模糊逻辑系统BP算法在生化过程建模中的应用

基于模糊逻辑系统ＢＰ算法原理,结合一个生化反应建模的实例,阐述了实际建模的具体步骤．总结出一种较好的用五电平伪随机码作为输入激励信号的方法,它比一般的伪随机信号更能激励出系统的特性,且产生和使用都很方便．与神经网络辨识器比较,它具有参数少,收敛速度快,泛化特性好等优点．     

基于神经网络的故障诊断推理方法

针对传统诊断技术的局限性,研究了基于ＢＰ模型神经网络的故障诊断推理方法,它只需选择足够的具有代表性的故障样本训练神经网络,将代表故障的信息输入给训练好的神经网络,根据神经网络的输出结果,就可以判断发生故障的类型．神经网络一旦训练好,由于其具有容错性,不仅能诊断出已经出现过的故障,还能在一定范围内诊断出从未出现过的故障,使故障诊断智能化和简单化．仿真结果表明,基于神经网络的故障诊断方法是行之有效的     

应用离散Karhunen-Loeve法选择丙烯浓度的辅助变量

辅助变量的选择是软测量和推断控制成功与否的关键之一．阐述了如何将离散Ｋａｒｈｕｎｅｎ－Ｌｏ－ｅｖｅ展开法用于分析过程数据,选择辅助变量．并对某炼油厂粗丙烯精馏塔进行了仿真实验研究,取得了与奇异值分解（ＳＶＤ）方法一致的结果     

网络流量的神经网络自适应Smith预估补偿控制

网络的时延对基于速率反馈的ATM网络的ABR流量控制具有极大的不利影响，Smith预估补偿是克服大纯滞后影响的有效手段，然而其对时延的预估误差非常敏感，实际网络时延的不确定性往往使其难以取得满意的效果。该文将在线学习的神经网络自适应控制器与Smith预估补偿相结合，很好地克服了网络的时延及其不确定性对流量控制的不利影响，从而使信源的发送速率能快速响应网络状态的变化。与PIDSmith预估补偿控制相比，控制的适应性和鲁棒性更好，更适用于实际网络，且为保证信元不溢出及链路带宽充分利用所需的缓冲容量更低。     

间歇过程生产计划的智能方法及其应用

提出了一种新的数学模型和专家系统相结合的智能方法。建立了生产计划的线性规划模型。通过定义分配系数将长期、中期、短期计划统一在一个模型之中,利用专家系统技术来确定分配系数,从而降低了模型的维数,减少了所需计算机的内存容量,加快了运算速度。以某啤酒厂生产过程为例,仿真和实际运行均表明可获得显著的经济效益。     

基于小波去噪核主元分析和邻近支持向量机的性能监控和故障诊断

针对化工过程数据中包含噪声和强非线性的特点,提出了基于小波去噪核主元分析(De-ncdsed Kerntel Principal Component Analysis,DKPCA)和邻近支持向量机(Proximal SupportVector Machine,PSVM)的性能监控和故障诊断新方法.将样本数据用小波方法进行去噪处理,去除数据所包含的噪声,通过KPCA将降噪后的数据进行变换,在特征空间里构建T2和Q统计量来监测是否有故障发生;若发生故障,则计算数据的非线性主元得分向量,并将其作为PSVM的输入值,通过PSVM分类来确定故障的具体类型.流化催化裂化装置(FCCU)仿真试验验证了小波去噪的必要性和利用DKPCA-PSVM进行监控和故障诊断的有效性.     

投影寻踪学习网络及其在控制系统中的应用展望

介绍了投影寻踪学习网络（ＰＰＬＮ）的结构原理，给出了其基本学习算法．讨论了ＰＰＬＮ算法结构改进及优缺点，分析了它对多变量控制系统建模、软测量及控制器设计问题的适用性，并展望了ＰＰＬＮ良好的应用前景．     

一种实现有滞后SISO系统频域参数辨识的新算法

提出了一种能够采用有滞后模型结构的SISO系统的频域辨识算法.该算法采用了直接的非线性指标,能够有效避免指标的线性化所导致的问题.进一步,针对这种非线性指标所导致的非线性优化问题,本文发展了一种最小二乘求解算法,提高了求解效率和解的可靠性.仿真取得了非常好的效果,表明了所提出方法的有效性.     

Drifting model approach to modeling based on weighted support vector machines

This paper proposes a novel drifting modeling (DM) method. Briefly, we first employ an improved SVMs algorithm named weighted support vector machines (W_SVMs), which is suitable for locally learning, and then the DM method using the algorithm is proposed. By applying the proposed modeling method to Fluidized Catalytic Cracking Unit (FCCU), the simulation results show that the property of this proposed approach is superior to global modeling method based on standard SVMs.     

PI tuning for large dead-time processes with a new robustness specification

A simple PI controller tuning method for large dead-time processes is presented. First, a first-order plus dead-time model is identified on the basis of relay feedback experiments, which Nyquist curve is very close to that of large dead-time processes over a wide frequency range. With the model available, PI controller is designed with a new robust specification. Simulation examples show the effectiveness and feasibility of the presented PI tuning method for large dead-time processes.