神经元网络软测量技术的研究进展

讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术，计算机通信、虚拟仪器及WWW结合的应用实例，目前，在构造软仪表方面，成功地应用于实际生产过程中的神经网络主要有向BP网络和RBF网络，此外还有融合模糊技术的神经网络算法，数据处理仍是一个十分重要的问题，此外，现有的在线校正方法十分有限，应发展更多更新的方法以适应复杂工业系统控制的要求，同时，将软测量技术与系统调优结合起来，变开环指导为闭环控制，使其有更广泛的应用推广。     

过程控制中的软测量技术*

本文对过程控制中的软测量技术进行综述，从建立软仪表的方法，、影响软性能的因素以及软仪表的在线校正和工业应用等方面进行了详细讨论，对其发展作了简要的展望。     

基于神经网络的软测量技术及应用

软测量是一门新兴的工业技术，它借助现代估计理论构造模型推断出工程上难以检测的变量。本文提出了基于径向基函数神经网络（RBFNN）的软测量技术，并且结合工艺机理分析和过程数据关联，对其在轻柴油凝固点软测量的应用进行了研究。结果表明，RBFNN的良好的非线性动态建模能力使其在软测量中具有很大的应用潜力。     

神经元网络软测量技术的进展

软测量技术已经在过程控制理论研究和实践中产生了广泛的影响，但是目前尚未形成系统的理论。近年来神经元网络软测量技术有了一定发展，在训练算法和建立模型方面都取得了可喜的进展。讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术、计算机通信、虚拟仪器及WWW结合的应用实例。     

基于实时嵌入式操作系统的软测量软件包

介绍了基于实时嵌入式操作系统的软测量软件包的设计原理、系统框架、关键技术及核心算法。利用面向对象技术、多线程技术、动态链接技术在嵌入式操作系统Windows CE上开发了软测量软件包。该软件包具有开放性、实时性和通用性。     

基于模糊神经网络的COD软测量技术的研究

针对现在污水处理过程中监测水质的设备与技术比较落后,原始的实验室化验方法会造成时间的严重滞后,不能及时的反馈信息保证产品的质量,可能会造成一些严重的后果;采用了一种基于模糊神经网络(FNN)软测量技术的方法,充分利用神经网络的非线性映射能力、学习能力、并行处理能力和容错能力,以及模糊逻辑系统处理不确定性的能力等优势;将两者有机结合起来,组成在功能上更加完善和强大的模糊神经网络,以此进行建模,实现对污水处理中难测水质指标-化学需氧量(COD)的在线监测。     

基于神经网络的过程软测量

提出基于神经网络的软测量技术的一般框架,并针对一个实际的催化裂化装置,采用多层前向网络和推广随机逼近算法对粗汽油干点的软测量进行了研究.理论分析和模拟表明,该模型可以很好地描述实际对象特性.     

基于神经网络的通用软测量技术

基于神经网络的通用软测量技术１）王旭东邵惠鹤（上海交通大学自动化研究所上海２０００３０）关键词软测量,ＲＢＦ神经网络,竞争学习,精馏塔．１）国家自然科学基金资助项目．收稿日期１９９６－１２－０３１引言目前建立软测量模型有多种方法,但是还缺乏通用性,通...     

基于BP神经网络的电机转矩软测量研究

本文将在化工领域广泛使用的软测量技术应用来进行异步电机转矩测量。根据感应电动机的数学模型，提出了仅用葶于神经网络的电机定子电流的电磁转矩辨识方法，实现异步电机转矩的软测量。用改进的BP算法对神经网络进行学习和训练，构建了适合电机转矩观测的多层前馈神经网络，仿真研究表明：基于神经网络的电机转矩辨识模型具有良好的性能。     

基于软测量的钢坯内部温度场分布研究

由于目前测试技术的限制，在生产过程中对钢坯内部温度的检测比较困难，为了获得钢坯内部的温度，一些研究人员尝试通过数学模型的方法实现钢坯内部温度分布的软测量模型。本文以步进式加热炉中钢坯温度场分布为应用背景，提出了利用机理建模的方法来实现钢坯内部温度场分布的软测量模型，并且对典型工况进行了仿真，结果表明测量精度完全符合工业应用要求。     

人工神经网络预测软土地基沉降

简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,充分运用人工神经网络较强的非映射能力来预测软土地基的沉降,利用实测资料来对复杂的非线性的土工结构进行直接建模,并计算出软土地基的沉降值,获得满意的效果。结果显示,人工神经网络应用于软土地基沉降的前景是非常广阔的。     

基于离散过程神经元的乙烯生产装置软测量

针对传统M—P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher—Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。     

基于离散过程神经元的乙烯生产装置软测量

针对传统M-P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher-Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。     

神经网络在水处理加药控制中的应用研究

随着供水源水污染日益严重和水质要求的不断提高,于是就增加了给水处理的难度;在水处理过程中,混凝是整个水处理工艺系统中最重要的过程,也是最难管理的一个环节,它不仅影响到处理的全过程,并且还是制水成本的重要组成部分;通过对给水处理过程中投药系统的工艺原理的研究,分析了其混凝过程中影响其混凝效果的相关参数,建立了混凝剂投加模糊神经网络预测控制模型,旨在研究一种有效的混凝剂投加智能算法并投入实践;试验表明,此模型在源水水质变化的情况下,实现了混凝剂投加的有效控制,提高了水行业的自动化水平.     

基于人工免疫网络的神经网络集成方法

提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

电力电量预测的神经网络方法

本文依次将前六个月用电量作为输入值,第七个月用电量作为输出值,建立BP神经网络结构,根据历史数据对神经网络进行训练,并通过预测试验,对预测网络进行检验,结果表明利用神经网络方法对全国用电量进行预测是可行的.     

基于BP人工神经网络的软件质量评估

针对软件质量评估的课题,提出了一种基于BP人工神经网络的软件质量评估方法,提高软件质量评估的准确性.首先,论文介绍了人工神经网络的基本原理和软件质量评估的基本过程.然后选取适当软件质量特征构建基于BP人工神经网络的评估体系,分别进行BP网络学习和验证数据测试的实验.通过测试得到的数据结果,证明该方法能够准确地评估软件质量.     

基于人工神经网络的配电网距离保护方法研究

基于神经网络技术提出了一种新的配电网距离保护方法,用于提高距离继电器在配电网中抗开路故障的性能。给出了保护方法的详细数学模型。该方案采用的人工神经网络结构简单,只需离线训练,不会对距离继电器的工作时间造成大的时延,也不需要特殊的通信辅助手段。测试结果表明,采用该方案的距离继电器不仅能够检测电网线路中的开路情况,而且无论故障前的电流负载如何,都能够定位故障位置,验证了所提方法的有效性。     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。