神经网络和PID控制器在过程控制中的应用

运用ＰＩＤ控制器和神经网络相结合的方法，对一种非线性，变参数的受控对象的控制进行研究，仿真结果表明，控制效果比较令人满意。     

组态软件及过程控制系统在实验教学中的应用

把组态软件技术引入过程控制实验系统中,具有使用简单、形象直观、模拟性强、贴近工业现场等特点,为过程控制及相关课程的实验教学提供了一种新颖的方法。     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

有色冶金窑炉中的神经网络过程控制

介绍了用神经网络对有色冶金燃油工业窑炉进行过程控制的设计方案,该方案建立了风路系统的非线性数学模型和风压ＰＩＤ神经网络,在给定油量下,随料堆高度变化跟踪调节风量。实际运行油燃充分且节油,表明设计是成功的。     

过程信号的盲分离

添加采集通道,应用文中提出的基于盲分离原理的简约ＨＪ神经网络（ＲＨＪＮＮ）,可有效地去除混杂在过程信号中噪声,是控制工程中一种新型的去噪手段。对多类控制系统与不同信号的组合仿真表明,该方法是有效的,网络性能是稳定的。     

集散系统在过程控制中的应用和展望

本文综述了集散系统的概况,说明了集散系统的构成及特点,并对近几年我国引进多种集散系统及其应用现状进行了分析和叙述,对我国自行开发研制的两级分布系统作了说明并叙述了其特点及发展应用前景,文章最后对集散系统在我国的发展趋势提出了见解,并对更好地推广集散系统在过程控制中的应用提出了建议.     

过程控制系统在高炉炼铁中的设计

设计了一套高炉炼铁过程控制系统,介绍了系统的运行环境和实现功能,并对高炉主要数学模型进行了简单阐述。在高炉炼铁中实施过程控制系统,能提高高炉炼铁生产的精细化操作,减轻人员工作负荷,对钢铁厂节能降耗,提高效率也有很好的推动作用。     

混杂系统方法及其在过程控制中的应用

借鉴混杂系统思想，提出一种方法用以设计含离散性质的过程控制系统。在总结混杂系统概念及其应用背景的基础上，分别利用自动机和Ｐｅｔｒｉ网两类工具建立常用的混杂系统框架结构，讨论了控制算法；为应用该方法解决这类过程控制系统的设计问题，总结了混杂系统方法原理，并结合两个实例给出应用说明。应用设计表明，该方法与常规控制相比，有机地集成了离散事件控制，丰富了过程控制策略。     

解释学习在机器人过程控制中的应用

机器人过程控制是智能机器人系统的一个特别重要而又十分复杂的研究课题。本文将解释学习应用于机器人过程控制，为之开发了一种新的方法。仿真结果表明，该方法可行、有效。同时，还尝试了将Ｐｒｏｌｏｇ语言作为机器人过程控制的运行机制的形式化表达工具的可能性。     

测量过程控制在校准装置中的应用

校准装置是实验室质量体系的要素，其质量是否受控直接影响到实验室校准数据的准确、有效。对其实施测量过程控制是保证实验室校准质量的重要手段。本文给出测量过程控制方法和应用步骤，并通过实例验证其正确性.     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

基于遗传算法过程信号的盲分离

盲分离神经网络算法存在着容易限入局部极小点、收敛速度慢的缺点。提出采用遗传算法优化盲分离神经网络权值的初值,将遗传算法与HJNN结合形成GA－HJNN算法,可迅速得到最佳盲分离神经网络的权值矩阵,实现对过程信号的去噪,通过实验对2种算法进行了比较。     

基于阵列结构的盲分离算法

为了进一步改善阵列信号处理中盲源分离算法的分离性能,提出了一种新的基于阵列结构的盲分离算法.该算法的基本思想是利用已有的盲源分离算法(EASI和FastICA算法)估计混合矩阵,根据估计出来的混合矩阵和均匀线阵的特点来重构混合矩阵,对分离矩阵进行较正,达到改善算法分离性能的目的.仿真结果表明,该文提出的EASI-1算法的平均干信比比EASI算法低7.5 dB,FastICA-1算法的平均干信比比FastICA算法低4.3 dB.     

基于卷积混叠传输信号的去噪

提出一种基于卷积混叠信号分离神经网络算法,简称CMHJNN。可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可应用于传输信号上的去噪。对多类不同信号组合仿真表明,该方法是有效的,网络性能是稳定的。     

盲源分离算法及其在空时编码系统中的应用研究

盲源分离又称为独立分量分析,其过程是指在发射源信号和传输信道参数均未知的前提下,仅仅依靠观测信号来恢复源信号的每个独立成分。本文分析了现有几种盲分离算法结构,进行了算法仿真比较。对空时编码系统中的盲分离算法的应用进行了设计和仿真。通过仿真分析可知,在空时编码系统中使用盲分离算法可以有效减少噪声影响,对系统的稳定性有很大的提升。     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。     

一种新的盲声源信号分离方法及其应用

从盲声源信号的独立性出发,提出了一种新的盲声源混合信号分离方法.该方法基于信号联合概率的分布统计,利用信号联合概率的方向导数熵最小获得最佳的旋转角度,最终实现盲信号分离.与快速独立分量分析方法及神经网络方法相比,该方法不需要迭代计算.采用新的盲声源信号分离方法对轴承试验台的混合声音信号进行识别,将电机和滚动轴承的声音分离出来,进而可以准确识别机械的故障.     

混沌混合信号欠定盲分离方法的研究

提出一种混沌混合信号欠定盲源分离的方法.首先讨论了混沌信号的特征,利用EMD对信号进行分层并且得到独立子波函数,然后把独立子波函数加入到单路混沌信号中从而实现混沌信号的盲分离;最后通过混沌信号的分离实验,证明了本方法的有效性和可靠性.该方法可以很好的检测系统或电路中是不是产生了混沌现象,进而采取相应的措施,利用或抑制混...     

基于盲反卷积的脑电信号盲分离研究

采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.