基于Bagging的多模型钢水温度预报

针对LF(Ladle Furnace)冶炼特点及现有钢水温度预报方法存在的不足,提出一种基于Bagging的多模型预报方法.该方法利用Bagging思想,有效地将智能方法与机理方法相结合,在提高智能方法预报精度的同时使得机理模型与智能模型的优势得到互补,克服了单纯机理模型参数获得不够准确以及单纯智能模型缺乏工艺指导的不足.另外,该方法还对Bootstrap采样后的子训练数据集进行了主成分分析(PCA),有效地克服了集成算法固有的子学习机精度与数据集多样性不能兼顾的问题.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程,简化了多变量对象的参数辨识,模型预报,目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.

     

基于云/神经网络的多属性模糊规则分类

针对模糊规则分类中数据边界硬性划分的局限性问题,建立了云-神经网络模型,并提出了基于云-神经网络的模糊规则分类算法.在不影响数据模糊性和随机性的基础上,将数据转化为规则,并利用神经网络的学习能力,进行多属性模糊规则分类.与传统方法相比,该方法在保证数据模糊性和随机性的基础上,提高了模型精度和分类准确率.应用实例表明了该方法的有效性和可行性.

     

一种自适应振动主动控制策略及其在C型三维表面检测系统中的应用

基于广义最小方差和一步超前预报理论,围绕三维型面扫描系统中所存在的周期性微振动问题,提出了一种新的自适应振动主动控制算法.以C型臂式三维激光扫描系统为应用背景,基于来自于该系统的数据样本建立了系统的振动动态自回归滑动平均模型(ARMA模型).采用所提出的自适应控制算法对该模型进行了振动主动控制仿真研究.仿真结果验证了所提出的方案可以有效地抑制C型臂运动过程中产生的振动,提高系统的整体三维检测精度.

     

决策树支持向量机多分类器设计的向量投影法

针对如何有效地设计决策树支持向量机(SVM)多类分类器的层次结构这个关键问题,提出一种基于向量投影的类间可分性测度的设计方法,并给出一种基于该类间可分性测度设计决策树SVM 多分类器层次结构的方法.为加快每个SVM子分类器的训练速度且保持其高推广性,将基于向量投影的支持向量预选取方法用于每个子分类器的训练中.通过对3个大规模数据集和手写体数字识别的仿真实验表明,新方法能有效地提高决策树SVM类分类器的分类精度和速度.

     

基于k-最近邻的支持向量预选取方法

在所有的训练样本中只有支持向量(SVs)能对支持向量机分界面优化结果产生显著影响.基于k-最近邻规则,提出了一种训练样本的预选取方法.针对一些典型人工数据集,公用基准数据集以及TM 遥感数据的实验结果表明.该方法能够有效减少训练样本数目,显著加快学习速度,并保证理想的分类精度.

     

钴湿法冶炼萃取过程中的组分含量软测量

提出了一种钴湿法冶炼萃取组分含量混合建模方法.该模型由基于物料衡算关系的动态机理模型与基于萃取平衡实验数据的RBF神经网络模型组成.机理模型作为描述过程动态行为的整体框架,RBF神经网络用来辨识机理模型中的未知函数关系.在上述混合模型的基础上,还提出了一种模型校正策略,进一步提高了模型的精确性.将所建立的混合模型应用于实际湿法冶炼生产过程中,结果表明该方法具有良好的估计性能.

     

变精度模糊粗糙集的一种定义

模糊粗糙集模型同经典粗糙集模型类似,容易受到噪音数据的影响 .针对该问题,受变精度粗糙集模型的启发,提出了变精度模糊粗糙集的概念. 针对现有变精度模糊粗糙集模型尚不能满足一些基本性质的缺陷,重新定义了模糊近似空间中某一模糊集的 β-下近似和β-上近似,该定义方式能够满足上述的基本性质.

     

数据驱动闭环子空间预测控制方法研究与应用

提出一种完全数据驱动的闭环子空间辨识及预测控制器设计方法. 该方法完全由闭环系统的输入输出数据辨识子空间矩阵, 通过子空间矩阵的拆分, 排除了与扰动相关的模型输入, 进而获取子空间矩阵参数的无偏估计; 将辨识得到的闭环系统子空间矩阵描述直接作为预测模型, 设计预测控制器; 将其应用于某钢铁集团焦炉炭化室压力控制系统, 取得了良好的控制效果.

     

基于无约束优化的非线性支持向量回归

提出利用牛顿法以及共轭梯度法解决非线性支持向量回归学习问题,不仅可以加速模型选择的过程,而且能够提高训练速度.将该方法应用于煤气炉数据集建模以及Mackey-Glass混沌时间序列预测,仿真结果表明了该方法的有效性.

     

新型灰色Verhulst 预测模型的参数特性

在灰色Verhulst 模型建模机理的基础上, 考虑相关因素对系统预测精度的影响, 构建一种新型灰色Verhulst 模型. 分析该模型参数在系统特征序列与相关因素序列经数乘变换前后的量化关系, 并分析数乘变换对该新模型建模精度的影响程度. 研究结果表明, 新型灰色Verhulst 模型的建模精度与系统相关因素序列的数乘变换有关, 而与系统特征序列的数乘变换无关. 研究结论认为, 利用数乘变换可降低该模型的建模复杂性.

     

基于直觉模糊线性方程组的IFTS 预测方法

针对模糊时间序列预测理论对不确定性数据集的实时模糊变化趋势研究存在的不足, 规范了直觉模糊时间序列的定义, 提出了基于直觉模糊线性方程组的直觉模糊时间序列预测方法. 所提出的算法将模型的求解转化为一系列带有约束的线性规划问题, 准确地反映了序列数据随时间发展变化的模糊关联规律, 简化了预测模型的复杂度, 提高了时间序列预测的精度, 扩展了直觉模糊时间序列预测理论的应用范围. 最后, 通过仿真实验验证了所提出方法的有效性和优越性.

     

基于GB的陀螺漂移组合预测模型

针对目前单一预测模型预测精度不高,使用范围受限的不足,利用D-S证据理论在数据融合中的优点,把证据推理(ER)与支持向量回归机预测理论有机结合建立了组合预测模型,提出了基于ER的组合预测算法,并以陀螺仪为例,实现了漂移预测.结果表明,该模型与算法是可行且有效的.

     

基于Ｂａｇｇｉｎｇ的组合k-NN预测模型与方法

k-近邻方法基于单一k值预测,无法兼顾不同实例可能存在的特征差异,总体预测精度难以保证．针对该问题,提出了一种基于Ｂａｇｇｉｎｇ的组合k-NN预测模型,并在此基础上实现了具有属性选择的Ｂｇk-NN预测方法．该方法通过训练建立个性化预测模型集合,各模型独立生成未知实例预测值,并以各预测值的中位数作为组合预测结果．Ｂｇk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集．标准数据集上的实验表明,Ｂｇk-NN预测精度较之传统k-NN方法有了明显提高．

     

基于熵准则的发酵过程TSK 模糊建模

提出了一种基于熵准则函数的TSK 模糊系统建模方法. 不同于传统的基于MES 经验误差最小的准则函数,该准则函数能从训练样本的整体分布结构来进行参数学习,有效地避免了由于过学习而导致泛化能力差的缺点.将其应用于复杂的发酵过程建模,结果表明新方法具有良好的预测精度,泛化能力和鲁棒性 .为解决发酵过程建模中试验数据含有噪音,导致模型预测精度下降的问题提供了一条研究思路.

     

短期负荷预测Ｖｏｌｔｅｒｒa滤波器模型

讨论依据相空间邻近轨道演化相似性的特点构造训练模式,建立短期负荷预测Ｖｏｌｔｅｒｒａ滤波器模型的问题．以距离相似度和趋势相似度来衡量电力负荷吸引子轨道的相似度,提出了电力负荷吸引子邻近轨道判别的新方法．从模型训练充分性的角度出发,探讨了模型训练集规模的选择依据．仿真结果表明该模型是有效的．

     

一类直接模型参考Backstepping自适应控制

提出一种新的直接模型参考Backstepping自适应控制系统结构.该系统在直接模型参考自适应控制(MRAC)结构的基础上,增加了Backstepping控制信号发生器,通过Backstepping方法的灵活设计获得良好的过渡过程品质,得到直接MRAC在稳定性和鲁棒性设计等方面的优点.采用高阶调节器设计了未具规范化的直接模型参考Backstepping自适应律,克服了传统自适应律引入规范化信号后使系统过渡过程品质下降的缺点.

     

容积法则辅助的交互式多模型滤波算法

交互式多模型滤波(IMM) 的交互环节使得系统状态量不再服从单纯的高斯分布, 用现有方法对其概率分布的估计存在较大的误差. 对此, 考虑到模型的混合概率是时变的, IMM的交互过程可以用非线性方程来描述, 因而采用容积卡尔曼滤波(CKF) 中的容积法则对高斯随机变量经非线性函数传播后的概率分布进行估计, 并从理论上证明了容积法则的近似精度. 仿真实验表明, 由于提高了对交互后随机变量概率分布的估计精度, 所提出的方法能够有效改善IMM在量测噪声较大时的滤波效果.

     

时序数据的动态有界符号化方法

提出了一种时序符号化方法. 根据数据集极值来确定最佳字符集及时序数据的划分基准,通过估算最大压缩比来指导降维,从而实现了与SAX 同样的符号化时序转换和相同的距离计算方式 .与 SAX不同的是,该时序符号化方法可以有效防止极值信息的丢失,因而在一些与极值相关的时序分析中有出色的表现.

     

一种基于大脑皮层结构的侧抑制神经网络

借鉴仿生学原理, 基于大脑皮层结构提出一种新型侧抑制神经网络(S-LINN) 模型. 通过模拟大脑皮层内锥体神经元和抑制神经元的连接特点, 在多层结构的S-LINN 的不同层神经元之间引入跨越连接, 同时在隐含层内神经元之间进行信息的侧向抑制传输. 引入的两种连接机制有效地提高了网络处理问题的能力, 与其他网络相比能够以更精简的结构较好地解决实际问题. 通过对乳腺癌诊断数据集和异或问题的求解, 表明了S-LINN 网络不但能够获得较高的训练精度, 而且具有更强的泛化能力.