青霉素发酵过程中的Type-2模糊预测方法

根据模糊时间序列的模型和算法,本文利用Type-2型模糊隶属度的"宽带"效应具有处理更多信息的特点,给出了基于Type-2模糊时间序列的预测方法,克服了Type-1模糊时间序列模型只用到一个变量进行预测的缺点.避免了只有部分观测值在预测中用到,提高了青霉素发酵过程生物质浓度预测的准确性,实现青霉素发酵过程生物质浓度的测量.     

多模型预测控制在磨矿分级过程中的应用

磨矿分级过程的控制目标是将一、二级溢流浓度和细度稳定控制在质量指标区间内.磨矿分级过程是胖系统,完成动态优化目标后控制器仍有剩余自由度,因此需考虑局部稳态经济优化.针对这一目标,提出一种考虑局部稳态经济目标的多模型预测控制方案.首先,建立了基于现场数据库的球磨机和分级机传函矩阵模型;然后考虑局部经济性能,将稳态经济目标以罚函数形式嵌入动态优化目标函数;为消除球磨机换球引起的模型失配的影响,建立了一种基于换球规律的多模型切换策略.仿真结果表明了所提出控制方案的有效性.     

GH4169合金涡轮盘锻造过程中的组织预测

针对GH4169合金涡轮盘的在实际生产中总存在不同程度的组织不均匀性从而降低涡轮盘使用性能的问题. 将GH4169合金的动态再结晶模型和晶粒长大模型写入有限元软件MSC Superform的组织用户子程序中,进行二次开发,预测某GH4169合金涡轮盘锻造过程中的组织演变,预测结果与实际结果一致.     

数据驱动的城市固废焚烧过程烟气含氧量预测控制

烟气含氧量的精准控制对城市固废焚烧处理厂的稳定高效运行具有重要意义.然而,由于固废焚烧过程固有的非线性和不确定性,难以实现烟气含氧量的有效控制.为此,文中提出一种数据驱动的城市固废焚烧过程烟气含氧量预测控制方法.首先,设计了一种基于自组织长短期记忆(SOLSTM)网络的预测模型,结合神经元活跃度与显著性动态调整隐含层结构,提高了烟气含氧量的预测精度.其次,为了保证优化效率,利用梯度下降法求解控制律.此外,基于李雅普诺夫理论分析了所提方法的稳定性,确保控制器在实际应用过程中的可靠性.最后,基于实际工业数据对所提出的控制方法进行了验证,结果表明,提出的数据驱动预测控制方法能实现对城市固废焚烧过程烟气含氧量的稳定高效控制.     

基于核的双自组织特征映射网络在预测中的应用

提出了一种基于核的双自组织特征映射网络.该网络通过同时使用两个相关的映射网络扩展了原有的自组织神经网络,针对自组织特征映射网络容易受到高噪声的影响,将核学习的方法应用于自组织映射聚类中,以核函数代替了原始数据在特征空间中映射值的内积,传统的SOM算法使用的是欧氏距离,而KSOM通过使用不同的核函数为原始空间诱导出不同的欧式距离,这样就提高了算法的鲁棒性.将改进后的神经网络用于金融时间序列的预测,其实验结果表明,改进后的神经网络具有较强的鲁棒性.     

基于自组织映射神经网络的局部自回归方法在网络流量预测中的应用

针对网络流量预测,提出一类基于自组织映射（self-organizing map,SOM）神经网络的局部自回归（auto-regressive,AR）方法．根据SOM的联想记忆在时域的推广,在矢量量化临时联想记忆（vector-quantized temporal association memory,VQTAM）建模技术的基础上,给出具有多个局部线性AR模型的AR-SOM方法,基于前K个获胜神经元用权值代替输入向量建立单一时变局部AR模型的K-SOM方法,以及在完成数据向量聚类的同时,更新多个局部AR模型系数的LLM（local linear map）-SOM方法．相对于全局模型,基于SOM神经网络的局部AR方法能够灵活给出有效的监督神经结构,降低了计算复杂度．将本文方法应用于不同的网络流量预测实例中,并与现有方法相比,实验结果表明所提出的方法能有效地改善预测精度,且性能更好．     

模糊预测控制在pH中和过程中的应用

针对pH中和过程,提出了一种基于T-S模型的模糊预测控制算法,以实现系统的滚动优化控制。T-S模糊模型的前件和后件参数分别采用模糊C均值聚类(FCM)和正交最小二乘法(OLS)进行离线或在线辨识。在每一个采样时刻以当前辨识出的T-S模型为基础实现系统的局部动态线性化,再根据线性化模型对pH过程实施广义预测控制(GPC),得到当前的控制量。仿真表明了该控制方法具有较小的超调性质,且在扰动作用下能快速跟踪到设定值,具有很强的鲁棒性。