青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一，其浓度与菌体细胞的生长速度密切相关．在青霉素发酵过程溶解氧变化机理的基础上，将模糊神经网络和变结构预估控制方法相结合，研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法，设计了青霉素发酵过程溶解氧的变结构预估控制系统．实验结果表明，对青霉素发酵过程中的溶解氧浓度进行变结构预估控制，可以使溶解氧浓度的调节达到满意的效果，既降低氧消耗，又避免出现氧抑制现象，使发酵过程始终处于较优的状态．     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题．基于RBF神经网络的辨识方法，建立了青霉素发酵过程模型．以动力学模型为基础产生教师数据，采用遗传算法对网络进行训练，建立了基于RBF神经网络的发酵过程模型，并进行了仿真实验验证．实验结果表明，该辨识模型对青霉素补料分批培养过程具有实用价值．     

生物发酵过程神经网络状态预防器的验证

由于生物发酵过程的复杂性和不确定性，传统的建模，状态估计、基于模型的多步超前预测方法通常难以奏效，作为一种数据驱动的方法，神经网络模型能够弥补以上方法的不足。采用滚动学习－预测算法，对工业生产规模的青霉素流加发酵过程的产量、糖耗分别作出了多步超前预测，取得了满意的结果。     

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法，包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理，变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外，用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证，其模型具有良好的收敛性能和泛化性能，可应用于发酵过程状态参数的在线预估和测量。     

基于混和网络软测量模型的菌体浓度检测

针对发酵系统中某些重要参数难于在线检测的问题,阐述了基于混和神经网络建立软测量模型的技术,并将其应用到酵母发酵过程的菌体浓度测量中,试验结果表明,混和神经网络建模比单一黑箱神经网络建模具有更好的效果.     

基于BP神经网络的L-色氨酸发酵过程建模

运用BP神经网络对L-色氨酸的发酵过程进行建模并预测，所建立的模型能够比较精确地模拟菌体生长、底物消耗以及发酵产酸3个过程的变化。结果表明，BP神经网络在L-色氨酸发酵的模拟与预测中是一种高效快速的方法。     

自组织神经网络在发酵过程建模 与控制中的应用

将改进的自组织神经网络的辨识算法,与预测控制理论相结合,应用于发酵过程的建模与控制中.改进的建模方法大大提高了算法的收敛速度,基于该算法的预测控制方案在发酵过程的非线性控制中,获得了良好的响应特性.     

自组织神经网络在发酵过程建模与控制中的应用

将改进的自组织网络的辨识算法,与预测控制理论相结合,应用于发酵过程的建模与控制中,改进的建模方法大大提高了算法的收敛速度,基于该算法的预测控制方案要在发酵过程的非线性控制中,获得了良好的响应特性。     

神经网络用于啤酒发酵中糖度建模

啤酒发酵过程中糖度不能在线测量而影响其实现全自动化。本文利用神经网络的非线性建模特点为啤酒发酵过程的精度进行建模。     

基于细胞自动机模型的青霉素发酵过程优化控制策略

针对青霉素分批补料发酵过程优化控制问题,提出了一种基于青霉素分批补料发酵过程细胞自动机模型(简称CAPFM)的青霉素分批补料发酵过程优化控制策略设计方法．该方法通过理论分析,将CAPFM等价并转化为一个马尔可夫过程,并构造了基于马尔可夫决策过程的CAPFM迭代优化控制策略,设计了青霉素分批补料发酵过程迭代优化控制的模拟仿真系统．     

动态神经网络模型及在电力负荷建模中的应用

分析了静态神经网络在动态电力负荷建模中存在的问题，提出了适用于动态负荷建模的动态神经网络模型，并且给出了具体的训练算法。通过对一个实际工业负荷建模，证明了所提方法的可行性及有效性。     

An integrated scheme of neural network and optimal predictive control

An approach of adaptive predictive control with a new structure and a fast algorithm of neural network (NN) is proposed. NN modeling and optimal predictive control are combined to achieve both accuracy and good control performance. The output of nonlinear network model is adopted as a measured disturbance that is therefore weakened in predictive feed-forward control. Simulation and practical application show the effectiveness of control by the proposed approach.     

基于铝电解过程神经网络建模的研究

目的利用神经网络铝对电解过程进行辨识建模,以解决采用常规方法难以建立模型的问题.方法分别利用递归神经网络（Elman神经网络）和延时神经网络（加入延时单元的BP神经网络）对铝电解过程进行辨识建模,并将二者的辨识结果进行了比较.结果递归Elman神经网络能更好地跟踪铝电解生产过程,并且网络结构简单误差小.结论笔者提出的递归Elman神经网络建模方案更适合于对铝电解过程进行辨识建模.     

Modeling of Magneto-Rheological Damper with Neural Network

With the revival of magnetorheological technology research in the 1980＇s, its application in vehicles is increasingly focused on vibration suppression. Based on the importance of magnetorheological damper modeling, nonparametric modeling with neural network, which is a promising development in semi-active online control of vehicles with MR suspension, has been carried out in this study. A two layer neural network with 7 neurons in a hidden layer and 3 inputs and 1 output was established to simulate the behavior of MR damper at different excitation currents. In the neural network modeling, the damping force is a function of displacement, velocity and the applied current. A MR damper for vehicles is fabricated and tested by MTS; the data acquired are utilized for neural network training and validation. The application and validation show that the predicted forces of the neural network match well with the forces tested with a small variance, which demonstrates the effectiveness and precision of neural network modeling.     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

在LCC建模过程中可视化技术的应用

在分析了LCC建模特点的基础上，给出了利用计算机可视化技术来解决LCC建模问题的一种方法，通过实例表明，可视化技术提高了LCC建模效率和模型的直观性、准确性、可用性。     

一种优选神经网络训练样本的混合聚类算法

神经网络训练集中含有大量相似样本不但增加了网络的训练时间还对网络泛化能力存在较大影响,合理的选择样本集训练神经网络模型影响着建模的效率。根据实际应用中神经网络学习样本具有的内在特征和规律性,提出了一种基于自组织映射（SOM）神经网络的K-均值聚类算法优选神经网络样本,算法的主要思想是通过对样本数据的聚类分析,剔除孤立样本后挑选出具有代表性的样本训练神经网络。实验结果表明,相对随机选择法而言,本算法能够有效地减少训练样本的数目,提高建模效率。     

人工神经网络在预测服装及面料舒适性方面的探讨

服装市场的激烈竞争要求服装厂商能对面料以及还未出品的成衣的舒适性做出快速判断。对服装及面料舒适性的预测离不开舒适性模型的建立,通过分析其他建模方法存在的弊端引出人工神经网络的建模方法,其模糊判别的特点适用于舒适性模型建立的要求。叙述了此种技术在舒适性研究中应用的现状,并在技术上对舒适性神经网络的构建进行了探讨。     

基于BP神经网络的燃料电池发动机温度模型

燃料电池堆的热特性对燃料电池整体性能和寿命有重要影响,电堆温度特性具有不确定性和非线性,本文利用BP神经网络建立了电堆温度模型,并通过实测数据分析了神经网络模型的特性,研究结果表明,神经网络可以用于电堆温度模型的建立,为质子交换膜燃料电池电堆的建模与控制提供了一条可供参考的途径.     

喂丝机神经元自适应速度控制系统设计

基于神经元的自组织自适应学习特点,提出了适用于喂丝机自适应速度控制的神经元控制器.此方法的显著特点为不需要系统建模,且运行简单,并且有较强的鲁棒性,非常适用于工程实际应用.仿真结果验证了该控制方案的有效性.