一种改进的模糊CMAC神经网络车辆自主避障算法

考虑到模糊控制算法在自主避障上的缺陷,设计了一种改进的模糊CMAC神经网络车辆自主避障算法。采用模糊CMAC神经网络(FCMAC)的各层节点来实现模糊控制器变量的输入、模糊化、模糊逻辑的前提条件匹配运算、模糊量的归一化、控制量的输出和控制规则的调整,借助神经网络的自学习能力来完成模糊控制。通过仿真实验,验证了改进的模糊CMAC神经网络算法的可行性和有效性。     

660MW超临界火电机组锅炉煤种燃烧适应性试验研究

选用电厂常用煤种,在某电厂的660 MW超临界火电机组对冲火焰锅炉上进行热态试验。运用热态燃烧气氛即时测试技术,测量各混煤在不同负荷条件下的炉内烟气温度变化、飞灰及灰渣可燃物、污染物(SO_2、NO_x等)排放量及汽温特性情况,对比研究掺混对锅炉安全性和经济性的影响。通过燃烧调整,提出适于锅炉燃烧的混煤特性、掺混方式及锅炉安全经济的运行方式。     

一种自适应CMAC软测量与控制模型

通过研究了小脑模型神经网络(CMAC)存在的不足,设计了基于自适应的CMAC算法,对CMAC的重要组成部分概念映射、学习率和惯性系数进行了自适应设计,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要.结合沉降分离控制系统工艺优化的需求,提出了基于自适应CMAC的沉降系统软测量和控制模型,用于准确实时地预测稀释矿浆固含,在此基础上进行絮凝剂投放措施优化.工业试验说明了该模型在对化学量软测量的预测精度和快速性上具有明显的优越性,本模型已应用于某氧化铝厂工艺优化系统中动态调节絮凝剂投放量,节省了生产成本,取得了明显的经济效益.     

基于大数据驱动案例匹配的电站锅炉燃烧优化*

电站锅炉燃烧是一个复杂的多相反应过程。针对基于计算智能的燃烧优化算法复杂度高、难以进行实时在线优化的问题,同时考虑提高锅炉效率与降低污染物排放的双重要求,提出了基于数据驱动案例匹配的电站锅炉燃烧优化方法。依托电厂的SIS大数据库,利用数据挖掘技术进行深层次的分析,离线建立燃烧案例库。在线优化时,基于机组DCS中的实时运行数据进行当前工况计算,基于案例库进行案例工况匹配,进而得到适于当前工况运行的最优参数值。对某机组的优化计算结果表明,基于数据驱动案例匹配的锅炉燃烧优化系统算法复杂度低、稳定性高,是一种相对简单、有效而实用的电站锅炉燃烧优化方法。     

基于氧量软测量的锅炉在线燃烧优化控制

尾部烟气氧含量的准确测量对提高锅炉燃烧的经济性有重要意义.本文把软测量技术应用于尾部烟气氧含量的测量.主要通过机理分析建立了氧量软测量模型,仿真验证表明,建立的氧量软测量模型能够较好地反映实际氧量的变化.同时提出了一种基于锅炉负荷调整烟气氧含量设定值,再进行风煤比寻优的电站锅炉在线燃烧优化方案,达到了节煤降耗的目的.     

电站锅炉燃烧优化过程的数据建模研究

各燃煤电厂均面临着节能和降低NO_x排放量的双重压力,而通过燃烧调整来降低NO_x排放量及煤耗是公认的最佳解决方法。现利用BP神经网络与遗传算法相结合的方法为某300 MW电站锅炉建立燃烧模型,并对输入、输出数据寻优,从而为锅炉优化运行提供指导。     

基于神经网络模型的传感器非线性校正

讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行不同的测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法(PRE)训练神经网络,具有收敛速度快、收敛精度高的特点.以距离传感器为例,将基于BP神经网络的校正方法应用于减少距离传感器的非线性输出误差.实验结果表明,将训练后的神经网络接入距离传感器可以得到线性的输入-输出关系,增加神经网络隐层节点的数目可以提高校正精度.当隐层节点数取为40时,用于距离传感器非线性校正的神经网络模型在训练100步后的误差指数(EI)为9.6×10-6.结果表明:本文提出的基于神经网络模型的传感器非线性校正方法是行之有效的.     

火电厂锅炉燃烧优化分析

目前大型电站锅炉在运行过程中普遍存在着效率低、耗煤高等问题,燃烧优化技术是实现电站锅炉高效燃烧和污染物控制的最经济、最有效的方法之一。通过在对国内外电站锅炉燃烧优化技术研究现状综述的基础上,还对燃烧技术的发展趋势进行了展望。     

基于非线性同伦LM算法的故障诊断方法

引入同伦理论并定义了一种广义的非线性同伦映射,基于现有BP算法,将同伦方法与Levenberg-Marquardt(简称LM)优化方法结合,提出了一种非线性同伦LM神经网络学习算法用于神经网络训练,解决了现有学习算法收敛速度慢和局部极小值的问题,提高了神经网络的学习效率.将改进算法用于建立神经网络故障诊断模型,研制出实时诊断系统用于电站锅炉送风机在线故障监测与诊断.应用结果表明,该诊断方法在收敛速度、精度和稳定性能等方面较同类方法有较大改善.     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

基于神经网络的超磁致伸缩智能构件滑模控制

提出了一种利用超磁致伸缩材料（giant magnetostrictive material GMM）智能构件精密加工活塞异形孔方法。 为了消除GMM智能构件迟滞非线性影响,提出一种神经网络前馈复合离散滑模变结构控制策略,实现GMM智能构件的精密位移控制。将智能构件的输出位移及其变化率作为小脑模型神经网络（CMAC）输入,构件的输入电流作为网络输出,利用CMAC在线自学习能力建立GMM智能构件的迟滞逆模型,神经网络的建模近似误差以及外界干扰通过离散滑模变结构控制器来消除。仿真结果表明此控制策略能在线建立智能构件的迟滞逆模型,消除迟滞非线性的影响,可实现智能构件的精密位移控制。     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。     

中速磨存煤量软仪表监测

利用混沌运动初值敏感性,能在一定范围内按其自身规律不重复的遍历所有状态获取全局最优值的特点,在电厂现有的DPU中编程实现基于混沌优化BP网络的中速磨存煤量软仪表。离线训练与计算机仿真结果表明,本软仪表具有可行性和有效性,对实际生产具有指导意义。     

Embedded CMAC learning controller for scan-tracking measurement in copying manufacture: results of a case study

Surface scan-tracking measurement is one of the key technologies in copying manufacture. In conventional scan-tracking measuring processes of irregular surface, the model surface geometric shape and the friction between the probe and model surface are two main factors that can seriously affect the measuring accuracy and efficiency. In order to reduce the impact of these factors and improve measurement efficiency while maintaining measurement accuracy, this paper presents a novel embedded cerebellar modular articulation controller (CMAC) learning controller for scan-tracking measurement in copying manufacture. New approaches to model surface features (including geometric feature and friction feature) identification and quantification are given specifically. Conventional scan-tracking control law is improved by taking into account the impact of model surface feature, and it is combined with CMAC neural network so that it can automatically predict the surface features and adjust the scan-tracking velocity in advance. Thus, high measuring efficiency can be obtained by accelerating scan speed in smooth areas of model surface and decelerating prior to scanning the surface feature cusp regions. Working with a commercial open CNC system, the design steps, integration process, and results of applying the embedded CMAC learning controller were described in detail through the examples of real measurement. Actual industrial tests show a higher measurement efficiency which demonstrates the effectiveness of proposed control strategy for scan-tracking measurement.     

堆垛机速度智能控制的优化研究

采用模糊控制技术与小脑模型神经网络(CMAC)相结合的方式进行堆垛机的速度控制,克服单独运用模糊控制或CMAC神经网络的缺点,使系统既具有模糊控制的灵活性和强适应性,又兼具神经网络的学习能力,并且采用遗传算法对控制器的输入输出比例因子及连接权值进行寻优.仿真结果表明:该控制系统提高了系统的稳定性、鲁棒性和控制精度,使系统的综合性能得到显著改善.     

基于CMAC的气动人工肌肉变结构位置控制研究

气动人工肌肉是一种具有功率自重比/功率体积比大、响应快的新型气动元件,近年来已引起了人们广泛关注。然而,由于难于实现气动人工肌肉系统的精确控制,从而阻碍了其更加广泛的应用。在气动人工肌肉动态数学模型的基础上,提出采用基于CMAC的气动人工肌肉两层滑模变结构控制方法。CMAC神经网络用于学习气动人工肌肉系统的不确定信息,并作为前馈补偿使跟踪误差快速收敛,通过变结构控制消除网络的学习误差和不可重复随机干扰的影响,确保系统鲁棒性。试验结果表明了该方法的有效性和系统的鲁棒性。     

CONTROL SCHEMES FOR CMAC NEURAL NETWORK-BASED VISUAL SERVOING

In IBVS (image based visual servoing), the error signal in image space should be transformed into the control signal in the input space quickly. To avoid the iterative adjustment and complicated inverse solution of image Jacobian, CMAC (cerebellar model articulation controller) neural network is inserted into visual servo control loop to implement the nonlinear mapping. Two control schemes are used. Simulation results on two schemes are provided, which show a better tracking precision and stability can be achieved using scheme 2.     

粗集理论在污水参数软测量中的应用研究

用粗糙集理论约简属性,消除冗余信息后建立了污泥体积指数的神经网络软测量模型.用某城市污水厂实际水质参数进行仿真实验.仿真结果表明,与未采用粗糙集进行预处理的模型相比,应用该模型不仅测量值的误差更小,而且输入参数从9个降至4个,大大降低了输入数据的维数,减少了神经网络的训练时间及训练步数,有利于软测量模型的实用化.     

CMAC神经网络控制在直接转矩控制系统中的应用

将小脑模型神经网络控制(CMAC）和PID控制结合起来，替代了直接转矩控制中常用的PI控制环节，并且构建了基于MATLAB的电动机控制仿真模型。通过对系统的分析和模型的仿真结果，可以发现应用CMAC的直接转矩控制系统要明显优于传统直接转矩控制系统。