的应用

松香液体由于温度高、黏性强，流量不能直接测量和控制，本文提出了用BP神经网络建立液态松香重量与流量的数学模型，对液态松香流量进行软测量的检测方法，仿真结果表明，用该方法检测高温松香液体流量的相对误差小于0.5%，满足实际生产的需要。     

软测量技术及其在装备检测中的应用

软测量技术是一门新兴技术,在工业过程分析、变量测试计量、控制优化等理论和实践中取得了较好的效果。论文在简述软测量技术原理的基础上,从辅助变量的选择、过程数据处理、软测量模型建立和在线校正四个方面介绍软测量技术包含的主要内容和主要实现方法。论文结合武器装备的特点,通过对某自行高炮伺服电机转速与控制电压比例系数的估计来说明软测量技术的应用方法和过程。最后,论文对软测量技术的发展现状和存在的问题进行了总结。     

基于信息融合ELM神经网络的LF炉钢水温度软测量新方法

本文针对软测量技术的特点,以及现有基于人工智能的软测量方法的不足,提出了一种基于信息融合ELM神经网络的软测量建模新方法。该方法将信息融合与ELM人工神经网络新方法相结合,有效地提高了软测量的精度。将该新方法应用到LF钢水温度软测量中,根据LF的冶炼特点分析出影响温度的主要因素,并将其作为模型的输入,建立软测量模型。使用实际生产数据对其进行检验,结果表明该基于信息融合ELM神经网络的LF钢水温度软测量方法具有较好的预测效果,完全可以满足实际生产的需要。     

软测量技术在电厂锅炉监视及调整系统中的应用

将软测量技术应用于电厂锅炉全面监视及精确调整系统,基于软测量技术获得锅炉运行中一些重要参数的估计值。介绍了系统,并分析了软测量的建模手段和系统中使用的神经网络建模算法,最后以炉膛出口氧量软测量为例说明了软测量模型的实现。     

窗式空调器中制冷量与噪音问题的研究及其改善措施

设计窗式空调器时,要对样机和国产所用材料、关键零部件质量及性能进行分析比较,并对样机的结构和风扇电机的性能作适当调整,才能保证设计出来的空调器在制冷量和噪音方面达到样机水平,制造出用户满意,具有竞争力的产品。     

神经网络在非线性系统建模中的应用

神经网络作为非线性模拟的一种具有生命力的方法,近年来在自动控制、信息处理等方面得到了广泛的应用,本文简要介绍了BP神经网络和RBF神经网络,讨论了神经网络在非线性系统建模中的应用.     

神经网络理论在谐波测量中的应用

将多层前馈网络用于谐波测量中 ,网络权值的记忆负担主要是来自谐波幅值和相角的变化 ,如果同时改变幅值和相角对网络进行训练 ,由于幅值、相角变化范围大 ,且没有规律 ,研究表明 ,即使使用大量样本 ,训练后的网络将变成杂乱无章不可用 ,因此本文提出了一种方法 ,先对初相角进行确定 ,在初相角已知的状态下 ,再对幅值用基于神经网络理论方法进行测量 ,仿真验证了该方法的有效性。