铝电解计算机控制系统抗干扰措施的研究

针对铝电解过程存在在强电场、强磁场、强热场等干扰,在计算机控制系统中,为提高控制系统的可靠性,采用有效的硬件抗干扰技术、大大提高了系统的可靠性和控制效果。     

基于遗传算法的模糊PID复合控制在电阻炉上的应用

由于电阻炉温度控制具有非线性、大滞后、时变性等特点，提出了一种采用遗传算法作为神经网络的学习算法，设计出一种神经网络PID控制器，使电阻炉炉温控制系统具有较高的控制精度和良好的动态特性与鲁棒性。采用MATLAB仿真及试验结果表明，该方法有效可行，可以推广到其他温度控制系统的应用上。     

集成神经网络在铝电解故障诊断中的应用

本文提出基于诊断任务分解的并行神经网络——集成神经网络来对铝电解过程中的故障进行诊断。利用小结构的神经网络学习速度快、局部极小点少等优点．把大结构的神经网络通过任务分解然后集成转化为小结构的神经网络，优化了大结构的神经网络的学习性能，降低了误诊率。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点，提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强，所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且，模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则，从而进行客观准确的控制。与普通模糊控制方法相比较，仿真试验说明了系统设计的有效性。     

在高维数据上的近邻传播聚类降维研究北大核心CSCD

为了使近邻传播(AP)聚类在高维空间中获得更好的聚类效果,该文提出一种基于谱分析的近邻传播聚类方法(Affinity Propagation based on Spectrum analyze,AP-SA)。首先,通过采用谱分析技术将分布在高维非线性的数据点集映射到几乎线性的子空间上,映射过程实现高维数据降至低维。最后,通过AP聚类算法对映射在低维空间上的数据进行聚类,从而提高了AP算法在高维空间上的聚类性能。仿真实验结果表明,该方法相比于传统AP算法,在低维数据中无明显的优势,但随着实验的数据集的样本规模与维数的增加,在高维数据中的该方法降低了聚类时间的同时,也保证了较好的聚类效果。     

高线穿水冷却控制系统

本文对高速线材轧制工艺过程中的强制水冷过程进行了分析,并在此基础上设计了一套控制系统。该系统根据穿水冷却过程的特点对系统功能进行了层次划分,在上层采用神经网络模型进行自学习分类,并将训练得到的权值用于控制模型,以得到底层控制系统所需的设定值,底层系统依设定值进行有效控制,从而得到较好的金相组织。     

阳极效应预报新方法在控制系统中的实现

针对铝电解中的阳极效应预报存在的问题.提出一种新的阳极效应预报方法,该方法简单易行、易于在计算机控制系统中实现,不仅可以提高铝的产量和质量,而且对节能和保证整个电解系列平稳安全生产,具有很重要的意义。     

一种智能型流量计

在流量计中嵌入单片微型计算机,使之具有了一定的人工智能,用于测量各种流体的流量,并可实现由上位微型计算机对组网的智能型流量计进行集中管理。本文简要地介绍了这种智能型流量计的硬件和软件的工作原理及设计方法。     

基于模糊自整定PID的退火炉脉冲燃烧控制方法

目的 针对退火炉所具有的大惯性和纯滞后的这种非线性对象,采用脉冲燃烧控制方法 ,设计模糊自整定PID控制器,以提高控制性能.方法 在分析退火炉脉冲燃烧控制系统的基础上,利用模糊规则对PID参数进行在线的自动整定,提出了一种基于模糊PID的退火炉脉冲燃烧控制系统.结果 给出了模糊PID控制系统的结构框图以及工作原理阐述,实现了对退火炉的温度控制,并进行了控制系统仿真对比曲线分析.结论 从仿真曲线上可以看出,该控制器能使退火炉的温度控制过程很快达到稳态,具有较好的快速性和稳定性,产生的超调量较小.具有较好的动态和稳态性能.