排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
2.
针对生物转化法制备丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,采用基于结构风险最小化的支持向量机对发酵过程建模.与神经网络方法相比,所建模型的预测效果更好.同时采用粒子群算法对支持向量机模型中 相似文献
3.
袁安平 《机械工人(冷加工)》2014,(5)
正1.问题的提出在重型龙门式机床的生产中,遇到了关于"两立柱导轨面共面测量"的新课题。如图1所示,其立柱导轨跨距一般在4m以上。查阅现有资料,此项目有采用钢丝法测量的先例,但对操作者水平要求较高,其准确性及效率不能适应现阶段的生产需要。因此,急需探索一种新方法来解决这一问题。 相似文献
4.
目的进一步了解高血压病联合用药的必要性。方法对120例高血压患者采取单独服用硝苯地平缓释片和联合倍他洛克两种不同治疗方法,观察治疗前后降压情况、副作用和实验室变化。结果硝苯地平联合倍他洛克治疗高血压疗效优于单独用药组,而且副作用少,耐受性好。结论联合应用硝苯地平和倍他洛克治疗高血压病既可减少药量,减少副作用,又可增加降压效应,值得进一步推广。 相似文献
5.
6.
袁安平 《中国新技术新产品》2012,(17):89
运用整体顶升对不满足使用要求的桥梁支座进行更换,可恢复桥梁的使用性能。本文介绍了整体顶升更换桥梁支座的施工技术,以及施工准备、拆除约束构造及梁体限位、顶升设备、预顶升、更换支座、施工监控等方面的质量控制要点。 相似文献
7.
基于PSO的丁二酸发酵动力学模型参数优化 总被引:1,自引:1,他引:0
丁二酸是一种重要的化工原料,对丁二酸发酵过程进行模型化研究可以为工艺放大提供必要的基础数据。根据丁二酸发酵过程的实验数据,在已有的丁二酸发酵动力学模型的基础上,采用粒子群优化算法进行模型参数优化研究,求得最优参数并利用其进行过程仿真。结果表明优化后的模型能够更好地模拟丁二酸分批发酵过程。和采用遗传算法进行的研究结果相比,粒子群算法提高了模型计算值与实验测量值的拟合程度,且算法简单,易于实现。 相似文献
8.
支持向量机是一种新的机器学习算法,它采用结构风险最小化准则,能有效提高模型的泛化能力.本文针对生物转化法生产丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,介绍了支持向量机回归建模算法在Matlab软件中的实现过程,对产物丁二酸浓度建立了预测模型,研究了SVM的小样本学习、泛化能力.仿真结果表明,与神经网络相比,SVM算法具有更好的推广能力,使得在未来工业化丁二酸发酵生产过程中针对丁二酸浓度的在线预估与优化控制成为可能. 相似文献
9.
丁二酸发酵过程的软测量建模研究 总被引:3,自引:1,他引:2
生物转化法生产丁二酸的间歇厌氧发酵过程存在明显的不确定性和高度非线性,其中某些参数(如丁二酸浓度)难以在线检测,给过程优化策略的有效实施带来了障碍.最小二乘支持向量机(LS-SVM)是标准支持向量机(SVM)的一种扩展,遵循结构风险最小化原则.将该算法用于丁二酸发酵过程建模.用具有RBF核函数的LS-SVM建立丁二酸浓度的模型,并通过MATLAB 7.0开发工具和径向基(RBF)人工神经网络的建模方法进行比较.结果表明LS-SVM方法比基于RBF神经网络的软测量建模方法降低了83.7%的外推误差,具有更好的泛化能力,使针对丁二酸浓度的在线预估与优化控制成为可能. 相似文献
1