基于主成分分析法对广东省北江某水源地的水质评价

水质评价受到诸多因子的影响,我国对集中式水源地的水质评价尚未形成。目前实行的《饮用水水源地水质评价办法》主要采用单因子评价法不能完全客观地反映水体功能,在水质评价时表现出一定的局限性。利用主成分分析对广东省北江某水源地的水质指标进行水质评价的结果表明,该水源地污染情况可由2个主成分来反映,其贡献率F1(氨氮、总氮、氟化物、镉、铬)66.122%和F2(阴离子洗涤剂)31.878%。通过因子得分对监测断面2014-2016年水质情况进行综合评价分析发现,该水源地的水质在逐年好转,已达到GB3838—2002中集中式生活饮用水地表水源地二级保护区标准。与实测数据对比分析表明主成分分析法能够较好的反映水源地水质变化和污染物情况,可以对水源地进行客观的评价。     

基于自适应学习速率的模糊神经网络控制器

针对模糊神经网络控制器中很难确定一个最佳学习速率的问题,将带有动量因子的自适应学习速率BP算法引入模糊神经网络控制器中。采用模糊推理自适应调节学习速率,同时引入动量因子,提高系统的收敛速度,并基于Lyapunov定理给出了系统稳定的证明过程。针对同一数学模型,用Matlab编程仿真3种方法的实验结果表明:优化后的模糊神经网络控制器较普通模糊神经网络控制器和模糊控制器具有更优越的控制性能。     

模糊神经网络及其在系统建模与控制中的应用

模糊神经网络是模糊系统和神经网络的有机结合 ,它吸取了两者的优点。给出了两个具体的模糊神经网络结构以及相应的学习算法 ;介绍了利用模糊神经网络建立 T- S模糊模型的方法 ;讨论了基于 T- S模糊模型的控制系统分析和设计。     

基于模糊神经网络的发动机故障诊断研究

基于模糊神经网络理论,对发动机涡轮增压系统、冷却系统以及润滑系统常见故障进行了研究,在MATLAB环境中,利用常见的故障案例样本,训练BP神经网络,建立涡轮增压系统、冷却系统及润滑系统三大系统的模糊神经网络模型,并通过未参与训练的故障案例样本对模型进行验证,经验证模型的预测误差均在5%以内,可以满足故障诊断的要求。另外,针对各系统的模糊神经网络模型,利用MATLAB GUI建立发动机故障诊断系统,该系统可以根据故障现象,诊断故障原因,并通过实际故障案例验证,诊断结果与实际故障原因相符,说明故障诊断系统具有指导性。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。     

自适应模糊滑模控制在化工过程中的应用

为有效处理多变量、非线性及非最小相位系统的复杂化工过程,提出了一种新型的自适应模糊滑模控制,该方法针对滑模控制鲁棒性好但存在抖振的问题,采用模糊控制柔化控制信号,而与滑模控制的结合可以充分利用系统信息,简化模糊控制;在此基础上提出一种新的自适应调整比例因子来进行模糊变论域,柔化了控制信号并减小了滑模控制器输出的抖振。并给出模糊滑模控制的算法和稳定性分析,得到简化后的通用模糊规则库,可通过比例因子在线调节输入量的论域,使构成的控制系统具有很强的鲁棒性、较好的自适应能力和较高的控制精度。最后对于非线性单输入单输出(SISO)和多输入多输出(MIMO)化工模型进行仿真研究,结果表明即使工况点发生大的变化或受到较大干扰时,仍具有良好的抗扰动能力和很强的鲁棒性。     

集成模糊安全评价的反应路径综合

为在过程早期获取本质安全性较好的反应路径,将模糊安全评价集成于反应路径综合形成有效方法。根据反应路径综合阶段信息选择指标,通过设定指标的隶属度函数,建立模糊推理系统,且应用层次分析法（analytic hierarchy process,AHP）求得指标的权重因子,形成了模糊评价方法。为消除中间变量的影响,分别建立单、双输入变量的模糊推理系统。将它集成于反应路径综合,通过原料筛选规则,模糊安全评价,建立以安全为目标的优化模型,求解得到优良的反应路径组合。应用于萘甲胺反应路径综合实例,定量得到了反应路径及其目标函数值,并对两种模糊系统的综合结果进行了比较。     

遗传算法-模糊径向基神经网络模型预测自润滑镀层耐磨性

针对传统神经网络模型存在的缺陷,引入遗传算法和模糊运算建立遗传算法-模糊径向基神经网络模型(GA-FRBFNNM),介绍了模型结构和仿真思路.以自润滑镀层耐磨性为研究主题开展正交实验,在正交实验结果中任取10组数据作为训练样本用于模型训练,其余6组数据作为测试样本用于模型性能测试.结果表明:GA-FRBFNNM的预测值更接近于真实值,其预测精度明显高于相同结构的径向基神经网络模型,验证了该模型是有效的,能够更准确预测自润滑镀层耐磨性.主要归因于引入模糊运算使得径向基神经网络全部节点都具备特定意义,另外引入遗传算法优化了训练算法,避免了模型陷入局部极小点等问题,使得模型性能得到有效提升.     

Gasoline quality prediction using gas chromatography and FTIR spectroscopy: An artificial intelligence approach

This paper reports on analysis of 45 gasoline samples with different qualities, namely, octane number and chemical composition. Measurements of data from gas chromatography and IR (FTIR) spectroscopy are used to gasoline quality prediction and classification. The data were processed using principal component analysis (PCA) and fuzzy C means (FCM) algorithm. The data were then analyzed following the neural network paradigms, hybrid neural network and support vector machines (SVM) classifier. The IR spectra were compressed and de-noised by the discrete wavelet analysis. Using the hybrid neural network and multi linear regression method (MLRM), excellent correlation between chemical composition of the gasoline samples and predicted value of the octane number was obtained. About 100% correct classification for six different categories of the gasoline was achieved, each of which has different qualities.     

基于模糊聚类分析的水污染评价

采用传递闭包法进行模糊聚类分析,得出的模糊聚类动态图能成功地进行水域划分。在对水质进行模糊综合评判的基础上,提出了从水域划分到水质评价的完整的水污染评价方法,并给出了计算实例,为今后的水环境评价提供了一条可行的新途径。     

基于人工神经网络的压力容器安全评定可靠度的模糊分析

结合模糊聚类方法与人工神经网络技术建立了压力容器可靠度模糊分析的隶属函数 ,并对实际工程案例的评定结果进行了模糊分析 ,分析结果令人满意。人工神经网络和模糊推理方法为压力容器安全评定智能化系统的建立做了一个补充     

我国单因子水质评价方法改进探讨

针对我国现行的单因子评价法存在的过保护问题,通过对美国功能可达性评价方法进行分析,提出根据水质指标对水体功能类别的影响程度进行改进评价:若某一项对水体功能产生关键影响的指标超标,则水体不满足使用功能;若某一项对水体功能不具有关键影响的指标超标,水体满足使用功能;若有多项对水体功能不具有关键影响的指标超标,先判断多项指标的叠加影响,再判断水体是否满足使用功能。进一步提出了河流整体水质评价的建议。     

基于粒子群优化Hopfield网络匹配的稀相颗粒速度测量

提出了一种基于粒子群算法(PSO)和Hopfield神经网络相结合的粒子跟踪测速算法。该方法采用高速摄影系统拍摄气固两相流的稀相颗粒运动图像,经图像处理后,提取形心参数。将粒子匹配问题转化为优化问题,采用粒子群优化算法与Hopfield神经网络相结合的方法进行优化,求出最优解来实现颗粒的正确匹配,然后计算出颗粒的速度矢量,并与互相关法求出的速度进行对比,实验结果表明,该方法能准确地跟踪稀相颗粒,是一种有效的稀相流场速度测量方法。     

模糊物元法在大气环境质量评价中的应用

将熵权理论与模糊物元评价法相结合,建立了基于熵权的大气环境质量模糊物元评价模型,并应用该模型对某市大气环境质量进行评价,与单因子评价结论进行对比分析,结果表明模糊物元法评价结果更为细腻,评价结论更符合实际情况。     

基于MATLAB的BP神经网络在大气环境质量评价中的应用

以MATLAB为工具,编制了基于BP人工神经网络的大气环境质量评价程序,并将其应用于城市大气环境质量评价.通过与物元评价法、模糊综合评判法和灰色聚类分析法的评价结果比较,得到了基本一致的评价结论.研究表明,基于MATLAB的BP人工神经网络应用到大气环境质量评价是切实可行的,评价结论具有客观性和实用性.     

地表水质监测模型中的几种人工智能方法

重点对地表水质预测模型的几种人工智能方法进行了评述,具体说明了BP神经网络水质预测模型、地表水COD灰色预测模型、时间数列预测方法及WASP5模型系统等方法的原理和特点.并提出地表水质预测模型WASP5与GIS系统集成的趋势,建立水质自动监测系统是我国水质现状和社会发展的需要,并分析了发展水质自动检测系统的方法及可行性.     

基于小波神经网络的污水处理污泥体积指数软测量

污水处理过程具有非线性、时变和滞后等特点,因而无法进行准确的数学建模。现有的污水处理技术中最突出的问题是一些关键的水质参数不能在线监测,只能通过人工间接测量再通过计算获得,耗时较长,不能及时地进行信息反馈,会造成一些严重的后果。为了避免这样的问题,提出了基于小波分析的神经网络(BP)软测量技术,通过建立小波神经网络参数软测量模型,对污水处理中难测水质参数SVI(污泥体积指数)进行在线监测。研究表明,此方法能有效规避单一的BP算法收敛速度慢、容易陷入局部最优解等问题,有助于实现对污水处理的智能控制。     

BP神经网络在西北地区集雨窖水水质评价中的应用

本研究以会宁地区集雨窖水水质中的CODMn、NH3-N、DO三个参评指标作为集雨窖水水质等级评价的输入特征值,建立了BP神经网络水质评价模型,得出集雨初期的窖水水质基本上为ⅴ类或超ⅴ类,随着时间的增长窖水水质有明显改善,可达到Ⅰ~Ⅱ类水质。