基于神经网络辨识的灰色预测在精馏塔中的应用

石油化工生产中常用精馏塔的控制是一种滞后时间长、滞后常数不定的典型不确定滞后对象。这种对象控制困难,系统精度要求高,要对其进行有效控制就必须高精度预测它的输出,因为对象的不确定滞后特性,对其进行精确的输出预测始终是一个难题。针对精馏塔输出预测上的困难,提出利用神经网络首先辨识系统的滞后时间,之后在此基础上采用AR(p)(自回归)模型拟合残差的改进型灰色预测方法预测输出,基本灰色预测模型采用变步长单步灰色预测。将上述方法应用在精馏塔模型输出预测中,仿真结果表明改进后的预测方法对具有滞后、时变的系统有良好的预测效果,而且对系统参数突变、漂移等非失效型故障有一定的鲁棒性、容错性,比其他灰色预测方法更具优越性。     

硅酸镧镓晶体微天平测定石蜡膜的吸附特性

硅酸镧镓晶体微天平(LCM)是以硅酸镧镓晶体为压电材料研制的新型压电式传感器,对表面质量负载变化有灵敏的频率响应。在LCM表面浇铸石蜡薄膜,实时监测十二烷基苯磺酸钠在石蜡膜表面吸附过程中的质量变化,结果表明:其吸附过程呈现可逆吸附特征,并可以用Langmu ir等温线和动力学模型进行回归分析,获得吸附/脱附速率常数、平衡常数、饱和吸附量等参数,并讨论了盐浓度的影响。     

椭圆曲线密码体制在电子商务中的应用与研究

采用椭圆曲线密码体制ECC对电子商务EC中的信息进行了数字签名验证DSA的系统设计。将ECC公钥算法和高级加密标准AES私钥算法有机结合,解决了密码体制中速度和安全性不能兼顾的问题,并进一步讨论了ECC的实现速度和安全性问题。     

Hydrothermal preparation and crystal habit of X-zeolite powder

The preparation of X-zeolite powder was investigatedin hydrothermal system, the crystal growth process of X-zeolite in hydrothermal condition was characterized by means of X-ray diffraction, scanning electron microscope and infrared ray. The results show that X-zeolite powder with uniform granularity and intact crystal shape can be obtained in hydrothermal system of acid-treated stellerite-NaOH-NaAl(OH)4-H2O; the crystallite size is in the range of 2 - 3μm. The best reaction time of hydrothermal preparation is 6 h. The formation phases of X-zeolite crystal are as follows: dissolution of feedstocks → formation of [SiO4]4- and [AlO4]5- tetrahedron, many-membered ring,β cage → formation of crystal nucleus and nano-particle → aggregation growth of nano-particle → coalescence growth of crystallite. The crystal habits of X-zeolite are intimately related with crystallization orientation ofβ cage in crystal and with its coupling stability on every crystal face family.     

压电式传感器测定蛋白质吸附动力学参数

利用液隔电极型压电式传感器实时监测牛血清白蛋白(BSA)在石英表面吸附过程。基于所提出的吸附动力学模型,估算出BSA在石英表面的吸附速率常数为ka=1.27×103mol-1·L·s-1,脱附速率常数为kd=1.31×10-3s-1,由可逆吸附态向不可逆吸附态的转化速率常数为kf=3.46×10-4s-1。     

一类基于FNN的非线性系统自适应控制

模糊神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于模糊神经网络具有学习能力和自适应性，使得其能对变化的环境有自适应性，控制器也基本上不依赖于模型，针对一类非线性系统，利用模糊神经网络对系统进行建模提出一种鲁棒自适应控制方法。首先利用李雅普诺夫定理证明在一定的条件下，闭环系统必能稳定，并证明这个条件即非线性函数f(x)中的x必落入某一紧集中成立，同时考虑其控制性能，选择鲁棒控制量，使跟踪误差达到要求的性能指标。理论分析和仿真结果说明了该控制算法的可行性和有效性。     

基准设计问题的补充说明:实验条件

为了使不具备实验条件的作者也能够对论文提出的控制算法进行试验验证 ,深圳固高科技有限公司可提供实验结果[1] (如果作者本身具有固高科技有限公司所产的固高直线一级倒立摆实验设备 ,请在应征论文中给出实验结果 ) .鉴于固高直线倒立摆的模型参数以及执行机构与《鲁棒控制基准设计问题 :倒立摆控制》(以下简称《问题》)一文有异 ,现将实验条件描述如下 ,以做《问题》的补充 .希望固高公司提供实验的作者 ,以本文的数学模型以及参数为依据 ,在论文中给出控制器相应的修正方法 .1　执行机构《问题》中的系统的执行机构是直流伺服电机 .现在…     

滞后不确定系统的无辨识自适应智能控制方法

针对带有大纯滞后、不确定性的工业过崔，提出一种无需辨识的自适应智能控制方法。该方法不需要对过程建立数学模型，只要检测过程的实际输出和期望输出，通过模糊预测控制来自正单神经元自适应PSD控制律，即可以对滞后不确定、建模困难的工业过程实现自适应控制。仿真结果表明用该方法控制滞后不确定系统具有简单、实用、鲁棒性强的特点．     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

一种用于非线性函数逼近的小波神经网络

提出一种用于非线性函数逼近的小波神经网络，给出了网络的参数训练方法。从信息熵的概念出发，改进了网络参数训练的目标函数，并利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。仿真实验表明，该小波神经网络用于非线性函数逼近时优于同等规模的BP网络，且其训练方法亦具有收敛速度快、逼近精度高等优点。