基于PSO-BP神经网络的应力测量与补偿模型

针对柔性材料在工作过程中受力情况难以直接并准确测量的问题,提出一种基于粒子群优化的BP神经网络应力测量与补偿模型。在模型的训练过程中,采用粒子群算法对模型中的初始权值和阈值进行优化,解决BP神经网络收敛速度慢的问题。通过与柔性材料标准曲线的对比实验,验证了该模型对柔性材料进行应力测量的有效性和准确性。     

改进PSO优化BP神经网络的混沌时间序列预测

为提高BP神经网络预测模型的预测准确性,提出了一种基于改进粒子群算法优化BP神经网络的混沌时间序列预测方法。引入自适应变异算子对陷入局部最优的粒子进行变异,改进了粒子群算法的寻优性能; 利用改进粒子群算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该预测方法应用到几个典型的非线性系统的混沌时间序列进行有效性验证,结果表明了该方法对典型混沌时间序列具有更好的非线性拟合能力和更高的预测准确性。     

混沌粒子群神经网络在非线性函数拟合中的应用研究

BP神经网络虽然是目前应用最广泛的神经网络模型,但其自身有易陷入局部极小值和收敛速度慢的缺点。本文提出了一种利用混沌粒子群算法来改进BP神经网络。该算法的基本思想是用混沌粒子群算法对BP神经网络的初始权值和初始阈值进行优化。对粒子群算法进行混沌优化,提高粒子群算法的全局搜索能力;用混沌粒子群算法优化后得到的最优解作为BP神经网络的初始权值和阈值。通过对非线性函数的拟合实验,发现改进后的结果与普通的BP神经网络的结果相比,具有更高的准确性,提高了拟合的精度。     

曝气池SVI软测量建模研究

根据曝气池SVI(污泥体积指数)难于在线测量的情况,笔者以进水DO值替代曝气池DO值作为辅助变量,分别以BP神经网络和支持向量机建模。实验结果表明,2个模型预测效果都优于前人所建立的模型。综合比较之后,选择支持向量机模型作为最终的SVI软测量模型。     

模糊粒子群神经网络算法及应用

针对流程工业神经网络建模时,BP算法的局部收敛问题,采用模糊粒子群算法改进神经网络学习问题。该算法将模糊粒子群引入神经网络学习算法,使得粒子群的权重自适应更新,同时模糊粒子群自适应调整神经网络权重参数,改进网络收敛性。将算法用于建立乙烯裂解炉出口温度(COT)、裂解产品收率软测量模型,取得了较好的应用效果。     

变尺度粒子群算法及其在工业软测量中的应用

粒子群优化算法是一种基于群体智能的随机优化算法,具有收敛速度快、设置参数少、算法简单、容易实现等优点,其缺点是容易陷入局部最优解。变尺度法是一种可靠的局部快速寻优方法。为了解决了基本粒子群优化算法易陷入局部最优的问题,本文提出了一种基于变尺度方法的自适应变异粒子群优化算法。在本文算法中,粒子群每进化一代后,对所有粒子执行变尺度搜索,寻找更优个体,从而使算法具有动态自适应性,能够较容易地跳出局部最优。在延迟焦化生产过程中,汽油干点是衡量汽油的一个关键指标,建立汽油干点的软测量对延迟焦化生产实现卡边控制和提高装置的经济效益是有必要的。在实际生产过程中,无法在线测量延迟焦化汽油干点,只能采用离线实验室分析的方法获得,但离线分析不能满足控制的要求。基于软测量技术而开发的延迟焦化汽油干点软测量模型,使汽油干点的在线测量成为可能。目前,工程上一般采用BP神经网络来训练软测量模型。BP神经网络的学习算法是决定BP神经网络预测质量的关键。鉴于此,本文将所提出的变尺度粒子群优化算法用于BP神经网络学习过程中,并将本文方案的预测结果与文献方案进行了对比实验。实验结果表明,与文献方案相比,本文方案具有较好预测精度和良好的泛化能力,具有较好的应用价值。     

基于PSO-BP神经网络的湿度传感器温度补偿

针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题,提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型,利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优,将粒子群优化算法优化好的权值阈值赋给BP神经网络,对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据,通过建立模型,实现温度补偿,与传统BP神经网络补偿结果进行比较。实验表明,与传统BP神经网络模型相比,利用PSO-BP神经网络模型进行温度补偿后所得的误差绝对值之和降低了10.3887%RH,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高,能更加有效地补偿温度对湿度传感器的影响。     

PSO优化BP神经网络齿轮箱故障诊断

针对目前齿轮箱系统在利用神经网络故障诊断时存在正确识别率低和依靠经验选择参数的问题,提出了基于粒子群优化BP网络的齿轮箱故障诊断方法。简要介绍利用齿轮振动原理提取特征参数建立故障模型,该模型以齿轮箱特征向量为输入、故障类型为输出,详细分析了通过BP神经网络、概率神经网络和粒子群优化BP神经网络实现齿轮箱故障诊断。仿真结果表明,BP神经网络对齿轮箱故障诊断收敛速度慢,故障识别率为82%;概率神经网络的模型故障诊断识别率依据经验选取spread值决定,故障识别率最大为98%;粒子群优化后的BP神经网络故障诊断分类识别率为100%且自适应能力强。     

RS-IPSO-BPNN模型在建筑工程估价中的应用

针对一般建筑工程估价问题的复杂性,融合粗糙集理论、粒子群算法和神经网络算法的优势,提出了一种新的建筑工程估价模型--基于粗糙集理论、改进粒子群算法和神经网络算法集成的建筑工程估价模型。利用粗糙集理论对影响建筑工程造价的因素进行约简,优化BP神经网络的输入变量;利用一种带收缩因子的改进粒子群算法优化BP神经网络初始权重和阈值。该方法有效地增强了BP算法对非线性问题的处理能力,同时提高了BP算法的收敛速度和搜索全局最优值的能力。选取湖南某市工程案例进行实证分析。研究结果表明,新的算法模型能够以工程特征为依托,科学客观地评估建筑工程造价,具有较高的实际应用价值。     

基于竞争学习的粒子群优化算法设计及应用

针对传统PSO算法容易陷入局部最优的问题,提出一种基于竞争学习的粒子群优化算法(CLPSO);在CLPSO中,首先通过动态计算粒子的适应度值将种群分成优选、合理和疏离3个子群;其次,根据3个子群中粒子的进化特性,为3个子群分别设计了不同的更新变异方式;然后,利用12个基准测试函数对算法的性能进行了验证;实验结果表明,所提的竞争学习策略能够有效克服经典PSO算法在处理复杂多峰问题时容易陷入局部最优的缺陷;最后,利用CLPSO算法优化模糊神经网络的参数设计CLPSO-FNN算法,并利用其建立出水氨氮软测量模型,实验表明,CLPSO-FNN软测量模型能够更精确、更实时地测量出水氨氮浓度.     

城市污水处理过程污泥膨胀识别与抑制综述

污泥膨胀是活性污泥法污水处理过程中常见的一类异常工况, 且具有严重危害性, 研究污泥膨胀的识别和抑制方法对城市污水处理过程正常运行意义重大. 本文主要针对城市污水处理过程中污泥膨胀的识别和抑制方法进行综述. 首先, 文章概述了城市污水处理过程, 介绍了污泥膨胀的概念、主要特点、类型和成因; 其次, 概述了基于微生物生理特征、机理模型、图像识别和数据驱动的污泥膨胀识别方法, 分析其发展现状并指出优缺点; 然后, 概述了基于过程调控和机理特征的污泥膨胀抑制方法, 分析其发展现状并对比优缺点; 最后, 总结全文, 指出了城市污水处理过程污泥膨胀识别和抑制面临的主要问题, 并对其研究趋势进行了展望.     

活性污泥系统中溶解氧模糊控制器的研究

分析了活性污泥系统中溶解氧（DO）控制的重要性及复杂性后，提出用模糊控制的方法控制污水处理中的溶解氧，并设计了溶解氧模糊控制系统，为污水处理的自动控制提供了一种新的设计方法。     

淤泥界面检测系统的设计

本文阐述了利用超声波实现淤泥界面测量的基本原理和方法,并介绍了系统的硬件和软件的总体设计,最后对系统的测量误差进行了分析。该系统可以实现对淤泥界面的检测,提高了污水处理厂沉淀池运行效率。     

Risk assessment modelling of microbiology-related solids separation problems in activated sludge systems

This paper proposes a risk assessment model for settling problems of microbiological origin in activated sludge systems (filamentous bulking, foaming and rising sludge). The aim of the model is not to diagnose microbiology-related solids separation problems with absolute certainty but to quantify in dynamic scenarios whether simulated operational procedures and control strategies lead to favourable conditions for them to arise or not. The rationale behind the model (which integrates the mechanisms of standard activated sludge models with empirical knowledge), its implementation in a fuzzy rule-based system and the details of its operation are illustrated in the different sections of the paper. The performance of the risk assessment model is illustrated by evaluating a number of control strategies facing different short-term influent conditions as well as long-term variability using the IWA/COST simulation benchmark. The results demonstrate that some control strategies, although performing better regarding operating costs and effluent quality, induce a higher risk for solids separation problems. In view of these results, it is suggested to integrate empirical knowledge into mechanistic models to increase reliability and to allow assessment of potential side-effects when simulating complex processes.     

利用三维细胞自动机模拟活性污泥法的处理过程

针对活性污泥法的污水处理过程,提出了利用三维细胞自动机模型进行模拟的方法．该方法通过对曝 气池内活性污泥法处理过程动态演化过程的模拟,直观地揭示出活性污泥法的污水处理过程．用实际数据进行了验 证,证明了该方法能够有效地展现曝气池内污水净化的过程,实现了其可视化,并描绘了活性污泥的生长曲线．     

Study on the hydrothermal drying technology of sewage sludge

Drying of sewage sludge is an effective way for treatment and utilization of sewage sludge,where reduction of energy consumption is one of the major technical challenges.So we experimentally investigated the possibility of the hydrothermal treatment.We have found that treatment of sewage sludge by saturated steam with the temperature of 190°C and pressure of 20 bar can dramatically improve the dehydration performance of the slurry like product.And the water content can be reduced down to about 55% by a mech...     

新型光电污泥浓度传感器的设计

提出一种采用交流调制双光源技术的污泥浓度传感器方案,采用这种技术可以有效克服自然条件下的干扰并且传感器不用经常清洗,降低了维护成本.基于Lambert-Beer定律从理论上证明了方案正确性和可行性,并设计了一系列实验,从而证明传感器达到了设计要求.     

SVM和正交设计优化海上含聚油泥分离药剂的实验研究

介绍了支持向量机基本理论,首次将正交设计和SVM建模相结合用于含聚油泥分离剂的优化实验,通过网格寻优对算法参数进行优化后,所建立的回归模型即能够找到理论上的全局最优点,也可直观的表现因素之间的交互作用,在同等情况下,降低了正交设计的实验次数,优化效果明显,效率提高,是一种可行、有效的优化方法。得到的最高原油回收率为92.70%,对应复配分离剂的质量分数比为YH:YC:YE=1%:1.94%:2.76%;最低油中固含量为16.69%,对应复配分离剂的质量分数比为YH:YC:YE=1.16%:2%:2.04%。     

模糊物元分析在经验库算法中的性能优化

经验往往是决定任务成败的关键因素。算法在原有经验库算法基础之上引入特征因子和模糊物元分析过程,首先对发生事件或任务作归一化代码处理,接着搜索存在的解决方案及组合解决方案并将其存入有序解集,然后将有序解集中各解决方案的特征因子作为输入进行处理,形成最优解决方案,最后更新有序解集中各解决方案的动态特征因子。实验表明,优化算法增加了处理时间,但有效提升了解的优劣度,改进了经验库的使用性能,更好地满足了实际的需要。     

污泥纠缠环境下机器人视觉摆脱规划路径方法

传统路径规划算法针对多目标情况,主要依据多单一信息融合结果选择避障路径,在中规模的污泥纠缠区域中容易陷入盲区,无法对污泥纠缠环境下的机器人路径进行准确的规划。为此提出一种改进的机器人视觉纠缠摆脱路径规划方法,借助机器人视觉仪器采集污泥纠缠特征,用归一化方法把视觉信息融入到规划模型中进行最佳路径的选择,将机器人摆脱污泥纠缠以及最短路径的要求融合成一个适应度函数,通过遗传算法搜索获取最佳机器人摆脱路径。实验结果说明,该方法对于污泥纠缠环境下机器人摆脱路径规划长度以及效率都优于传统模型,具有较高的鲁棒性。