排序方式: 共有30条查询结果,搜索用时 0 毫秒
1.
2.
基于和声搜索优化多T-S模糊神经网络的聚合釜过程软测量建模 总被引:3,自引:0,他引:3
根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出一种基于模糊C均值聚类算法的多T-S模糊神经网络模型对聚氯乙烯(polyvinylchlorid,PVC)聚合生产过程中的氯乙烯(vinyl chloride monomer,VCM)转化率和转化速率进行预测。首先采用主元分析来对软测量模型的辅助变量进行选择以降低模型维数,并提出和声搜索和最小二乘法相结合的混合优化算法来优化T-S模糊神经网络子模型的结构参数。仿真结果表明该模型能够显著提高PVC聚合过程中经济技术指标预测的精度和鲁棒性,可以满足聚合釜生产过程的实时控制要求。 相似文献
3.
4.
5.
针对滚动轴承结构及其运行环境的复杂性和信号特征参数信息难以被提取的问题,提出一种由蜻蜓算法(DA)优化改进的深度置信网络方法(DA-IDBN)并应用于轴承故障诊断中.采用DA对神经网络结构进行优化设计,确定最优结构.应用最小批量随机梯度下降法对每一个自适应受限波尔茨曼机(RBM)进行预训练,并采用BP神经网络反向微调DBN的权重参数.通过实验验证了笔者所提方法的有效性,并取得了更好的分类效果. 相似文献
6.
企业管理和生产控制网络一体化是计算机网络技术在企业管理中一重大发展,给生产和管理提供了科学化、现代化的管理工具,为企业开辟了新的管理手段。 相似文献
7.
针对滚动轴承振动信号的非平稳非线性特性,提出了一种采用集合经验模态分解(EEMD)熵特征提取、t-分布邻域嵌入(t-SNE)和粒子群优化-概率神经网络(PSO-PNN)的滚动轴承故障诊断方法。首先,对振动信号应用EEMD算法实现分解,生成多个固有模态函数(IMFs),对生成的含有主要故障信息的模态分量进行选择,以进一步实现熵特征提取,然后对高维特征数据应用t-SNE算法进行降维,最后利用PSO-PNN分类器进行故障识别。通过案例1和案例2的分析结果表明:该方法对滚动轴承故障识别率均达到100%,具有较高的故障识别率,能对滚动轴承的故障类型有效的识别。 相似文献
8.
9.
10.
聚氯乙烯汽提过程具有高度非线性和时变性等特点,是一类复杂的非线性工业过程.首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂(PVC)汽提过程的被控对象模型;然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统;最后采用BP神经网络PID控制器对系统进行控制.仿真实验结果验证了所提出集成控制策略的有效性. 相似文献