纸浆打浆度软测量技术及优化控制系统

介绍了打浆度的软测量技术及应用S7－200PLC实现其控制的方法，在分析影响打浆度的因素的前提下，提出了软测量的思路及方法，给出了具体的系统组成及系统软件，该系统在多家纸厂使用，收到令人满意的效果，有一定的推广价值。     

神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值,由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸收力的研究领域,它将辅助变量作为神经网络的输入,将一导变量作为输出,通过训练网络来实现主导变量在线估计,对基本于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发     

基于PCA-RBFN的纸浆漂白过程pH值软测量

针对纸浆漂白过程中pH值质量指标测试存在的不足，基于机理与PCA实现了辅助变量精选；采用RBFN建立了软测量模型。仿真实验显示：该软测量方案实用、可靠，在精度、实时性方面结果令人满意。     

神经网络在软测量技术中的应用

软测量技术是通过数学模型来估计工程上难以检测的变量值。由于神经网络方法能够描述高度非线性的输入输出关系,因此,基于神经网络的软测量技术已经成为很有吸引力的研究领域,它将辅助变量作为神经网络的输入,将主导变量作为其输出,通过训练网络来实现主导变量在线估计。对基于神经网络的软测量技术进行了综述并详细介绍了神经网络软仪表的结构和方法,给出了神经网络软仪表的系统开发框架,讨论了它在过程控制中的应用,对其发展作了简要的展望。     

基于神经网络的打浆度软测量技术研究

针对制浆造纸自动控制中打浆度的测量问题，提出采用基于神经网络的软测量技术进行打浆度测量，用BP算法建立了打浆度软测量的神经网络模型，给出了神经网络建模的具体实现方法．仿真结果表明，基于神经网络的软测量方法用于纸浆浓度的测量是可行和有效的．     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

计算机通信及神经网络技术在软测量中的应用

介绍了基于OPC的DCS与微机网络数据通信技术和基于神经网络预估技术在生产过程软测量系统中的应用,以某己内酰胺装置软测量系统的开发为例,讨论了相关技术问题和解决思路。现场的实油数据仿真验证结果表明了软测量系统的有效性,最后给出了软测量技术应与生产过程优化相结合的方向发展。     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

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.     

制碱过程碳酸化塔中CO2浓度的软测量

按后序参数列,后向估计其相关前序参数的思路,应用可变窗技术,实施自适应滤波辩识,构造造了纯碱生产碳酸化塔中ＣＯ２浓度的估计器,解决了在碳酸化过程中不能在线检测碳酸化塔中ＣＯ２浓度的问题,这对碳酸化过程中的有产控制、ＣＯ２浓度成本的降低与推进软测量技术有积极意义。     

基于BP神经网络的GMAW焊接工艺参数设计

焊接工艺参数决定着焊缝几何尺寸和焊接接头的组织性能,正确地设计焊接工艺参数是焊接结构生产的重要工作.基于数值模拟和神经网络技术,以焊接质量信息(焊缝几何尺寸和冷却时间)为输入,焊接工艺参数为输出,建立了BP网络设计焊接工艺参数系统,对该网络的性能进行了测试和验证.     

基于粒子群算法的神经网络在污水处理优化中的应用

在对污水处理模型研究的基础上,建立了神经网络污水处理模型．为进一步提高污水处理效率,降低能源消耗,提出了基于粒子群算法的污水处理神经网络优化模型,并与遗传算法神经网络优化模型进行了仿真及测试比较,结果证明了本文提出方法的优越性及有效性．     

基于粒子群优化算法的BP神经网络在图像识别中的应用

介绍了一种采用微粒群算法与BP算法相结合的方法用于BP神经网络模型优化，来提高模型的收敛速度和精度。仿真结果表明，与BP算法相比较，PSO—BP学习算法训练的神经网络不仅训练时间明显缩短，而且其预报精度也得到了较大的提高。     

基于人工神经网络和生物光子学的小麦籽粒状态分类

将生物光子分析技术与人工神经网络相关算法相结合,识别小麦籽粒的不同状态.以经过不同时间的水浸泡处理和去胚芽前后的小麦籽粒为研究对象,通过定制的生物超微弱发光测试仪获取试验样品的生物光子辐射.利用人工神经网络中的误差反向传播(Back Propagation,BP)算法对测量的小麦籽粒生物光子辐射数据进行分类研究.结果显示,该方法对有无胚芽小麦的识别率均达90%以上,对于新旧小麦的识别率也在70%以上.     

基于BP神经网络的变频器功率变换主电路故障诊断研究

提出一种基于BP神经网络的变频器功率变换主电路故障诊断方法。通过对变频器功率变换主电路的故障类型及原因进行分析，提取了反映故障状态的四个特征参数。利用BP神经网络，采用自适应学习速率动量梯度下降BP算法，实现了故障模式的模式识别。     

基于人工神经元网络的预想事故电压预测

提出了基于人工神经元网络(ANN)的预想事故无功电压预测的方法．此方法以潮流计算所得的数据为训练样本,经过筛选及预处理后,在不同的负荷条件下及不同的系统拓扑结构下对ANN进行训练,建立了可在预想事故下进行电压预测的ANN网络模型．在ward & Hale 6节点系统上仿真计算结果证明,该方法能够满足在线安全分析对精度和速度的要求．     

基于神经网络的迭代控制研究

利用迭代学习控制过程记忆的期望控制ud(t)、期望轨迹yd(t)以及跟踪误差ek 1(t),提出了用迭代学习控制理论进行系统控制律设计的方法,并基于神经网络的拟合算法拟合出控制系统PID控制器的参数,实现了对系统的迭代学习控制.研究表明,这种方法实现的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性.仿真实例表明了这种方法具有很好的可行性和实用性.     

基于神经网络聚类的研究

提出了一种基于Kohonen网络的改进聚类算法,并给出了基于数据仓库平台的具体实现方案。通过对实例的聚类测试,对算法本身的若干指标进行了研究分析。     

基于神经网络的面波迭代反演应用研究

根据滩浅海近地表结构特征,尝试利用地震记录中的面波进行近地表结构研究,以便了解滩浅海地区的近地表地层介质结构变化,为深层油气勘探提供准确的低降速带资料.针对面波频散反演已有方法存在的不足,引入一种基于BP神经网络的迭代反演方法对面波的频散曲线进行拟合迭代,用于反演预测滩浅海低降速带地层参数.由于神经网络具有很强的自学习、自适应、自组织和容错能力,它的反演预测能力非常强大,能够较精确地预测出所要求解的目标数据,同时结合传统迭代反演方法的优点,增强了该方法的反演预测能力.通过对滩浅海近地表结构模型试算,获得好的效果,同时进一步对实际记录进行了计算,也取得了比较满意的结果.     

基于神经网络的模糊诊断方法及应用研究

提出了采用模糊聚类对样本的处理方法，并研究了模糊综合评估的方法在提取矛盾样本中的应用，然后提出了基于神经网络的模糊诊断方法，最后进行了仿真研究，计算结果表明本章提出的方法具有较强的实用性。