基于在线SVM的裂解炉燃料气热值软测量

针对裂解炉燃料气离线热值模型泛化能力差的问题,提出一种具有自适应能力的在线支持向量机(Online SVM)建模方法.该方法将增量式支持向量机(ISVM)与近似线性依靠(ALD)条件相结合,通过计算新样本与建模样本间的近似线性依靠值,选择满足ALD条件的独立新样本更新SVM模型.分析裂解炉燃料气热值的影响因素,并用Online SVM算法建立裂解炉燃料气热值在线软测量模型.该模型由离线训练模块和在线模型更新模块组成.离线训练模块基于离线数据训练得到初始热值软测量模型,在线更新模块通过使离线模型学习线性独立新样本来保证热值模型的在线预测精度.利用合成数据、Benchmark数据与裂解炉燃料气热值数据,将该方法与传统的SVM和LS-SVM方法进行对比仿真研究.结果表明:该方法能够适应新的工况,具备自适应学习新样本的能力,可以用于具有慢时变特征的裂解炉燃料气系统热值软测量建模.     

基于卡尔曼滤波器的循环流化床机组燃料发热量软测量

燃料性质复杂多变是当前循环流化床机组运行过程中普遍面临的问题,现场应用过程中发现:利用锅炉风量-氧量热量信号计算得到的燃料发热量信号动态特性好,但存在较多干扰并且静态误差大;传统BTU(煤热值)校正计算得到的燃料发热量信号静态误差小,但滞后很大.利用卡尔曼滤波器对两种方法得到的燃料发热量信号进行融合,即将风量-氧量热量...     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法（SVM）设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于SVM的GA及其在农业产业结构优化中的应用

针对遗传算法的特征,提出了通过支持向量机SVM构造遗传算法的适应度函数的新算法,该算法通过统计学习理论指导遗传算法的优化过程,然后又把基于支持向量机的遗产算法应用于农业产业结构优化布局中,结果表明基于支持向量机的遗产算法能较快地全局收敛.     

固定床反应器中生物质催化热解气化制富氢燃料气的研究

在小型固定床反应器上进行了新鲜草和小麦秸秆的催化热解气化制富氢燃料气的研究.采用正交试验设计方法考察了热解气体停留时间、生物质水分、热解温度、催化剂种类及用量对热解气体产率及其组成的影响规律.结果表明,生物质水分、热解温度、催化剂种类及用量是影响热解气体产率和H2产率的显著性因素;热解气体中H2含量为19%～45%,CO含量为9%～40%,CH4含量为5%～15%,CO2含量为16%～60%;单位质量(kg)干燥基生物质可产生气体0.4～1.3 kg.     

基于边分类的SVM模型在社区发现中的研究

社区发现是复杂网络研究的重要内容,也是分析网络结构的重要途径。分析了社区发现研究中存在的问题,提出了一种基于边分类的SVM模型。通过边顶点相似度和边介数来表示边的特征,从而构造分类函数。利用LFR生成社区结构已知的人工网络,通过人工网络数据训练基于边分类的SVM模型,对分类函数的参数进行估计,利用训练模型对真实网络进行社区分类并通过标准化互信息(NMI)和整体准确度来评价分类效果。实验得到了较高的整体准确度和NMI值。实验表明基于边分类的SVM训练模型对真实网络数据的社区划分有较高的准确度,表明该方法是可行的。     

基于混合多神经网络的软测量建模研究

对多神经网络的建模方法进行探讨,并将线性模型结合在多神经网络中,对多神经网络进行改进,仿真结果表明其泛化能力得到了提高.     

基于SVM和形态学的乳腺X线影像MROI提取技术

针对目前乳腺X线影像微钙化点感兴趣区域的提取方法复杂,效果不理想,保留微钙化区域的能力及排除非病变区域的能力差等方面的问题.依据微钙化点区域和非微钙化点区域的特征差异,提出了利用支持向量机来对乳腺组织子块是否是微钙化点区域进行分类,引入微钙化点的检测方法,利用形态学对含微钙化点的可疑区域进行检测,最后判断微钙化点簇,完成提取.实验证明,该方法操作简单,检出率较高,且假阳性得到明显降低,可大幅提高后期辅助诊断的效率.     

基于递推PLS的自适应软测量模型及其应用

针对基于批量数据的传统偏最小二乘（PLS）模型无法随生产过程的变化而更新的问题，提出基于块式递推PLS的限定记忆法。新的自适应算法保持定长数据块队列，根据最新采集的数据块更新模型，并按数据块的时间先后运用遗忘因子赋予其相应的可信度，从而确保模型跟踪过程变化。结合实际工业过程的应用要求，给出了方法的实施步骤，并运用该方法建立了气相聚乙烯工业生产过程质量指标的自适应软测量模型。与固定PLS模型相比，该模型能更好地跟踪过程变化，具有更高的预测精度。     

基于改进BP方法的精炼炉电压和电流软测量建模

在精炼过程中,精确地测量电弧电流和电弧电压对提高调节器性能、生产优质钢和提高冶炼效率有着重要的理论和实践意义.首先建立基于BP神经网络的电弧电流及电压软测量模型,然后针对BP神经网络收敛速度慢、易陷入局部极小值点的缺点,对模型进行改进,提出基于遗传算法的BP神经网络软测量模型.在MATLAB仿真平台中对建立的两个模型进行仿真比较,结果表明基于遗传算法的BP神经网络软测量模型在收敛速度、泛化能力等方面都要明显优于单一的基于BP神经网络建立的测量模型.     

基于静电测量的聚乙烯气固流化床结片检测

以聚乙烯气固流化床内无结片正常流化状况为参照,对发生黏壁结片、黏分布板非对称结片和黏分布板对称结片等3种典型结片时不同径向和轴向位置的静电流(EC)进行了测量,发现静电流对结片的灵敏度较高,并据此提出了一种基于静电流的新型结片检测方法,可通过静电流信号平均值(MV)和标准偏差(STD)的改变判断结片的位置.研究发现,在正常流化状况下,床内流化状况均匀,静电流径向对称性良好.而黏壁结片和黏分布板非对称结片的发生均在一定区域内破坏了流化状况的均匀性,前者主要影响结片下方区域的流化状态,后者则对距离分布板较近的两个测点影响较大,两者均造成有结片侧和无结片侧静电流大小和波动程度的差异增大.黏分布板对称结片对流化床中流动状况的对称性几乎没有影响,但与无结片时的实验结果相比,相同高度、相同气速下的平均电流和标准偏差均增大.     

基于小波变换的气液两相流系统软测量

为解决多相流系统的参数检测和流型识别问题,以气液两相流系统为研究对象,在小波分析技术的基础上,建立了一个气液两相流系统的参数检测软测量模型,并对此模型进行了分析和模拟实现．结果表明,此模型可以通过4尺度小波变换图清楚地看到段塞流及波状流的形成及结束过程,并生成波流的去噪光滑波形图及辨识细节波形图,从而达到有效识别波流流型的目的．     

基于单目视觉的实时身高测量算法

提出了一种应用在驾驶员体检系统中的新的身高测量方法。首先利用OTSU自适应阈值分割法和快速连通区域标记算法来分别获取人头顶部投影的纵坐标和标志点的坐标;然后根据它们来初步计算身高;最后根据摄像机成像模型对计算结果进行修正以得到准确的测量结果。工程测试表明该方法测量准确、可以满足体检系统的身高测量精度要求;同时和驾驶员体检系统的其他模块有效整合在一起,降低了硬件和操作的复杂性。     

基于自适应自然梯度法的高斯过程磨矿粒度软测量建模

针对现有的磨矿粒度测量仪表检测周期长,难以满足实时检测的问题,结合典型两段式磨矿回路的特点,提出了基于高斯过程(Gaussian process,GP)的磨矿粒度软测量建模方法,将自适应自然梯度(adaptive natural gradient,ANG)法应用到对高斯过程超参数优化过程中,构建基于ANG-GP磨矿粒度软测量模型,并分别与BP神经网络和支持向量机软测量模型进行仿真试验的比较研究。结果表明：基于ANG-GP的磨矿粒度软测量方法优于其他2种方法,且具有较高预测精度,能有效地对磨矿粒度进行在线检测,表明了该方法的有效性。     

基于自适应多测量融合UPF的矿井人员跟踪算法

针对复杂背景下的矿井跟踪视场由于单一线索对目标缺乏可分性、观测模型可靠度对场景变化缺乏自适应性致使观澍失效、跟踪发散的问题,提出了基于自适应多测量融合UPF的矿井人员跟踪算法.采用UKF产生预测样本,通过融入最新观测的建议分布引导预测样本分布在状态空间的高似然区域,扩大了预测样本与观测似然峰值重叠区域;提出运动光流直方...     

基于超声层析成像技术的气/液两相流检测仿真

为了检测过程工业领域中气/液两相流的流动状态及组分分布,利用超声层析成像技术对气/液两相流进行仿真研究.考虑到传感器数量对图像重建质量影响较大,首先,对传感器数量进行了对比研究,传感器数量越多,图像重建质量越优;其次,利用线性反投影算法对不同流型进行了图像重建;然后,进一步引入自适应阈值滤波算法对原始重建结果进行二值化处理;最后,计算了阈值处理后的二值化图像与标准图像的相关系数.结果表明:线性反投影算法能有效对各种流型进行图像重建,而自适应阈值滤波算法能显著提高成像质量.     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

基于可变遗忘因子的改进RPCA方法及其在自适应故障监测中的应用

针对现有监测方法对时变过程易产生误警且对微弱故障的检测能力不足等问题,提出一种基于可变遗忘因子的改进递归主元分析(recursive principal component analysis,RPCA)方法用于自适应故障监测。在主元模型的在线更新中引入一种可变遗忘因子,并为不同的模型参数设置不同的遗忘因子;在相关矩阵的递归分解中引入部分奇异值分解的思想,递归计算负荷矩阵和特征值对角矩阵;提出一种控制限递归更新方法,实现控制限的自适应更新。对某型雷达发射机工作过程的监测结果表明,改进的RPCA方法能自适应地跟踪过程的时变,有效地减少了对正常工况调整的误警和对微弱故障的漏报。