并联型混合建模方法在诺西肽发酵过程中的应用

针对诺西肽发酵过程中菌体浓度的估计问题,提出了一种并联型混合建模方法.该混合模型分两部分:机理模型部分和误差补偿模型部分.利用二氧化碳释放率方程与茵体生长动力学模型,推导出了一种新的茵体生长动态模型,并以此作为混合模型的机理模型部分;利用神经网络构成误差补偿模型部分,其中该部分的辅助变量是在分析与诺西肽发酵过程对应的非结构模型的基础上,根据隐函数存在定理选取的.实验结果验证了所提方法的有效性.     

基于诺西肽分批发酵的过程建模

诺西肽是一种含硫多肽类抗生素，该抗生素能明显促进动物生长，而且在动物体内无残留，是一种优良的非吸收型饲料添加剂。以分批发酵工艺过程为对象，研究了基质浓度、押制物及菌体自身浓度对菌体生长的影响，建立了诺西肽的菌体生长模型、基质消耗模型、产物生成模型，以及溶解氧与操作变量（搅拌转速和通气量）的关联模型．在所建模型基础上，对诺西肽的分批发酵过程进行了仿真研究，仿真结果与实验结果基本一致。     

基于机理知识与最小二乘支持向量机的诺西肽发酵过程混合建模方法

提出了一种综合先验机理知识与最小二乘支持向量机的发酵过程混合建模方法。机理知识由两部分组成,一部分是表示发酵过程的质量平衡方程;另一部分是简单的过程参数估计模型。采用最小二乘支持向量机模型对这种简单估计模型进行校正,弥补它的不精确性。这种混合模型被应用到诺西肽发酵过程中进行生物量浓度、基质浓度与产物浓度的估计中,结果表明加入先验机理知识的混合模型增加了单纯的支持向量机模型的泛化能力。     

结构逼近式网络和并联网络对CSTR的建模比较

利用-种新的混合神经网络的建模方法.结构逼近式混合神经网络对一类典型的化工连续搅拌釜反应(CSTR)过程建立了数学模型.介绍了这类混合神经网络的基本特性、拓扑结构和训练方法.该方法充分利用了已知非线性系统的结构信息和特点,使神经网络"恢盒"化,更好地解释和描述系统各变量间的因果关系,从而提高网络的建模精度.并利用两种不同的网络验证方法,将结构逼近式混合神经网络和一类典型的"黑箱'模型.并联混合神经网络做了比较说明,结果证明了方法的有效性.     

机理混合自适应时延神经网络建模和控制算法

过程机理和数据驱动模型的结合一直是过程控制中的重点和难点问题。提出了一种新颖的机理混合模型结构。该模型基于自适应时延神经网络,并结合了被控对象的机理模型,因此可以对建模的对象进行预测感知,并可大幅提高神经网络的泛化功能。基于这种模型设计了预测控制算法,并分析了该模型的逼近能力、收敛性以及该控制算法的闭环稳定性。在双容水箱液位控制系统的大量实验结果表明,基于该混合模型的预测控制算法比现有算法具有更好的控制效果,从而验证了该混合模型的优越性。     

复杂过程对象混合建模策略的研究

提出一种面向复杂过程的混合建模策略并应用于精馏塔的建模。混合模型包含基于基本原理的简化机理模型和基于神经网络的稳态、动态补偿机构。通过工况的识别以及模型参数的离线辨识和在线优化，混合模型可以准确地模拟复杂过程在大范围内的动态特性。仿真结果证明了混合建模策略的有效性。     

间歇制浆蒸煮过程的混合建模方法探讨

本文在分析间歇蒸煮过程的经验模型和神经网络模型的基础上,提出了制浆蒸煮过程的混合建模方法,给出了混合模型的结构和算法.在对工厂的实际数据应用表明,该混合模型的结构和算法是有效的.     

基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。     

基于智能优化灰色模型的电子固废预测

针对已有电子固废产生量预测时存在的建模机理复杂、建模精度低等问题,提出一种分数阶多元灰色模型与神经网络补偿模型相混合的智能建模     

PEMFC混合模型的建模及其稳态仿真

模型和仿真是设计最优燃料电池系统的有利工具。本文提出了一种新型的混合燃料电池模型,该混合模型包括机理部分和黑箱部分(即神经网络部分)。其中,机理部分用来体现大家所熟知的PEMFC性能,神经网络部分用来表现大家所不知或者不能用机理模型来表现的PEMFC性能,从而使该模型能更好的再现PEMFC的各种特性。为了验证该混合模型的有效性,在Matlab/Simulink环境下进行了不同阴极压力和温度下的仿真实验,结果证明了该混合模型的正确性。该混合模型与实验数据、机理模型和ANN模型的比较实验,表明混合模型具有比单独的机理模型或神经网络模型更高的精度。     

The 12th International Conference on Service Systems and Service Management ICSSSM'15

正~~     

THE 8~(th) INTERNATIONAL CONGRESS ON INDUSTRIAL AND APPLIED MATHEMATICS

正August 10-14,2015Beijing,ChinaThe International Congress on Industrial and Applied Mathematics(ICIAM)is the premier international congress in the field of applied mathematics held every four years under the auspices of the International Council for Industrial and Applied Mathematics.From August 10 to 14,2015,mathematicians,scientists     

2014 List of Referees

正~~     

《Journal of Systems Science and Systems Engineering》Contents of Volume 23,2014

正~~     

TSINGHUA UNIVERSITY,Beijing, China

正AF:Any Field The School of Economics and Management at Tsinghua University(Tsinghua SEM)invites applications for faculty positions at all levels(Assistant Professor,Associate Professor and Full Professor)in any fields of business administration and management.Tsinghua SEM is the only school     

Enterprise resource planning implementation decision & optimization models

To study the uncertain optimization problems on implementation schedule, time-cost trade-off and quality in enterprise resource planning (ERP) implementation, combined with program evaluation and review technique (PERT), some optimization models are proposed, which include the implementation schedule model, the timecost trade-off model, the quality model, and the implementation time-cost-quality synthetic optimization model. A PERT-embedded genetic algorithm (GA) based on stochastic simulation technique is introduced to the optimization models solution. Finally, an example is presented to show that the models and algorithm are reasonable and effective, which can offer a reliable quantitative decision method for ERP implementation.