一种实用的发酵过程建模方法

该文提出了同时利用在线参数和离线参数融合建模的实用新方法，给出了基于自适应模糊神经网络方法和模糊逻辑推理方法的建模过程，将两种建模方法进行最优加权融合，采用真实青霉素发酵过程数据进行模型验证，仿真结果表明了该方法具有较好的建模精度和实用性。     

基于SSH框架神经网络建模在发酵过程中的应用

发酵过程中的一些关键生物参数难以实时在线测量,融合人工智能技术和面向对象的编程技术,设计并实现了一种基于Web的建模系统,集成各种神经网络及其优化算法对生物参数进行建模预估.利用Eclipse的开发平台,使用轻量缓框架,分离了表示层、业务逻辑层和数据持久层,在业务逻辑层对神经网络算法进行了实现,并完成了Java与Matlab的交互.该系统可用于实际的软测量建模,还可用于对不同建模方法的分析、比较.对赖氨酸发酵过程的实际应用效果验证了软件的有效性和可行性.     

基于信息融合的火电厂飞灰含碳量的软测量建模实验室

提出了利用信息融合与软测量技术对火电厂飞灰含碳量测量进行建模的新算法．首先给出了自适应加 权融合和最小二乘支持向量机（LSSVM）算法,其次对三个非线性测试函数分别运用BP 神经网络、LSSVM 和基于 自适应加权融合的LSSVM 算法进行建模并比较了精度,最后给出了基于自适应加权融合的LSSVM 在火电厂飞灰 含碳量建模中应用的结果．     

异类传感器智能化信息融合理论与算法

主要研究了多传感器智能化信息融合算法、异类传感器信息融合中的时间配准及空间对准算法，提出了一种基于均衡信度分配准则的冲突证据组合算法。1、在经典粗糙集理论方法研究推广的基础上．提出了一种新的基于随机加权粗糙集模型的特征知识提取方法和利用阵列神经网络技术、模糊神经网络技术进行目标识别融合的计算方法。2、研究将知识发现技术和数据挖掘技术相集成．给出了动态目标识别融台的体系结构。3、针对目标综合识刷中冲突信息的组合问题．     

污水处理过程的递阶神经网络建模

针对污水处理过程的多变量和多非线性子系统的串级结构特点, 提出了一种基于活性污泥过程机理的递 阶神经网络建模方法.该方法将神经网络与过程机理模型以串级方式连接, 以神经网络辨识活性污泥过程模型中的非线性组分反应速率. 分析各子过程建模误差的关系, 给出了模型的稳定学习算法和稳定性理论分析. 最后通过某污水处理厂生化脱氮过程实际运行数据的实验表明所提出的建模方法是有效的.     

基于多神经网络的发酵过程菌丝浓度估计

某些发酵过程的参数,如菌丝浓度等难于在线测量,采用软测量的方法来进行估计是一种行之有效的方法。由于发酵过程的复杂性,传统的软测量方法难以获得准确的结果。该文采用多神经网络模型方法,充分利用尽可能得到的可在线测量信息,可有效地提高模型的估计精度和鲁棒性。该文采用的方法较传统的神经网络模型能更好地融合对被估计参数有用的冗余信息,从而达到更好的建模效果。应用实际数据的估计结果表明该软测量方法的优越性。     

间歇过程的全局收敛性神经模糊模型

为了克服难以获得间歇过程的精确数学模型这一难题,本文采用一种具有非线性模糊规则后件的模糊 神经网络建立间歇过程的模型,在此基础上提出一种基于Lyapunov 方法的全局收敛性参数学习算法,并给出了严 格的数学证明．本文提出的算法具有较好的非线性逼近和参数自学习能力,为间歇生产过程的建模提供了一条新途 径．最后,将提出的神经模糊模型用于一个典型间歇过程的建模研究中,仿真结果表明了该算法的有效性,体现了 模型潜在的实用价值．     

基于FT-NIR光谱技术在线监测乙醇发酵过程的标定建模

针对在线检测乙醇发酵过程中葡萄糖浓度、乙醇浓度和生物量问题，提出了一种基于FT-NIR光谱技术在线检测这些参数的光谱标定建模方法.采用偏稳健M回归（PRM）的方法消除了采集光谱异常值对于标定建模的影响，给出了一种网格搜索寻优方法确定最优因子数和权重系数，并从准确性、稳定性和分辨度三方面给出评价模型指标.结果表明， PRM方法建立的模型具有较好的预测效果.最后，通过对一个乙醇发酵过程的在线监测实验，验证了所提标定建模和在线监测方法的有效性.     

铅锌烧结过程的集成建模方法及智能优化算法

以铅锌烧结过程的集成建模和优化控制为背景 ,首先集成主元分析、神经网络、模糊专家系统等多种方法 ,建立了铅锌烧结过程的综合工况模型 ,然后根据综合工况模型预测的结果 ,采用聚类搜索混沌遗传算法获得最优的操作参数 ,给出操作优化指导 .本文提出的集成建模方法与操作优化算法 ,很好地解决了多输入多输出复杂工业过程的建模和优化控制问题 ,在铅锌烧结过程的生产中产生了显著的效益     

工业过程混合建模方法研究及应用

文章在分析工业过程模型的经验模型和神经网络模型的基础上，提出了混合模型的建模方法，给出了混合模型结构和应用算法，把该混合模型方法应用于制浆蒸煮过程的建模中，收到了较好的效果，混合模型的建模方法具有较大的推广价值。     

具有模糊多目标的网格任务调度算法

在异构的网格计算平台上,网格中有用户、资源管理员、组织管理者等实体,这些实体对网格的管理、使用、维护、安全性、可靠性等目标都提出了要求,并且这些目标有时是不可量化的。针对具有模糊多目标网格计算的任务调度问题,提出模糊多目标网格任务调度模型,使用模糊化等式对多目标进行模糊处理,给出求解该模型的模糊化定理,并对该定理进行证明。利用差分优化算法无需目标函数连续可微的特点,提出使用模糊差分优化算法完成模糊多目标的网格任务调度。实验结果表明,模糊差分优化算法较现有算法在执行时间上处于劣势,但在可靠性、安全性和丢失任务数三个指标上要优于现有算法。     

遗传优化模糊神经网络在组合导航系统中的应用

组合导航系统中,传统的多传感器数据融合算法存在着非线性、计算误差、维数灾难和模型误差等问题.遗传优化模糊神经网络不仅具有模糊神经网络的表达近似与定性知识,较强的学习和非线性表达等能力,而且具有遗传算法的全局搜索能力,是一种有效的数据融合算法.本文将之应用于组合导航系统中,仿真结果证明了该算法的有效性.     

发酵过程的建模与优化方法研究

对于发酵这样一个复杂的非线性动态过程,由于在线传感器的缺乏,使得过程中的一些重要状态变量难以在线测量,从而给发酵过程的优化控制带来了极大困难。为此,提出了一种新型的动态网络—递归补偿模糊神经网络方法,实现对发酵过程的建模和状态估计,结果表明该网络能够较为准确地拟合过程的动态特性。进一步采用改进的蚁群算法来对发酵过程的控制变量进行优化,使发酵的产物产量得到提高。该方法应用于多粘菌素的发酵生产过程中,实现了状态变量的在线预估与控制变量的在线优化。     

基于改进KH-ANFIS 的海洋溶菌酶发酵过程软测量

针对海洋溶菌酶（Marine Lysozyme,ML）发酵过程菌体浓度在线检测难以实现,离线测量不能反映发酵过程当前变化等问题,提出了一种基于改进磷虾群—自适应模糊神经网络软测量（HLKH-ANFIS）建模方法。首先利用自适应莱维飞行策略对传统KH进行改进,从而提升算法的全局搜索能力;同时利用跳变技术（HOT）对KH算法位置更新公式进行改进,提高算法的局部寻优能力,然后利用改进的KH算法对自适应模糊神经网络反馈进行优化,改善其过度修正和计算量大的问题;最后建立基于HLKH-ANFIS的海洋溶菌酶发酵过程菌体浓度软测量预测模型,仿真分析表明：相较于KH-ANFIS预测模型,HLKH-ANFIS模型的误差较小,具有更好的预测能力,能够满足ML发酵关键参量的在线预测需要。     

基于CloudSim的分类负载均衡调度模型

针对传统的集群调度模型效率低下不足以满足用户需求的问题,本文提出一种基于模糊聚类的分类负载均衡调度模型。首先,构建任务请求的指标体系以完成数学模型的建立;接着,采用基于模糊C均值聚类算法的改进算法对请求分类,即用改进的最小支撑树算法获取初始中心,有效性测度获取其分类个数,BP神经网络算法提高其学习能力;然后,采用两次分类的方法对服务器分类,预聚类对服务器进行功能预聚类,模糊关联聚类按处理负载能力对其分类;最后将分类调度模型在CloudSim下仿真实验,通过对比其他调度算法得到分类调度模型更具适应性和高效性,具有工程指导意义。     

基于多模型数据融合算法的木材干燥过程建模

提出了一种适合木材干燥过程建模的多模型数据融合算法,通过该方法构建了数据融合模型。分别用BP神经网络和动态递归网络建立了木材干燥基准模型,利用自适应加权算法对两模型输出进行融合,通过实验干燥数据仿真表明:融合后的木材含水率预测值的方差为0.125 3,高于任何一个单独模型的预测精度。     

自适应模糊[C]均值聚类的数据融合算法

针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足,为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题,提出了一种自适应模糊[C]均值聚类的数据融合算法,主要是把自适应模糊[C]均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集,使得融合结果更精确;其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中,提高了融合可信度。实验结果表明,与7种经典数据融合算法进行对比,该算法在4个模拟数据集与真实数据集上融合结果较好,特别在判别函数与融合误差方面优势更为明显。     

质子交换膜燃料电池的神经网络建模与控制

该文从设计质子交换膜燃料电池（PEMFC）控制方案的角度出发，首先提出了采用Elman动态神经网络对PEMFC系统进行建模的新方法，以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络，并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度；Elman神经网络辨识可使辨识过程简化并提高了辨识精度。然后在此基础上设计了自适应模糊神经网络控制器。最后的仿真实验以Elman神经网络模型为参考模型，使用自适应神经网络控制算法控制PEMFC的工作温度，取得了较好的控制效果。结果显示所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。