基于贡献率的离散Hopfield 结构优化

针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

     

轧辊局部冷却控制系统的建模

根据傅里叶热传导方程，导出了轧辊的动态热凸度数学模型。经过适当的输入变换和动态解耦，结合轧辊的热传输特性，最后获得了简单、实用的轧辊局部冷却控制模型。     

一种基于脑网络的分层模块化回声状态网络

针对回声状态网络(Echo state network, ESN)结构设计问题,提出一种基于脑网络的分层模块化回声状态网络(Hierarchical modular echo state network, HMESN)。脑网络的拓扑结构使功能网络具有丰富的动力学特性,因此,从生物仿生学角度出发,对HMESN的储备池进行分层设计,各层级上的神经元采用小世界网络构建算法生成模块化结构,并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度,从而使神经元的动力学特性更为丰富,在功能与结构上更接近于真实生物神经网络,有效地提高了网络处理问题的能力。采用Mackey-Glass时间序列预测和非线性系统辨识对网络进行验证,证明该网络的有效性和可行性。     

“自动控制原理”多媒体教学的模糊综合评价

本文建立了"自动控制原理"课程多媒体教学效果的评价指标,应用层次分析法确定各指标的权重.采用模糊综合评价法对"自动控制原理"课程多媒体教学效果进行评价并对评价结果进行分析.模糊综合评价法能够将影响多媒体教学的诸多指标因素综合考虑,保证了评价的客观性和准确性,同时能够将需要改进的指标因素直观体现出来便于改进,从而进一步提高教学质量.     

基于混合评价指标的自组织模糊神经网络设计研究

针对在无增长和修剪阈值时模糊神经网络结构难以自适应问题,提出一种基于混合评价指标(hybrid evaluation index, HEI)的结构设计方法。首先,通过模糊C均值聚类算法(fuzzy C-means clustering, FCM)确定初始规则层神经元数目及其中心与宽度。其次,基于戴维森堡丁指数(Davies bouldin index, DBI)和邓恩指数(Dunn index, DI)提出一种新的相关性评价指标(relevance evaluation index, REI)来计算规则层各神经元输出之间的相关性,同时根据训练过程中网络输出均方根误差(root mean square error, RMSE)的变化情况来确定网络的学习能力,然后基于REI和RMSE提出了HEI。通过HEI来调整模糊神经网络的拓扑结构,有效解决了在无增长和修剪阈值时网络结构难以动态自调整的问题且避免了网络结构冗余。最后,通过对Mackey-Glass时间序列预测、非线性系统辨识和大气中PM_(2.5)浓度预测,证明了该结构设计方法的可行性和有效性。     

基于均匀分布NSGAII算法的污水处理多目标优化控制

针对污水处理过程控制中能耗过大、出水水质超标严重等问题,提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先,该方法以污水处理能耗和出水水质作为优化目标,建立多目标优化模型。其次,为了获得溶解氧和硝态氮的优化设定值,提高Pareto解的性能,该算法将种群映射到目标函数对应的超平面,并在该平面上进行聚类以增加解的多样性。此外,加入分布性判断模块和分布性加强模块提高解的分布性。最后,采用比例积分微分(proportional integral derivative, PID)控制器对溶解氧和硝态氮的优化设定值进行底层跟踪控制。为了验证该算法的有效性,采用国际基准的污水处理仿真平台(benchmark simulation model No.1, BSM1)来进行实验。结果显示,所提出的UDNSGAII多目标优化控制方法能够在满足出水水质达标的同时,有效地降低污水处理过程能耗。     

基于选择性集成核学习算法的固废焚烧过程二噁英排放浓度软测量

城市固废焚烧(MSWI)过程排放的二噁英(DXN)是被称为"世纪之毒"的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测。针对这些问题,提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法。首先,基于先验知识给出候选核参数集和候选惩罚参数集,采用核学习算法构建基于这些超参数的候选子子模型;然后,耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并,进而得到基于不同核参数的候选SEN子模型集合;最后,再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型。采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性。     

活性污泥法污水处理过程的建模与仿真技术的研究

综述了活性污泥法污水处理过程的建模及仿真技术的发展 .在分析活性污泥法污水处理过程现状的基础上 ,阐述了传统数学模型、智能模型以及混合模型的建模方法 ,并介绍了目前活性污泥系统仿真技术的发展现状 .     

基于模糊神经网络的一种漏钢预报方法*

现有拉漏预报方法经常会发生误报，本文尝试了一种基于神经网络的漏钢预报方法，它采用神经网络进行模糊模式识别和预测拉漏事故，实验表明该方法能比原有方法更快速准确地检测出铸坯粘结和裂缝等缺陷，可有效预防连铸中的漏钢事故。