一种针对单输入单输出不确定非线性系统的改进白适应模糊控制算法

针对仿射非线性系统提出了一种改进的自适应模糊控制算法。应用模糊逻辑系统逼近未知的系统函数,同时给出控制器结构和系统辨识模型,进而根据输出跟踪误差和辨识误差设计自适应律来在线调节控制器参数,使得所设计的闭环系统在Lyapunov意义下是稳定的,其输出能够跟踪参考信号并且对不确定动态具有一定的鲁棒性能。     

基于LS-SVM棉针织物前处理工艺指标软测量

该文针对棉针织物前处理过程工艺指标吸水性和白度难以实现在线连续检测,且与前处理过程温度、时间、液碱浓度、双氧水浓度等影响因素具有较强非线性,难以建立精确数学模型。在分析了棉针织物前处理过程质量指标相关影响因素的基础上,采用最小二乘支持向量机建立了前处理过程工艺技术指标软测量模型,并通过实验验证了软测量模型的有效性。     

基于LS-SVM的棉/氨纶弹力布热定形效率预测

针对热定形大样实验数据较少的问题,提出以基于最小二乘支持向量机（1east squares support vectormachine,IS—SVM）方法建立棉／氨纶弹力布热定形效率预测模型,该方法基于统计学习理论的原理,能较好地解决小样本、非线性的学习问题。将该方法与传统的多元非线性回归方法进行比较,试验结果表明,该方法具有更高的精度,验证了LS—SVM对热定形效率预测建模是一种可行且有效的方法。     

连续蒸煮过程的关联估计递阶DMC控制

针对制浆生产蒸煮过程控制中存在的反应过程复杂、机理建模困难,设计了关联估计递阶动态矩阵预测控制(DMC)算法.新的关联估计协调算法克服了目标协调算法计算量大等缺点,实现了在1台微机上并行运算和控制,从而大幅度提高了各个变量控制算法和协调算法的运算速度和通信速度.对实际连续蒸煮过程的试验结果表明,该算法具有简单易实现,运算量小,实时性好等特点.     

间歇染色织物图像重构处理及颜色相似度评价方法

为了改善间歇式染色生产中颜色测量的滞后性,采用拍照法得到织物的实时图像。先对图像进行k均值聚类处理,再根据图像的尺寸比例进行重构得到新图像。通过分析重构图与原图直方图的Bhattacharyya距离来评价重构效果和颜色相似度,从而实现基于图像的在线颜色测量。实验结果表明,重构图像的颜色分布均匀,通过分析织物不同形态的重构图与理想图的颜色相似度及概率密度分布,进而可得到颜色分布函数与织物色差的模型来获得准确的颜色值。因此,基于图像处理对织物的颜色进行在线测量是可行的。     

化工软测量技术研究进展

详细说明了软测量技术的含义以及软测量系统的组成。在此基础上，介绍了软测量技术中基于机理分析建模、应用状态观测器建模、应用统计分析建模、神经元网络、模糊技术、以及支持向量机的智能建模等软测量建模理论方法和最新研究成果，之后介绍了小波分析、推断控制算法在软测量数据处理中的应用，最后介绍了基于虚拟仪器开发平台的软测量系统实现技术。     

带有时滞的未知非仿射非线性系统自适应模糊跟踪控制

应用自适应模糊逼近方法研究了一类带有时滞的未知非仿射非线性系统的跟踪控制问题.系统的实际控制器是按照Backstepping设计过程经逐步反推而得到,在每一步设计中需要用自适应模糊逻辑系统来逼近未知的非线性函数.为了降低控制设计对先验知识的依赖性,取消须事先已知模糊基函数的限制,采用非线性参数化的模糊逻辑系统作为逼近器.由于逼近器中的未知参数彼此之间呈非线性关系,无法直接得到在线估计这些参数的自适应律.为了实现对相关参数的在线调节,先应用Taylor展开式将呈非线性关系的参数分离,使其相互之间具有线性关系,然后再基于Lyapunov第2方法给出相应参数的自适应调节律.最后,通过一个仿真实例来验证所给方法的有效性.结果表明:所得自适应模糊控制器能有效补偿时滞的影响,保证闭环系统中所有信号均有界,而且输出跟踪误差能收敛到原点的任意小邻域内.     

基于因子分析法的急性颅脑损伤与血液成分关系

通过研究血液成分来判断急性颅脑损伤的严重程度。选用血液中的红细胞、中性粒细胞、红细胞计数等16项指标作为研究对象,用因子分析法对其进行分析,提取与急性颅脑损伤有关的6种因子指标;用判别分析法检验6种因子指标判别脑损伤严重程度的准确性,其准确率可达85%。研究表明,因子分析法能够准确的分析出血液中与急性脑损伤严重程度有关的指标,期望成为研究脑损伤的有效方法。     

基于粒子滤波的织物染色配方预测算法

针对不同批次染料的力份差异、染料间的相互作用（水解、缔合）等原因导致计算机配色系统初次仿样结果不准确,需要多次人工调方才能达到客户要求的问题,按照正交设计的多组配方打样,将所得的染样作为标样,利用CCMS（计算机配色系统）预测各标样所对应的初始配方,分析了CCMS预测配方与实际配方之间的误差,建立了二者之间的非线性模型。在该模型的基础上,根据CCMS预测配方和粒子滤波来估计实际配方,得到PF算法预测配方。实验证明,非线性模型是正确的;此外,相对于CCMS预测配方与标样之间的色差（CIELAB）,PF算法预测配方的染色结果与标样之间的色差能缩小50%以上。因此,模型是准确的,利用PF算法来预测实际配方的方法切实可行。     

针织物染色上染率动力学模型

College of Information Science and Engineering;Huaqiao University;Quanzhou;Fujian 362021;China