基于改进粒子群算法的污水处理过程神经网络优化控制

针对活性污泥法污水处理过程高能耗的问题,综合考虑污水处理出水水质和生化反应参数之间的关系,文中设计了一种智能优化控制系统.该系统以国际水协(IWA)开发的基准仿真模型BSM1为研究对象,利用改进粒子群算法优化BSM1第2分区的硝态氮浓度和第5分区的溶解氧浓度、混合液悬浮物固体浓度的设定值;同时利用感知器神经网络预测污水处理过程的输出,在出水水质达标的前提下降低污水处理能耗.仿真实验结果表明,系统总能耗相比闭环控制策略降低4.614%,该神经网络智能优化控制系统能够有效降低污水处理的能耗.     

神经网络基于粒子群优化的学习算法研究

研究神经网络基于粒子群优化的学习算法，将粒子群优化算法用于神经网络的学习训练，并与遗传算法进行了比较，结果表明，神经网络基于粒子群优化的学习算法简单容易实现，而且能更快地收敛于最优解。     

粒子群算法在优化PROFIBUS总线中的应用

针对PROFIBUS在煤矿井下应用中存在的问题,分析了PROFIBUS现场总线协议结构,建立了PROFIBUS总线基于随机动态产生高优先级信息的发送时延模型,采用改进的粒子群算法优化目标令牌循环时间的选取．降低了通信网络高优先级信息的发送延迟,使其符合PROFIBUS网络实时性的要求。     

基于神经网络预测控制的转炉终点优化控制

基于转炉静态模型控制的终点优化控制,可为后期冶炼提供更精准的入炉主辅料配给信息,进而提高终点碳温的一次倒炉命中率。以神经网络预测控制理论为指导,采用BP网络作为转炉系统的辨识预测模型,并利用改进的粒子群算法(PSO)作为网络预测控制器的最优化算法,对影响转炉终点碳温的入炉主控量——吹氧量和废钢加入量进行寻优,从而实现对终点碳温的优化控制。最后,采用某钢厂的实际生产数据进行验证,结果表明所建立的优化控制模型可有效快捷地实现终点碳温的优化控制。     

基于现场总线冗余技术的DCS控制系统设计

以基于T3000实验装置作为现场总线控制对象,采用FF现场总线控制系统和EPA现场总线控制系统的总线冗余技术实现对控制对象的实时性、可靠性、灵活性的控制。系统的设计体现工程化、实践化、开放化,既能完成相关课程实验的开设,同时也可以进行工程技术培训和技术实践。     

粒子群算法在优化PROFIBUS总线中的应用

针对PROFIBUS在煤矿井下应用中存在的问题,分析了PROFIBUS现场总线协议结构,建立了PROFIBUS总线基于随机动态产生高优先级信息的发送时延模型,采用改进的粒子群算法优化目标令牌循环时间的选取,降低了通信网络高优先级信息的发送延迟,使其符合PROFIBUS网络实时性的要求。     

基于QPSO算法的RBF神经网络参数优化仿真研究

针对粒子群优化(PSO)算法搜索空间有限,容易陷入局部最优点的缺陷,提出一种以量子粒子群优化(QPSO)算法为基础的RBF神经网络训练算法,将RBF神经网络的参数组成一个多维向量,作为算法中的粒子进行进化,由此在可行解空间范围内搜索最优解。实例仿真表明,该学习算法相比于传统的学习算法计算简单,收敛速度快,并由于其算法模型的自身特性比基于PSO的学习算法具有更好的全局收敛性能。     

CMOPSO/D算法的发酵过程补料优化控制

为了改善发酵过程补料优化控制的性能指标,提出一种基于改进的分解多目标粒子群优化算法的发酵过程补料优化控制方法。将发酵过程的多目标优化问题分解为若干单目标优化问题,对每个单目标优化问题应用2个粒子群协同搜索最优解,其中一个种群对连接向量进行搜索,改进了连接向量的更新方式,另一个种群将决策空间分解,使用不同种群对不同维度的解向量进行优化,并在进化过程中使用前一个种群的最优解构成完整的解向量评价每个子群的最优解,提高了最优解评价的准确性,保证算法收敛到全局最优解。将该算法用到在工业酵母发酵过程模型中,对补料速率进行优化控制,并同时优化2个性能指标,即菌体浓度最大化和乙醇浓度最小化,并与基本的分解粒子群优化算法的优化结果作对比,该算法获得的Pareto前沿在基本分解粒子群优化算法获得的Pareto前沿下方,并且分布更加完整。实验证明该算法能够获得最优补料速率,使工业酵母发酵过程的菌体浓度提高了约9%,乙醇浓度降低了约为15%,为发酵过程补料优化控制提供了一种有效方法。     

基于PSO-MKSVM发酵过程建模与补料优化控制

针对动态非线性、时变发酵过程,采用混合核支持向量机的智能模型建模方法,通过建立混合核支持向量机的状态预估模型,实现对发酵产物浓度的预估,解决了缺乏生物传感器的问题.在此基础上,再利用粒子群优化算法求取补料速率优化曲线,最终使得发酵终止时产物产量最高.实验结果表明,该方法取得了良好的效果.     

基于神经网络理论的现场总线系统安全性评价的研究

本文在介绍神经网络基本原理的基础上，提出了BP神经网络的优化算法：BP-1算法。进而分析了神经网络应用于现场总线系统安全性评价的优点，提出了基于神经网络理论的现场总线系统安全性评价模型和实现方法。最后，以一个原型系统证明了该方法的有效性。     

青霉素发酵过程的粒子群模糊神经网络软测量

针对青霉素发酵过程中的基质浓度、菌体浓度、产物浓度等关键生物参数难以在线实时测量的问题,提出了一种基于粒子群模糊神经网络的软测量建模方法.采用模糊径向基函数-神经网络(RBF-NN)构建青霉素发酵的软测量模型,同时,结合改进粒子群优化训练算法(PSO),建立了青霉素反应过程的软测量模型,并对发酵工艺进行了仿真试验研究.仿真试验结果表明,所建立的软测量模型测量精度高、效果好,能够满足工程实际的要求.     

基于自适应脊波网络的高光谱遥感图像分类

神经网络是遥感地物自动分类的重要工具之一。利用多尺度几何分析中的眷波基函数建立了一种自适应眷波网络模型。在传统自适应粒子群算法的基础上,提出一种引入粒子密度因子的自适应粒子群优化算法作为网络训练算法。为验证其性能,利用互信息约简技术对22。波段AVIRIS 92AV3C高光谱数据进行约简,并将它们作为网络输入实现对高光谱遥感地物的自动分类。仿真试验表明:引入粒子密度因子的粒子群算法与传统粒子群算法相比,不易出现早熟问题,在处理高维非线性组合优化问题时具有一定优势;由于眷波函数对高维奇异性的表征能力,相比于传统的RBF和SVM分类器,脊波神经网络分类器对具有明显边界特征的地物分类问题具有较高的精度,同时网络规模小,结构简单。     

基于种群小生境微粒群算法的前向神经网络设计

根据自然界中鱼鸟等所具有的种群运动特征,借鉴递阶编码的思想,构造出一种种群小生境微粒群算法,具有小生境内个体微粒自由运动特征分量和小生境种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法或其改进算法在多蜂函数寻优时出现的微粒“早熟”现象,应用该算法进行三层前向神经网络连接权值和网络结构联合并行自适应设计,在混沌时间序列预测中显示了良好的性能。     

现场总线控制系统中的传输规划及算法实现

总结了现场总线控制系统的过程特征及传输规划的方法,提出了用Hopfield神经网络对现场总线控制系统进行传输规划的算法及实现,结合一个实例给出了数值计算的详细步骤。数值计算结果表明,该算法具有编程实现简单、计算时间短等特点,该算法在实际系统中得到了成功应用。     

基于现场总线的模糊控制系统

基于现场总线控制技术,介绍了模糊控制系统的设计方法。采用双单片机AT89S52与AT90S8515设计了基于PA总线接口的回转窑温度智能模糊测控系统。利用ASIC芯片SPC4、SIM1设计了Profibus-PA总线通信接口和回转窑温度检测接口硬件电路,给出了总线通信接口程序流程图。应用结果表明,系统通信可靠、控制效果好。     

石油含水率测量动态补偿模型研究

针对传统微波透射法测量石油含水率存在的测量误差大等问题,提出了一种基于神经网络的动态补偿方法,确定衰减和相移两个参量作为动态补偿模型的输入;针对传统BP算法具有收敛速度慢、容易陷入局部极小值等缺点,采用微粒群训练算法对神经网络动态补偿模型进行训练,可使微波透射石油含水率测量结果的补偿过程具有寻优全局性和精确性。实验结果表明,利用该技术对石油含水率测量结果进行校正是一种有效的方法,具有一定的应用价值。     

基于基金会现场总线的控制系统

主要介绍了DCS及PLC体系结构、现代工厂自动化的要求、基金会现场总线的主要特点,以及基于基金会现场总线控制系统FB6000.     

基于现场总线的温室分布式控制系统

讨论了在温室自动控制系统中如何引入现场总线技术构成全分布式控制系统，并阐述了分布式系统结构的特点和其智能模块的系统结构。     

基于复合适应度微粒群算法的神经网络训练

为提高神经网络的泛化能力,针对以均方误差为适应度的PSO算法在训练神经网络时会产生一定的过拟合问题,提出对均方误差和误差分布均匀度进行信息融合,构成复合适应度作为训练指标.实验结果表明,该方法可使网络的泛化能力得到明显的改善.     

基于扩展T-S模型的PSO神经网络在故障诊断中的应用

针对现实故障现象具有模糊性和非线性的特点,提出了一种利用自适应扩展T-S(Takagi-Sugeno)模糊模型的PSO(Particle Swarm Optimization)算法和神经网络相结合的新型智能结构化算法来进行故障诊断的新方法.首先通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数.然后使用该PSO算法作为神经网络的学习训练算法来进行训练.最后将此算法用于齿轮箱实测故障诊断.诊断结果显示均方误差提高了0.1981%.通过不同模型的诊断结果比较,表明本方法便捷、高效,为解决故障诊断问题提供了一条新途径.