细胞自动机及其在菌体生长建模仿真中的应用

在介绍细胞自动机基本概念、基本特征和仿真模型建立步骤的基础上，较详细地讨论细胞自动机在青霉素发酵过程菌体生长建模及仿真中的应用。在建立青霉素分批发酵过程菌体生长细胞自动机模型的前提下，以Matlab为开发工具实现了模型的可视化编程，并进行了仿真实验。实验结果表明，利用细胞自动机建立的青霉素分批发酵过程菌体生长仿真模型能较好地描述青霉素菌体生长的演化行为。由此可以看出，细胞自动机具有很强的模拟复杂物理现象或过程的能力，其为青霉素发酵过程的建模、仿真提供了一种理想的生命计算模型。     

基于可生长结构的自组织神经网络研究

在可生长结构网络（Growing When Required Network,简称GWRN）的基础上,提出了有监督可生长结构网络（Supervised Growing When Required Network,简称SGWRN）模型。该模型引入线性输出层,将GWRN与径向基函数结合,构成有监督自组织神经网络学习模型。该模型能快速生长,可广泛用于监督学习。倒立摆平衡控制仿真实验结果表明该模型有效。     

加入预测信息的反馈误差学习模型及其仿真研究

针对非线性平衡控制问题，提出了一种加入预测信息的反馈误差学习（P-FEL）模型，该模型使用系统状态预测信息和反馈控制器的输出信号共同构成前馈神经网络控制器的教师信号，使用在线BP算法保证运动控制和运动学习同步进行。将P-FEL模型应用于倒立摆平衡控制的仿真实验结果表明，P-FEL模型可以有效地减少前馈神经网络控制器对反馈控制器参数的依赖性，同时还具有良好的平衡控制性能和鲁棒性。     

内模原理在肢体平衡中的模型及应用

为了解决肢体平衡问题时可以保证系统在运动控制过程中的精确性和稳定性,该文在内模原理思想的基础上提出了一种基于预估器的小脑模型(KECFEL)。这种模型由前馈神经网络控制器构成;训练前馈模型中神经网络的教师信号由预估器以及反馈控制器(CFC)的输出来提供,并采用在线学习对网络进行权值更新与网络训练;同时采用比例微分控制器(PDC)作为反馈控制器以确保全局稳定性。通过该模型对倒立摆的仿真实验验证该模型对肢体平衡控制的有效性。     

青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一,其浓度与菌体细胞的生长速度密切相关.在青霉素发酵过程溶解氧变化机理的基础上,将模糊神经网络和变结构预估控制方法相结合,研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法,设计了青霉素发酵过程溶解氧的变结构预估控制系统.实验结果表明,对青霉素发酵过程中的溶解氧浓度进行变结构预估控制,可以使溶解氧浓度的调节达到满意的效果,既降低氧消耗,又避免出现氧抑制现象,使发酵过程始终处于较优的状态.     

基于数据融合的小型两轮自平衡机器人姿态检测方法

针对小型两轮自平衡机器人姿态检测所用低成本加速度计(MMA7361)数据不够准确及陀螺仪(ENC03)信号的漂移问题,分别采用互补滤波器、kalamn滤波器和自适应kalman滤波器进行数据融合处理方法研究,通过对比实验确定采用自适应kalman滤波器实现加速度计和陀螺仪检测数据的融合,从而确定小型两轮自平衡机器人的姿态,进而实现其运动平衡控制.物理实验结果表明基于自适应kalman滤波器的加速度计和陀螺仪检测数据融合姿态检测方法不仅适用于小型两轮自平衡机器人的运动平衡控制,而且其参数较先前普遍采用的kalamn滤波器更易调整,姿态检测结果更加可靠.     

传统活性污泥法曝气池的细胞自动机模型

从活性污泥系统的复杂性及其生物学信息出发,结合传统活性污泥法的工艺特点,利用二维细胞自动机模拟曝气池内一个竖截面沿池长方向的演化过程,从而模拟出传统活性污泥法曝气池的污水处理过程。利用实际参数进行仿真实验,结果表明该细胞自动机模型能复现曝气池微生物复杂的生长代谢过程,描绘出有机物的降解过程和活性污泥的生长状况,实现了传统活性污泥法曝气池内污水处理过程的动态可视化,直观刻画了活性污泥系统的多样性、随机性、不确定性、强非线性等复杂系统的特征。最后,对所建模型的应用进行了分析。     

离散制造业生产排产算法研究及应用

为有效解决离散车间生产计划排产中存在的主生产计划与生产作业计划分离、生产计划排产与生产控制脱节的问题,分析了离散车间生产工艺的特点,提出了主生产计划与生产作业计划综合排产及生产计划排产与生产车间实时监控集成的思想,并对生产计划动态排产软件进行了系统设计。最后,以某发动机零部件有限公司组装凸轮轴的生产计划动态排产系统为例,验证了该方法的可行性和实效性。     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.