氧化铝浓度的RBF神经网络软测量模型研究

在电解铝的生产过程中,针对氧化铝浓度不能在线测量的难题,采用了软测量技术来估计氧化铝浓度;运用径向基函数(RBF)神经网络构建了软测量的数学模型,利用神经网络的非线性逼近能力和自学习功能来适应不断变化的槽况,从而较准确地估计出氧化铝浓度;以某铝厂为实际应用背景,结果表明该软测量模型能够有效实现氧化铝浓度的在线检测.     

基于改进模糊神经网络的软测量建模方法

提出了一种改进的模糊神经网络软测量建模方法，采用规则化的平均输出隶属度函数作为模糊基函数进行反模糊化运算；在训练网络时,部分参数采用Levenberg-Marquardt算法来训练，另一部分采用一阶梯度下降法．最后用该建模方法建立了聚合反应中熔融指数的软测量模型，并与一般的模糊神经网络软测量模型进行比较．结果表明改进的模糊神经网络对初始值的选择不敏感,具有很好的收敛性，同时还能达到指定的预测精度，很适合工程应用．     

基于混合神经网络的O3质量浓度软测量

在线臭氧测试仪价格昂贵。用神经网络与机理分析结合的软测量方法，探讨了高效臭氧发生装置中臭氧质量浓度的在线测量。试验表明，这种混合软测量方法是有效的，为臭氧质量浓度的现场测量提供了一个新思路。     

RBF神经网络在菌体细胞浓度软测量中的应用

针对微生物发酵过程中菌体细胞浓度难以实时在线检测的问题，提出了一种基于径向基函数（RBF）神经网络的软测量模型，采用了可调基函数宽度的计算方法，提高了RBF网络的自适应性及泛化能力，为复杂系统中生物量参数的检测提供了一条有效途径。仿真结果表明了该方法的可行性和有效性。     

生物发酵参数相关性及菌体浓度软测量技术的研究

从生物细胞代谢角度,分析了发酵过程中生物代谢参数的相关性,找出了能够表示生物变量大小的代谢参数,然后将这些参数作为输入变量,建立了菌体细胞浓度软测量的神经网络模型。仿真结果表明,该软测量方法较一般的菌体浓度软测量方法具有更高的准确性和鲁棒性。     

基于BP神经网络的电机转矩软测量研究

本文将在化工领域广泛使用的软测量技术应用来进行异步电机转矩测量。根据感应电动机的数学模型，提出了仅用葶于神经网络的电机定子电流的电磁转矩辨识方法，实现异步电机转矩的软测量。用改进的BP算法对神经网络进行学习和训练，构建了适合电机转矩观测的多层前馈神经网络，仿真研究表明：基于神经网络的电机转矩辨识模型具有良好的性能。     

烧碱浓度的数学模型与软测量技术

本文分析了目前国内烧碱测量技术的现状以及存在的问题,提出一种高精确度烧碱蒸发过程浓度的数学模型,给出了对于该模型的评价要素和评价结果。并简要介绍了基于这种数学模型的烧碱浓度软测量技术的实现。     

基于神经网络的过程软测量

提出基于神经网络的软测量技术的一般框架,并针对一个实际的催化裂化装置,采用多层前向网络和推广随机逼近算法对粗汽油干点的软测量进行了研究.理论分析和模拟表明,该模型可以很好地描述实际对象特性.     

神经元网络软测量技术的进展

软测量技术已经在过程控制理论研究和实践中产生了广泛的影响，但是目前尚未形成系统的理论。近年来神经元网络软测量技术有了一定发展，在训练算法和建立模型方面都取得了可喜的进展。讨论了近年来神经网络软测量技术的一些研究新进展，并介绍了其与控制技术、计算机通信、虚拟仪器及WWW结合的应用实例。     

基于RBF神经网络的发酵过程菌体浓度的软测量

针对微生物发酵过程中菌体细胞浓度难以实时在线检测的问题,从生物细胞代谢角度分析了发酵过程中生物代谢参数的相关性,找出了能够表示生物变量大小的代谢参数,然后将这些参数作为输入变量,建立了菌体细胞浓度软测量的R B F神经网络模型,为复杂系统中生物量参数的检测提供了一条有效途径。仿真结果表明,该软测量方法具有较高的精度,能很好地应用于生物发酵过程。     

选矿过程神经网络粒度软测量方法的研究

结合选矿厂磨矿分级作业的实际工矿, 提出了基于RBF网络的粒度软测量的设计方法. 仿真和实际试验结果表明, 该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题.     

选矿过程神经网络粒度软测量方法的研究

结合选矿厂磨矿分级作业的实际工矿,提出了基于RBF网络的粒度软测量的设计方法.仿真和实际试验结果表明,该方法能够解决选矿生产中磨矿粒度因缺乏适当的检测设备而存在的难以进行在线检测的问题.     

基于神经网络的软测量技术

本文对基于人工神经网络的软测量技术进行了综述与分析,给出了基于神经网络软测量技术摹一般步骤以及开发过程中需要注意的问题。     

软测量技术在打浆过程中的应用

在制浆生产过程中,打浆度是一个很重要的控制参数;针对打浆过程中打浆度难于实时在线测量的问题,建立了一种基于改进BP算法神经网络的软测量模型;首先对实际生产中的原始数据,经过误差剔除及滤波处理后得到一套训练数据和校验数据样本,然后采用改进BP算法神经网络进行训练,加快了网络收敛速度。得到了打浆度的非参数模型;实践表明,该打浆度的神经网络模型能对打浆度进行较精确的预测,并为后续进行过程控制和优化控制、提高打浆质量提供了良好的基础。     

软计算融合技术研究

软计算是求近似而非精确解的有效计算方法,已经在众多领域得到应用,取得了很好的效果。然而,每个软计算方法具有鲜明的特色和迥异的侧重点,在实际应用中存在一些不足,将软计算方法进行融合,优势互补,是促进软计算发展的关键技术之一。文中简要介绍了软计算发展概况,结合粗糙集、神经网络、模糊逻辑、遗传算法、人工免疫算法等软计算方法,详细分析了软计算融合技术的现状及分类,指出了该领域面临的缺乏理论基础、设计原则、定量评价等主要问题及其发展趋势。     

基于离散过程神经元的乙烯生产装置软测量

针对传统M—P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher—Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。     

基于离散过程神经元的乙烯生产装置软测量

针对传统M-P神经网络模型的时间依赖性问题,提出将离散过程神经元应用到乙烯裂解炉软测量中,并将Fletcher-Reeves修正的改进变梯度学习算法应用到离散过程神经元网络,达到提高过程神经元网络的训练速度的目的。最后用乙烯装置的生产数据进行仿真研究,仿真结果表明该改进算法具有明显的快速收敛性,实现了乙烯产率的预测。     

基于神经网络的发酵过程中细胞浓度的在线估计

针对生物发酵过程中细胞浓度难以在线检测的问题,提出了基于人工神经元网络的软测量模型及一种改进的非线性BP算法,为复杂系统中参数的检测提供了一条有效途径。仿真结果表明了该方法的可行性和有效性。     

软体机器人空间感知技术综述

软体机器人空间感知技术的准确性关系到软体机器人在未知环境中对外部环境和自身位姿的识别精度。本文聚焦软体机器人空间感知领域。首先,介绍了软体机器人的应用领域,通过探究软体机器人对于空间感知技术的需求和在未知环境中获取绝对和相对空间感知信息的技术,归纳了软体机器人空间感知技术的研究价值。然后,文章介绍了软体机器人的空间感知信号,并分别从信号调度、 3D打印以及深度学习算法这三方面总结了提高软体机器人在未知环境中感知精度的方法。之后,文章对软体机器人的未来结构和多传感融合技术提出了设想。在最后,对全文做以总结。     

BP改进算法及其在乙二醇精制软测量中的应用

提出了一种综合改进的BP神经网络算法，该算法在训练时对不同的连接权和阈值采用不同的学习速率，由此建立了乙二醇精制塔塔釜乙二醇浓度的神经网络软测量模型。结果表明该算法能有效提高乙二醇浓度BP神经网络软测量模型的收敛精度。