带有测量噪声的Ⅱ型T-S模糊建模

实际工业生产过程中,系统的数据带有测量噪声.Ⅱ型模糊集的二阶隶属度用来表征一阶隶属度的模糊度,这种模糊度的增加意味着处理不确定信息能力增加.因此,提出了一种基于Ⅱ型模糊集的T-S模糊建模方法来减少由噪声带来不确定信息的影响.首先采用改进的最小邻域算法对带有测量噪声的数据进行聚类,继而确定Ⅱ型模糊集的一阶隶属度,接着根据数据的聚类信息采用高斯混和模型得到二阶隶属度值,然后用正交最小二乘算法确定模糊模型的后件参数,最后通过仿真实验来验证该方法的有效性.     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T—S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模,结果表明能较快确定优化模型,并能满足软测量建模精度要求。     

钢坯加热炉仿真系统研究

通过对钢坯加热炉炉子能量分配模型和钢坯受热网格差分模型的研究,设计了一个钢坯加热炉仿真系统,实现了炉子全部重要参数间关系的仿真计算。该仿真系统既可以离线仿真加热炉的运行状况,又可以在线指导加热炉的控制。由于仿真系统设计上考虑了多种炉型、多种燃料的具体情况,因而具有很强的通用性和工程实用性。仿真实例中与工程数据的对比表明,该仿真系统较真实地模拟了钢坯加热炉的运行状况。     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法,神经网络采用RBF网络结点结构,聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中,仿真结果表明具有并行实时性、聚类能力强的特点。     

递增的稀疏神经网络研究

针对稀疏神经网络应用中连接度和中间节点数不易确定的问题,并根据生物神经网络的特点,提出了学习中改变神经网络连接度和隐含结点数的学习算法.模拟脑皮层由薄到厚的发育过程,根据当前的学习结果,改变网络的拓扑结构,逐步增加网络中的连接和节点,最终学习得到满意的稀疏神经网络.新算法可以用结构更简单的稀疏神经网络达到满足要求的拟合精度,并通过仿真算例进一步验证了算法的有效性.     

步进式加热炉炉温建模与优化仿真系统设计

加热炉炉温建模与优化设定是保证轧钢质量,提高企业经济效益的有效方法。本文在分析和研究步进式加热炉生产过程的基础上,集成Matlab和InTouch平台,开发了加热炉炉温建模与优化仿真软件包。软件包丰富的功能和友好的人机界面为加热炉炉温建模与优化的理论研究提供了良好的仿真环境,实现了仿真与控制的一体化。     

履带式机器人中基于交叉探测法的凹形障碍物识别

本文针对履带式机器人对凹形静态障碍物的识别,利用双超声波传感器交叉探测的方法,旨在解决凹形障碍物宽度识别的技术难点。对履带式机器人的越沟性能进行分析后,利用双超声波传感器对障碍物进行探测,进而判断出凹形障碍物的宽度,并根据具体情况进行决策。试验表明此方法提高了凹形障碍物识别的准确性和鲁棒性。     

误差分离技术在大型精密零件测试中的应用

大型精密套类零件形位误差的测试在国外已有相应的检测装置,但要求使用高精度的回转工作台.以便保证测量的可靠性。本文着重讨论了利用误差分离技术.使大型高精度零件形位误差可在一般精度的回转工作台上进行测量的原理和方法。所研制的测试系统在生产现场和强干扰的情况下,具有性能稳定、分辨力高和测量量程大等特点。     

基于多神经网络模型的酯化反应软测量

对模糊C-均值聚类算法加以改进,将系统输入数据进行模糊划分,分成具有几个不同聚类中心的子集;继而引入到多模型建模过程中,针对每个子集建立相应的径向基函数(RBF)网络模型。而全局模型则由各个子模型的输出加权组合。最后通过对聚合釜反应器软测量建模的研究,表明该方法具有拟合精度高和泛化能力强的特点,验证了此多模型建模方法的有效性和快速性。     

步进式加热炉建模和炉温优化设定策略

研究了步进式加热炉钢坯温度预报模型、各段炉温优化策略和动态补偿方法,模型基于描述坯不稳定导热的二维偏微方程和相应的边界条件,稳态优化设定采用Hooke-Jeeve模式搜索法,动态补偿采用PID调节和专家经验相结合的方法,仿真研究表明,该优化策略是有效的。