基于MSADE-IT2FNN模型的软测量建模方法及应用

针对复杂工业过程某些关键参数无法有效、实时在线检测的问题,提出一种基于多策略、自适应差分进化算法(MSADE)优化的区间二型模糊神经网络(IT2FNN)软测量建模方法。首先,为了解决差分进化算法采用单一策略、固定缩放因子和交叉概率导致后期搜索能力不足的问题,提出一种多策略、自适应的差分进化算法(MSADE),该算法利用IT2FNN模型的均方根误差(RMSE)作为适应度函数,通过搜索不同规则数下的RMSE值,从而确定IT2FNN的结构(规则数)和初始参数;然后,IT2FNN模型的参数利用梯度下降法进行学习。最后,将所提模型应用到Mackey-Glass混沌时间序列的预测和酿酒过程淀粉利用率的软测量建模问题中,仿真结果验证了提出方法的有效性和优越性。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

基于模糊LS-SVM的净化过程钴离子浓度软测量

针对锌湿法冶炼净化过程的复杂性,提出一种基于模糊最小二乘支持向量机方法的净化过程钴离子浓度软测量模型.考虑到不同时期以及小同区域样本数据所起的作用不一样,提出一种综合模糊加权函数.有效提高了最小二乘支持向量机的性能.以净化过程生产数据进行实验验证分析,计算结果表明:模糊最小二乘方法性能优于传统最小乘方法,模型具有精度高、泛化性能好等特点,钴离子浓度软测量结果满足现场工艺参数要求,可以作为过程信息用于净化过程的优化控制.     

裂解炉燃料气热值的模糊神经网络软测量

从工业过程实际应用要求出发，研究开发了基于模糊逻辑系统的小脑模型关节控制器神经网络算法。仿真研究表明，该算法提高了传统小脑模型关节控制器的平滑能力和泛化能力，可以很好地应用于工业过程的软测量中。经现场的长期应用实施，证实了该热值软测量系统具有较高的准确性，充分显示了燃料气系统热值变化的特征，对裂解炉炉管出口温度的稳定控制起到了极大作用。     

模糊递归神经网络在软测量中的应用

针对工业过程中参数测量滞后和不准确的问题,采用动态T-S递归模糊神经网络(DTRFNN)进行软测量.本文提出了T-S递归模糊神经网络结构,最后并在此基础上对冶炼过程中的金属元素含量进行软测量实验研究,取得了较好的效果.     

基于神经网络的动态系统软测量

简要叙述了基于神经网络软测量的主要技术方法,针对当前软测量过程中所存在的一些问题,对随机学习方法(RAW)的性能作了比较分析.通过对一个典型动态过程对象的仿真,表明该学习方法的有效性以及工业应用的实用性.     

基于函数型神经网络的机械参数软测量模型研究

以机械工程中无法用传感器直接测量或测量十分困难的动态参数为研究对象，采用函数型连接神经网络理论建立软测量模型，解决了两个具有因果性质被测物理量之间函数关系的计算问题，为不易直接监测的机械参数提供了一种间接测量的新方法。液压打桩锤冲击力和塔式起重机力矩实测研究证明该方法可行、可靠。     

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。     

赖氨酸发酵过程关键参数的模糊神经网络逆软测量研究

针对微生物发酵关键生物量参数(基质浓度、菌丝浓度和产物浓度)难以直接测量的问题,以赖氨酸发酵过程为研究对象,采用基于"虚拟子系统"的模糊神经网络逆系统软测量方法对关键生物量参数进行在线估计.假定在发酵过程内部存在一个以不可直接测量参数为输入,直接可测参数为输出的"虚拟子系统",并建立 "虚拟子系统" 的数学模型.再构造"虚拟子系统"的模糊神经网络逆系统,将逆系统串接在"虚拟子系统"后构成复合伪线性系统,得到动态软测量模型,实现不可直接测量参数的在线估计.实验结果表明:该方法能很好地实时估算赖氨酸发酵过程关键参数,为进行赖氨酸发酵过程补料优化控制打下良好的基础.     

四旋翼微型飞行器的区间二型模糊神经网络自适应控制

针对四旋翼微型飞行器控制系统中存在不确定性、外界干扰等影响控制精度的问题,提出了基于区间二型模糊神经网络(IT_IIFNN)的四旋翼微型飞行器自适应控制方案.首先,根据四旋翼微型飞行器的动力学模型,设计了基于IT_IIFNN的四旋翼微型飞行器自适应控制器,该控制器由两部分构成,其中IT_IIFNN用来在线逼近系统不确定性;鲁棒补偿器用来实时补偿IT_IIFNN的逼近误差以及外界干扰.其次,利用Lyapunov稳定理论证明此飞行器控制系统闭环稳定性.最后,通过四旋翼微型飞行器样机来验证IT_IIFNN自适应控制器的优越性.验证结果显示,在加入风速为1.5 m/s的外界干扰条件下,跟踪误差可近似达到10-2.结果表明,IT_IIFNN自适应控制器具有良好的跟踪精度、稳定性及鲁棒性.     

Soft sensor modeling of chemical process based on self-organizing recurrent interval type-2 fuzzy neural network

This study introduces a novel self-organizing recurrent interval type-2 fuzzy neural network (SRIT2FNN) for the construction of a soft sensor model for a complex chemical process. The proposed SRIT2FNN combines interval type-2 fuzzy logic systems (IT2FLSs) and recurrent neural networks (RNNs) to improve the modeling precision. The Gaussian interval type-2 membership function is used to describe the antecedent part of the SRIT2FNN fuzzy rule, and the consequent part is of the Mamdani type with an interval random number. An adaptive optimal clustering number of fuzzy kernel clustering algorithm based on a Gaussian kernel validity index (GKVI-AOCN-FKCM) is developed to determine the structure of the SRIT2FNN and fuzzy rule antecedent parameters, and the parameter learning of SRIT2FNN used the gradient descent method. Finally, the proposed SRIT2FNN is applied to the soft sensor modeling of ethylene cracking furnace yield in a typical chemical process. Comparisons between the SRIT2FNN and conventional fuzzy neural network (FNN) and interval type-2 fuzzy neural network (IT2FNN) are made via simulation experiments. The results show that the proposed SRIT2FNN performs better than the conventional FNN and IT2FNN.     

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.     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理 ,分析了影响测量精度的因素 ,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系 ,其数学模型无法用解析式精确地加以描述。因此 ,提出一种基于神经网络的双目视觉传感器建模方法。数值实验表明 ,该方法简便易行 ,建立的模型有较高的精度     

Optimal adaptive interval type-2 fuzzy fractional-order backstepping sliding mode control method for some classes of nonlinear systems

In this research, a novel adaptive interval type-2 fuzzy fractional-order backstepping sliding mode control (AIT2FFOBSMC) method is presented for some classes of nonlinear fully-actuated and under-actuated mechanical systems with uncertainty. The AIT2FFOBSMC method exploits the advantages of backstepping and sliding mode methods to improve the performance of closed-loop control systems by lowering the tracking error and increasing robustness. To mitigate chattering and the tracking error, a fractional sliding surface is designed. In addition to the fractional sliding surface, an adaptive interval type-2 fuzzy compensator is used to estimate the uncertainty and perturbation of the nonlinear system in order to further reduce chattering caused by switching term as well as to enhance the perturbation rejection. In order to achieve an optimal performance, the multi-tracker optimization algorithm (MTOA) is used. Finally, a number of simulations and experimental tests are carried out to examine the performance of the AIT2FFOBSMC method.     

基于函数链神经网络的智能传感器非线性校正方法

针对温度传感元件输出的非线性特性,文章建立了智能传感器数据采集的非线性校正模型,利用函数链神经网络的非线性映射特性快速求取反非线性函数参数,实现了温度校准模型的精确拟合,给出了利用函数链神经网络进行参数计算的方法和步骤,通过气象科学中广泛使用的铂电阻温度元件实验验证了算法的有效性,校正精度达到0.1%。     

基于模糊神经网络产品设计的可装配性评价

首先建立了基于模糊神经网络的可装配性评价模型,然后将产品的可装配性分为零件级可装配性和装配顺序级可装配性,并将影响零件可装配性的因素分为零件装配特征的对称性、零件易于装配的形状特征个数、零件易于识别和零件易于抓取的形状特征个数,将影响装配顺序可装配性的因素分为总的操作数．非装配操作、装配工具的更换次数、平行的装配任务的数量、基础件的重定向次数和装配方向,建立了评价指标体系。最后将评价模型应用于某产品可装配性的评价。     

基于人工神经网络的数字式涡流传感器建模方法

为了解决数字式涡流传感器的非线性问题,介绍了利用函数连接型神经网络进行建模的原理以及神经网络权值调整的算法。从实测数据出发,建立了数字式涡流传感器的数学模型。结果表明,这种模型误差小、精度高、有良好的鲁棒性以及可在线标定等优点,比最小二乘法更具有实际意义,在测控系统中有广泛的应用前景。     

神经网络加速度传感器在振动压实中应用研究

在车载式振动压路机压实度检测中利用加速度传感器对信号的检测,由于加速度传感器受自身性能、安装位置、方向、土壤压实度和振动压路机振动轮振动量等随机性、不确定性和模糊性的环境因素的影响。使得加速度传感器的信号输出是一种典型的非线性系统。RBF神经网络因具有较强的自组织性、自学习能力和自适应性等优势,更适合对加速度传感器的输出进行仿真与预测。基于Matlab程序建立了加速度传感器的神经网络模型,通过神经网络的优势性能对加速度传感器在信号检测中进行预测。