自组织神经网络在发酵过程建模 与控制中的应用

将改进的自组织神经网络的辨识算法,与预测控制理论相结合,应用于发酵过程的建模与控制中.改进的建模方法大大提高了算法的收敛速度,基于该算法的预测控制方案在发酵过程的非线性控制中,获得了良好的响应特性.     

基于LMD 改进GPR 优化的网络流量预测

针对蚁群算法容易陷入局部最优、 网络流量预测准确性不高的问题, 提出一种基于局部均值分解(LMD)改进蚁群优化高斯过程回归(GPR)的预测算法。考虑到网络流量的复杂性, 使用LMD 将网络流量分解成多个相关的子序列; 通过GPR 对网络流量子序列进行建模分析; 用蚁群算法优化超参数, 引入视线角度参数控制蚂蚁搜索时的视线范围, 提高蚂蚁的局部搜索能力; 通过莱维飞行更新蚂蚁搜索的步长, 提高蚁群算法搜索的全局性。实验表明, 改进后的蚁群算法搜索到了更优的值, 与原有GPR 算法相比, LMD分解后改进蚁群优化GPR 的算法来预测网络流量, 更好地拟合了网络流量的走向, 提高了预测的效果, 对维护网络安全具有一定的作用。     

发酵过程控制的回归模型和过程预测

发酵过程是与微生物的生命活动相联系的生化过程，反应机理复杂，机理模型尚不成熟。本文提出利用发酵批报数据，以二次多项式模型集为基础，通过逐步回归和统计推断进行模型选择和参数估计的通用建模方法，以实现发酵过程的预测控制。     

一种电力系统短期负荷预测的RBF优化算法

针对径向基函数网络在电力系统短期负荷预测中的应用，将神经网络训练的冲量改进算法运用到径向基函数网络的训练中，提高了训练收敛速度和精度，详细介绍了短期负荷预测的建模过程，实验表明该优化算法能有效改善预测性能。     

生物发酵过程神经网络状态预防器的验证

由于生物发酵过程的复杂性和不确定性，传统的建模，状态估计、基于模型的多步超前预测方法通常难以奏效，作为一种数据驱动的方法，神经网络模型能够弥补以上方法的不足。采用滚动学习－预测算法，对工业生产规模的青霉素流加发酵过程的产量、糖耗分别作出了多步超前预测，取得了满意的结果。     

具有误差预测修正的DMC算法

ＤＭＣ（动态矩阵控制）是预测控制的典型算法之一,它具有建模简单,计算量少,鲁棒性强等特点。但是,现有的各种ＤＭＣ算法,在任一时刻的误差信息均是采用该时刻的实际输出与上一时刻的一步模型输出预测的差值,并以此补偿基于模型的预测,当模型失配较为严重时,其控制品质不太理想。为此,利用预测误差的历史数据建立误差预测模型,通过对误差的预测来修正基于非参数模型的过程预测输出,从而得到了具有误差预测修正功能的ＤＭＣ算法。仿真结果表明,该算法能够较好地克服建模误差的影响,提高了控制品质。     

基于BP神经网络的L-色氨酸发酵过程建模

运用BP神经网络对L-色氨酸的发酵过程进行建模并预测，所建立的模型能够比较精确地模拟菌体生长、底物消耗以及发酵产酸3个过程的变化。结果表明，BP神经网络在L-色氨酸发酵的模拟与预测中是一种高效快速的方法。     

改进主成分分析的KNN故障检测研究

为提高过程故障检测的可靠性与准确性,提出改进的主成分分析的故障检测方法.首先通过K-means聚类算法将原始建模数据进行分类,然后在此基础上应用PCA在每个类中提取主成分,最后建立基于数据的KNN模型进行故障检测.研究结果应用于青霉素发酵过程,与传统的PCA、KNN算法进行比较,表明采用PC-KNN的故障检测结果更加准确,并且减少了数据量与计算时间,保证了过程的安全可靠运行.     

发酵过程中温度模糊控制的研究

温度控制是发酵过程中的关键．温度的模糊控制具有许多传统控制方法无法与之比拟的优点．在模糊控制算法的基础上，增加预测模型，通过求取预测误差和预测误差变化率进行了模糊决策．实验结果表明，这种方法达到了对发酵温度的有效控制，最佳控制精度可小于±1．0℃．     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的El-man动态回归神经网络预测控制算法.首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制(GPC)的反馈校正、滚动优化来完成非线性系统的预测控制.仿真结果表明:将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力.     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题，提出了一种基于改进的Elman动态回归神经网络预测控制算法．首先，在一般的Elman动态回归神经网络算法中加入了混沌机制，利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点，提高了系统的辨识速度；然后，结合广义预测控制（GPC）的反馈校正、滚动优化来完成非线性系统的预测控制．仿真结果表明：将本算法应用于非线性系统预测控制，对未建模动态具有较强的鲁棒性和良好的控制跟踪能力。     

基于自适应蚁群算法的艾萨炉铜熔炼配料优化方法

针对艾萨炉铜熔炼过程配料优化问题,提出了基于自适应蚁群算法的艾萨炉铜熔炼过程配料智能优化方法.该方法首先分析了艾萨炉铜熔炼过程中工艺配料特点,以成本为优化目标,综合考虑工艺、质量、库存等多约束条件,采用自适应蚁群学习算法,将配料优化问题转化为在各种约束条件下的学习建模问题,借助历史配料数据进行建模,实现配料预测与优化.艾萨炉铜熔炼配料实验结果表明,提出的方法能有效降低生产成本,改进配料系统的效率,比人工方式物料配比有很大的改进.     

基于霍尼韦尔PKS的换热器温度控制系统设计及应用

发酵过程是燃料乙醇生产过程中极其重要的一环,而在发酵过程中成熟醪液的温度直接影响燃料乙醇发酵的产量和效率。为了解决这一问题,采用霍尼韦尔公司的PKS系统对液化车间换热器出口温度设计控制系统,采用Profit Loop算法代替常规PID控制方式,结果表明改进的系统具有更高的控制精度,可在工程应用领域得到推广。     

基于模型算法的预测控制系统仿真软件设计

介绍了基于PC机平台的模型算法控制(MAC)系统仿真软件的开发与实现过程.该软件包含了模型算法控制MAC及在此基础上改进的增量模型算法控制IMAC两种预测控制算法,可以用这两种不同的方法实现对预测控制系统的综合性仿真,包括控制器参数调整的作用等.利用该软件可对模型算法控制系统的作用机理做进一步仿真分析,并有助于定性分析出两种算法中设计参数的调整对系统性能的影响以及不同算法之间的优劣.     

神经网络在过程建模中的应用

阐述了神经网络用于过程建模目前存在的问题，提出了改进的方法，并将此应用到了大型炼油厂脱蜡过程的建模中。通过比较改进前后的ＢＰ算法仿真结果可以看出，改进后的算法在网络的训练收敛速度上有了较大提高。     

基于GA-ANN的非线性半参数建模方法

为结合参数模型与非参数模型各自的优势,提高建模精度,将非线性半参数模型引入到工业过程建模中.提出基于遗传算法和神经网络的非线性半参数模型的建模方法及结构方案,并给出同时估计参数模型部分和非参数模型部分的交叉循环迭代的算法步骤.对算法中的神经网络的设计和遗传算法进行了改进研究,重点讨论了在增加精英保留策略、增加算法的记忆功能、提出新的适应度计算方法和交叉变异策略等方面的改进措施.采用聚乙烯装置的现场工业数据对方法的有效性进行了验证.结果表明：半参数模型比传统的参数模型有更好的预测精度,并能够较好地跟踪过程变化.     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模

针对秸秆发酵制取燃料乙醇过程的关键参量乙醇质量浓度难以用传统物理传感器实时在线测量,给发酵过程的监测与控制带来困难这一难题,采用混沌果蝇优化算法( chaos fruit fly optimization algorithm,CFOA)优化最小二乘支持向量机( least square support vector machine,LSSVM)的关键参数,避免了普通交叉验证法选取参数的耗时性和盲目性,建立混沌果蝇最小二乘支持向量机软测量模型,实现乙醇质量浓度的在线实时测量.实验仿真表明：基于CFOA的LSSVM模型平均误差为4.55%,明显优于LSSVM模型,表明该软测量建模方法预测能力强,测量精度高.     

基于LS-SVM苯乳酸发酵过程的建模

为了解决苯乳酸发酵过程中关键生物参数难以直接在线检测的问题,提出了基于最小二乘支持向量机（LS-SVM）的软测量建模方法. 通过使用径向基核函数来对菌体浓度、苯乳酸浓度建立模型,对建模的理论进行了分析和并进行了仿真研究,同时还采用支持向量机对过程进行了建模,对两种方法的优缺点进行了比较. 结果表明,基于LS-SVM的建模方法预测精度高、跟踪性能好,能提高在线预估的效率,非常适合于苯乳酸发酵过程的在线预估.     

储层建模基于目标算法的研究进展

介绍储层建模基于目标算法的起源和发展过程,总结算法相关研究进展。此算法类型逐渐丰富,模拟对象从早期的微相建模拓展为微相的联合分布及其控制的构型单元;多种耦合算法得到较多应用,优化了建模效果;已建立有完善的地质知识库,并广泛应用于建模工作中;层次化建模思想逐步形成并与构型研究相结合,丰富了建模理论。