一种有效的参数估计方法在预缩聚反应中应用

采用改进的遗传算法解决复杂聚合反应模型的参数估计问题.算法采用排序选择、多点交叉和变异优选策略,有效地提高遗传算法的搜索性能,避免了序贯优化方法有可能存在局部极值的问题.根据文献数据,仿真结果表明,该算法在参数估计中,具有参数搜索范围大、收敛速度快和精度高等特点,它能够有效地解决非线性参数估计问题.     

热导等参数对循环反应器中温度和浓度波的作用

在对文题仿真研究的基础上,对基本模型进行了简化,并应用自伴随算子性质,导出了温度波的显式表达式。结果表明,简化模型和仿真结果有较好的一致性。     

聚丙烯腈质量指标软测量模型的数据动态校核

针对聚丙烯腈连续生产中聚合反应过程与时间存在的分布函数关系,将质量指标软测量模型的输入数据按照聚合时间进行加权处理,对质量指标软测量模型的输出值－估计结果进行滑动平衡。现场生产运行结果表明,经过动态校核的输入输出数据,软测量精度大大提高,估计结果稳定,为其他聚合反应测量模型的数据动态校核提供了一种有效的方法。     

工业乙苯脱氢反应器的催化剂活性估计

本文针对某化工厂的工业乙苯脱氢反应器,研究了催化剂的失活规律,提出由反应器的温度分布估计催化剂活性的自适应卡尔曼滤波方法。仿真结果表明,此方法对于实际应用是有效的。     

带一类自适应非线性特性的变步长BP学习算法

针对前馈神经网络的反向传播(BP)学习算法收敛速度慢、易陷入局部最小等缺点,本文提出了在BP搜索进入误差代价函数曲率较小、收敛速度较慢处时,在变步长BP学习算法的基础上,引入一个非线性特性项,并将该特性项的强度系数构造为具有升温、降温策略控制的自适应非线性函数.仿真结果表明,该算法的收敛稳定、快速,具有较好的效果.     

基于递推正交最小二乘的RBF网络结构优化

讨论了次胜者受罚的竞争学习规则,提出了基于最小二乘（OLS）递推算法,采用改进的Givens旋转变换技术避免了大型矩阵的QR分解运算。在满足系统测量精度条件下,使用反向优选算法优化RBF网络结构。仿真结果表明,所得算法能有效地解决网络学习隐层单元的确定需要人介入的问题,适用于非线性系统的建模。     

结合了命题逻辑与系统动力学的混合控制

针对多变量多目标控制系统中解决控制目标优先顺序方面的困难,引入命题逻辑,结合系统动力学而构成混合系统,并将其与预测控制结合,得到一种新的混合预测控制策略。进行控制时,通过MIQP来求解多目标优化。工业现场实例仿真研究表明了该方法的有效性。