基于改进RBF径向基神经网络的车载油耗软测量

针对现有的燃油消耗量测量方法存在成本较高、结构复杂且难以实现车载实时测量油耗的问题,提出基于改进RBF径向基神经网络的汽车油耗软测量方法。依据油耗产生机理,选取影响油耗且容易直接测量的参数作为测量模型的输入部分,采用油耗试验实测数据作为测量模型的训练样本和测试样本,并结合主元分析方法改进径向基神经网络的训练速度,自学习得出油耗软测量模型。利用Matlab仿真并将计算机仿真结果与油耗仪测量数据对比分析,平均误差在5.0%以内,验证了上述油耗测量方法的有效性,降低了车载实时油耗测量的成本和复杂程度。     

模糊免疫算法及其在溶剂脱水塔软测量建模中的应用

本文针对基本免疫算法收敛速度慢、计算精度低等缺点,提出了模糊免疫算法.该算法引入模糊技术,对关键参数(交叉概率和变异概率)实现了模糊自适应调整.通过标准测试函数实验结果的对比,其可行性和有效性得到证明,不仅减轻了原始算法中参数确定存在的困难,而且提高了算法的计算速度和精度.其次,本文将模糊免疫算法用于径向基神经网络的训练,并将该神经网络应用于溶剂脱水塔软测量模型.仿真实验证明,模糊免疫算法优化的径向基函数神经网络具有良好的泛化性能.     

基于软测量的水电机组功角在线测量的研究北大核心CSCD

针对功角测量方法在极对数多、转速慢的水电机组中误差较大,且在暂态过程时需要进行复杂的离线计算,难以满足功角高精度的在线监测要求,提出了一种改进的RBF神经网络功角软测量方法。将电压、电流及功率作为软测量模型训练集的输入,离线计算所得的稳态及暂态过程的功角值作为训练集的输出,并利用PSO算法对RBF神经网络参数进行优化。在单机无穷大系统中进行验证,验证结果表明,功角软测量的均方误差在0.004 9以内,且测量值与功率的映射曲线和理论功角特性曲线基本保持一致,所提出的软测量模型能够很好地拟合机组响应参数与功角的关系,实现了水电机组功角精准的在线监测。     

主成分回归在中药过程软测量中的应用研究

提出了一种基于主成分回归的中药过程软测量建模方法,该方法克服了变量间相关性对建模的影响,降低了建模维数,实现了中药生产过程参数的在线检测.     

正则化学习算法在软测量建模中的应用

软测量技术的核心是建立软测量模型。基于过程可测信息集建立软测量模型即逼近建模过程是不适定的。以径向基函数神经网络作为软测量模型,在软测量建模中引入正则化学习算法。以广义交叉验证作为正则化参数估计方法,讨论了径向基函数神经网络软测量逼近建模的全局与局部正则化学习算法,给出的实例说明了其有效性。     

软测量技术在PTA生产过程中的应用

本文主要探讨了软测量技术在石油化工生产过程中的应用,并以某厂PTA装置中Br离子浓度的测量为例,建立了Br离子浓度的软测量模型,并对各个模型进行了数据预测,证明软测量技术是非常有效的。     

过程软测量

本文从软测量技术的方法、在线校正等方面对过程软测量技术进行了综述,给出了软测量技术用于工程实际、需要进一步深入研究的问题.     

基于神经网络的软测量模型及应用

本文提出了一种新的基于神经网络软测量模型及算法,为复杂测量系统中软测量建模提供了一种有效的途径。应用结果表明采用该算法可获得较高的测量精度。     

基于和声搜索优化多T-S模糊神经网络的聚合釜过程软测量建模

根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出一种基于模糊C均值聚类算法的多T-S模糊神经网络模型对聚氯乙烯(polyvinylchlorid,PVC)聚合生产过程中的氯乙烯(vinyl chloride monomer,VCM)转化率和转化速率进行预测。首先采用主元分析来对软测量模型的辅助变量进行选择以降低模型维数,并提出和声搜索和最小二乘法相结合的混合优化算法来优化T-S模糊神经网络子模型的结构参数。仿真结果表明该模型能够显著提高PVC聚合过程中经济技术指标预测的精度和鲁棒性,可以满足聚合釜生产过程的实时控制要求。     

基于PCA—改进BP算法的软测量技术

文中针对基本BP网络建立软测量模型时所存在的一些问题,例如：输入变量之间可能存在的线性相关等冗余性、基本BP算法收敛速度较慢而且易于限于局部最优等,本文尝试将主元分析与变尺度改进BP算法相结合,以提高软测量模型的训练速度和外推能力,为软测量技术的在线应用提供更大的方便。实验结果表明PCA方法与变尺度的改进BP神经元网络相结合的软测量建模方法在训练速度和外推能力方面有较大的改善。     

基于改进BP神经网络的纸浆漂白MIMO软测量模型研究

针对漂白过程中纸浆白度、残氯在线测量的不足,提出基于BP改进算法的神经网络软测量模型。文章介绍了基于神经网络的软测量技术原理以及漂白软测量模型建立的步骤与方法,给出了该模型的仿真结果。仿真结果表明,该模型具有较高精度和准确性,为纸浆质量的评判和优化控制提供了指导作用。     

基于多重小波变换的信号去噪及其在软测量中的应用

化工生产过程中采集到的数据信号通常具有随机性和非平稳性，附加了各种噪声，以至于影响数据建模的拟合效果和泛化性能。本文基于小波分析的特点，提出了一种对信号数据进行多重小波变换阈值去噪的方法。该方法可去除大部分高频随机噪声，提取真实信号，进而提高数据的置信度。将该方法与小波神经网络相结合并应用于丙烯腈聚合反应过程质量指标软测量模型中。仿真结果表明，该方法能有效恢复数据的真实性，提高数据建模的拟合精度与泛化性能。     

基于改进FCM模糊神经网络的水处理过程建模

本文结合改进的FCM聚类分析算法,提出了一种自适应T-S模糊神经网络用于建立水处理过程的模型.该方法通过减法聚类初始化FCM聚类算法,加快了FCM聚类收敛速度,利用改进后的FCM算法对数据集聚类,从而产生输入空间的模糊划分和模糊规则;并用混合BP和递推最小二乘学习算法对前件和后件参数进行优化.最后,将本文的方法用于建立水处理过程的模型,仿真实验的结果表明该方法具有收敛快、精度较高、泛化能力好的优点.     

Modeling of cutting force coefficients in cylindrical turning process based on power measurement

The cutting force is an important physical quantity in metal cutting, and the cutting force coefficients are the basis for establishing the cutting force model. In this paper, the relation between the cutting power and the cutting force coefficients is established. A cutting power model was established with a linear relationship between the spindle power and material removal rate (MRR). The power-based model of the main cutting force coefficients is proposed by extracting the linear equation coefficients of the power-MRR function. The power-based model of feed force coefficients is established as a quadratic polynomial equation between the motor power of the feed axis and feed rate. And the cutting force coefficients and the edge force coefficients of feed force are expressed respectively by the two orders of coefficients of the equation. The thrust force coefficients are indirectly calculated from the relation between tangential cutting force and thrust force with friction angle of tool-chip. The power-based models were verified by a series of cutting tests regarding material properties, cutting parameters, and axial directions. The results show that the cutting force coefficients obtained by measuring the cutting power have good correspondence with that identified by dynamometer.     

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键.提出了一种基于改进粒子群优化算法(PSO, particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模.改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解.实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求.     

基于PSL的制造过程信息模型研究与应用

为满足制造企业在产品全生命周期管理中对于制造数据定义一致性、模型可重用性以及服务互操作性的需要,提出了以"过程"为核心组织定义数据,并基于PSL思想构建制造过程信息模型,包括规范的过程定义以及面向系统实现的对象模型构建.     

基于灰色理论的改进FMEA方法在装配工艺改善中的应用

应用模糊理论和灰色理论对传统的失效模式与影响分析(Failure Mode and Effect Analysis,FMEA)方法进行改进,以B公司汽车雷达生产工艺为研究对象,以提高产品质量和降低生产成本为目的,对产品装配工艺过程中的失效模式和影响因素进行分析和工艺改进。利用模糊理论对专家评价语言进行处理,得到各个失效模式的风险优先序数,结合灰色关联分析法,对失效模式的影响因子S、O和D进行计算,确定失效模式的风险优先级,针对不同类型的失效模式采用不同改善措施,并通过实例分析验证了方法的有效性,以达到提高产品质量、降低产品返修率的目的。     

基于改进的二进制蚁狮算法的特征选择模型及应用

为了降低滚动轴承故障数据集的特征维度,选取最有效的数据特征,首先提出一种改进的二进制蚁狮算法,该算法通过引入种群保护集机制,对具有寻优潜力的部分蚂蚁进行保留,并将保护集内群体与主群并行迭代,以加强算法的全局寻优能力,然后通过0-1背包问题验证了该算法的有效性;最后将上述改进融入混合式特征选择模型中,在UCI标准测试数据集与凯斯西储大学滚动轴承故障数据集上分别应用该模型进行特征选择.实验结果表明,融合改进二进制蚁狮算法的混合式特征选择模型的识别精度与特征约简能力均得到明显的提升.     

基于过程代数的可变业务流程建模方法

为实现灵活的业务流程重组,提出了一种面向流程变化调整的业务流程模型。该模型从业务逻辑中抽取出流程相关性语义,用连接器的模式来实现一种可配置的流程属性。业务人员可以通过调整模型中的连接器对流程进行重新配置,从而实现业务流程重组的软件调整。给出了模型的过程代数描述,并介绍了建模步骤和流程调整方法。最后,以机场塔台调度流程的建模和调整过程为例,对相关问题进行了讨论。     

基于改进量子微粒群的轨道导引小车系统建模与优化

为提高自动小车存取系统中轨道导引小车系统的出入库作业效率,提出了一种基于改进量子微粒群的优化方法。分析了轨道导引小车系统出入库作业任务队列特征,建立了数学模型。在此基础上利用量子微粒群算法进行优化调度,并在该算法中引入高斯变异算子,克服了其容易陷入局部最优的缺点。通过仿真实验表明了方法的可行性和有效性。