基于免疫原理的T-S模糊系统在线建模方法

基于人工免疫原理，提出一种在线构造T-S模糊系统的建模方法．该方法结合网格空间划分方法，以建模数据为抗原，模糊规则为抗体，采用人工免疫原理确定系统结构，并应用最小二乘方法估计线性规则后件参数．该方法具有简单、学习速度快、实时性强等特点，适合多输入模糊系统的在线学习和结构调整．     

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其 中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．     

基于高斯函数与正则化法的复杂温度场图像重建算法研究

针对高斯函数温度场重建算法在复杂温度场图像重建中精度较低问题，提出一种基于高斯函数级数与正则化方法相结合的复杂温度场重建算法，通过在温度场重建中加入火焰先验信息，实现在较少测量数据下炉内复杂温度场的重建。仿真结果表明，该算法比高斯函数温度场重建算法具有较高精度和抗干扰能力，而重建速度相当，可望将该算法用于电站锅炉炉膛的二维温度场重建。     

关于n元Ostrowski不等式

给出了n元函数的Ostrowski型不等式,从一个方面推广了Ostrowski型不等式.     

基于T-S模糊系统的软测量混合建模研究

在分析几种模糊系统建模方法的基础上，提出一种简单有效的软测量建模方法．该算法基于变结构构造法模糊建模思想，均匀设计模型的初始结构，以绝对误差为建模指标，通过增加模糊规则来提高T S模糊系统的精度．为降低规则参数辨识的计算量，提高建模速度，将规则参数分为线性和非线性两部分，分别采用Levenberg Marquardt法与最小二乘法进行辨识．实例证明，本文所提出的建模方法规则分布合理，收敛速度快，泛化性能好，适合建立多输入的软测量模型，具有较好的实际应用价值．     

基于迭代主成分分析的过程监测方法的研究与实现

利用迭代主成分分析（PCA）算法，提出一种在线过程监测方法，根据实际生产过程经验，提供了由多元统计控制图判断过程是否正常的准则，实现了实时在线的PCA建模和过程监测，仿真例子验证了这种过程监测方法的有效性和可行性。     

范各庄煤矿12s煤层分采分运系统设计

开滦勘察设计有限公司范各庄煤矿由于12s煤层含硫量高，混采后影响原煤质量，对所洗精煤质量影响甚大，直接影响全矿的经济收入，为实现经济效益的最大化，急需建立分采分运系统来实现12s煤的分采分运。论文把分采分运系统的设计和施工有机地结合起来，比较合理地布置了巷道和硐室。     

电弧炉炼钢合金成分控制模型

在电弧炉冶炼过程中,合金成分的控制对产品质量具有重要的作用。通常情况下建立以合金成本最低为目标的线性规划模型,并采用单纯型算法求解。在电弧炉模型的应用过程中,合金元素收得率对模型的精度影响较大,但是合金元素的收得率很难准确获得。通过对电弧炉生产过程中影响合金元素收得率的因素分析,建立了以灰色模型为基础的合金元素收得率估计模型,与线性规划模型构成电弧炉合金成分控制模型,提高了模型的精度。经实践应用表明,该模型可以保证按照各钢种成分要求实现准确、经济地进行电弧炉出钢时合金化操作,使钢水成分达到要求范围,有利于实现电弧炉冶炼中钢水的窄成分控制。     

基于优化BP神经网络的中子法检测煤中碳含量

介绍了中于法快速检测煤中碳含量的方法。基于遗传算法（CA）优化的BP神经网络建立了煤中碳含量的检测模型,并结合电厂锅炉燃烧用煤的实测数据进行模型的验证研究。结果表明,该方法对煤中碳含量的检测精度达到了0．5％。     

基于时间动态因果图的复杂工业过程故障预测方法

故障预测技术有力地保证了生产过程的平稳有序和人员安全.但在实际操作过程中,过程数据的定性与定量信息并存,模型较为复杂.此外,在生产过程中,利用在线收集的数据进行故障预测时存在时序延迟问题.对此,建立一种基于时间动态因果图(TDCD)的故障预测模型.在模型建立过程中,提出参数的延迟时间间隔学习算法,即移动搜索最大信息系数(MIC)算法,充分考虑了时序方面的延迟问题.在推理过程中,加入趋势分析和延时信息排序以优化推理过程,减少因延迟时间造成的故障误报率.最后,使用某浮选过程因果图网络进行算法验证,并将所提出的策略应用于湿法冶金浸出过程,与单值/多值不确定动态因果图进行对比,以表明故障预测策略的先进性和有效性.