神经网络变量监控系统在发酵工业中的应用

以酵工业过程监控为研究对象，根据发酵过程工况参数实时检测困难的特殊性，提出了一咱基于神经网络的监控体系框架，对用神经网络组成的静态预报模型和动态监测模型的有机结合应各自组成结构的特点进行了较详细的分析和研究，最后，以酒精发酵过程监控为仿真研究对象，作了仿真实验，仿真结果令人满意。在实践中经过不断完善，完全可以应用于实际生产。     

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.     

生化过程的神经网络组合模型

用神经网络描述未知的反应动力学参数，结合反应器物料平衡方程，提出了生化过程的神经网络组合模型。并提出了特别适合微生物发酵过程的Ｍｏｎｏｄ饱和型和基质抑制型的神经元传递函数。在Ｈｅｂｂ学习的基础上，引入教师指导信号，提出了神经网络误差一次反向传播的快速学习算法。将此组合模型用于某流加发酵过程状态变量和动力学参数的在线估计，仿真研究获得了满意的结果。组合模型具有训练速度快、预测精度高等优点，为动力学结     

混合选别过程半实物仿真系统

为了满足复杂工业过程控制技术的研究需求,需要建立具有代表性的半实物仿真系统.针对混合选别过程,研发由对象计算机、控制器设计计算机、监控计算机、虚拟执行机构与检测仪表装置和控制系统组成的半实物仿真系统.该系统基于工业控制系统软件开发控制算法,运用MATLAB研发虚拟对象、虚拟执行机构和检测仪表、控制器设计模型,研发了相应的可视化界面.在对象计算机、控制器设计计算机和监控计算机的基础上完成了被控对象机理建模、控制器设计模型参数辨识、控制器设计和控制器性能评价等研究.为复杂控制算法研究进一步工业应用奠定了基础.     

基于PSO-ANN逆的发酵过程软测量建模

针对发酵过程中一些关键生化参量难以通过常规仪表实时测量,而制约发酵生产过程优化控制的问题,提出一种基于粒子群神经网络逆(PSO-ANN逆)的发酵软测量建模方法.以青霉素发酵过程为背景,首先建立其虚拟子系统数学模型,并构建发酵过程逆模型;其次,提出PSO-ANN逆的软测量实现方法,以克服解析法逆运算的复杂性甚至难于实现的问题;最终构建PSO-ANN逆软测量模型,并进行试验及仿真.结果表明:该软测量建模方法能够将机理建模与数据驱动建模方法相结合,充分利用对象模型的先验知识和经验数据,有效解决了青霉素发酵过程中不可在线测量的关键参量实时测量难题,其训练和测试误差分别达到0.037 2和0.046 1,模型具有较高的预测精度和较强的预测能力.     

基于MNNPLS的间歇过程的故障诊断

针对间歇生产过程的特点及多向部分最小二乘在故障诊断中存在的问题,提出了一种多向神经网络部分最小二乘方法,实现对间歇过程的在线监控和故障诊断。该方法结合了部分最小二乘的鲁棒性和神经网络表现输入输出非线性关系的能力,提高了模型的预测精度。将此方法应用于监测青霉素发酵过程中,仿真结果表明,它比传统多向部分最小二乘方法能更及时、准确地检测到故障。     

模糊-神经网络技术及其用于结构主动控制的仿真研究

提出了一种基于神经网络调整规范化因子的模糊一神经网络控制策略，并以表面布置压电片的梁结构为控制对象进行了仿真．实验结果表明，该控制策略适用于不精确被控对象模型和非线性系统的控制．模糊-神经网络技术及其用于结构主动控制的仿真研究@蒋式勤@陈海洪     

基于神经网络和遗传算法的生化过程状态预估及优化控制

提出一种基于模糊推理的误差预测补偿系统，用于修正生化过程中预估神经网络模型的预测输出，以提高预测精度，并采用遗传算法建立生化过程的在线优化体系．通过对谷氨酸发酵过程仿真，表明该系统的应用是有效的．     

混合算法在抗生素发酵过程控制中的应用

提出了用遗传算法和BP算法相结合的混合算法来训练前向神经网络权系数,文中对整个过程进行了详细的介绍,并应用于抗生素发酵过程的逆动力学模型的网络训练.作者对发酵过程的逆动力学模型进行了仿真,文末给出的训练结果显示此方法是可行的.     

发动机的组合神经网络建模

为改善单个神经网络模型精度不足的问题,引入有限元建模思想,采用有限元建模和神经网络建模相结合的方法,建立了高压共轨柴油机性能仿真的网络模型,并进行了实验验证。建模过程中,将建模对象空间划分成网格,在节点上利用获取的实验数据分别组成完备和不完备的训练域对网络进行训练,由所有网格上的网络共同完成性能仿真功能,由此建立起一套可用于电控发动机控制系统仿真及参数匹配标定的组合神经网络。实验结果表明:该模型平均输出误差约为2%~4%,使用Pen tium IV 2.0GH z PC机时的计算时间小于60m s,可用于基于模型的发动机控制系统。     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合 ,提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略 .当过程模型缺乏足够的先验知识时 ,所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能 .仿真结果表明 ,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性 ,具有较强的鲁棒性 .克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点 .     

神经元网络及其参数训练用于钢丝绳无损检测

针对现阶段钢丝绳无损检测中存在的门限值与概率模型中特征参数的选择问题,提出运用神经元网络技术解决该问题的一个方案.并研究了神经元网络训练参数集的大小对门限值以及概率模型中特征参数准确性的影响,还给出了实验结果.     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

基于Elman神经网络集成的诺西肽发酵过程建模

针对单神经网络模型外推效果不理想、泛化能力较差的缺点,将神经网络集成用于诺西肽发酵过程的建模.采用Bagging技术进行重复取样用于个体神经网络的训练,结论生成时采用加权平均法,各子网络的权重利用差分进化算法来确定.个体神经网络选用典型的动态神经网络Elman网络,通过对多个Elman神经网络模型的输出进行融合,建立了基于神经网络集成的诺西肽发酵产物浓度模型.最后将所建立的模型与基于单神经网络的模型进行了比较,结果说明该模型具有更高的精度和泛化能力.     

基于集成模式的多参数综合智能故障诊断

基于产生式规则,事例,模糊诊断,神经网络集成模式,提出了多参数综合智能故障诊断方法,分析了多种诊断方法集成的必要性,以及该方法的知识表示,智能推理诊断及知识学习,应用结果表明这一多参数综合智能故障诊断的方法在实际工程中是行之有效的。     

一种基于人工神经网络的有害信息实时动态监测系统模型及其实现

在有害信息监测过滤的研究过程当中，包捕获及处理速度、决策准确性以及系统的经济可行性等方面都是需要考虑的基本问题。依据有害信息过滤的目标及宗旨，本文提出了一个基于人工神经网络的有害信息实时动态监测系统模型，并用软件实现，取得了良好的应用价值。     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

生物发酵过程的温度控制模型研究

针对生物发酵过程中温度控制难以建模的问题,基于非线性自回归滑动平均(NARMA)模型,设计了神经网络自回归滑动平均(NN-NARMA)模型.利用径向基神经网络逼近NARMA模型中的映射关系,对神经网络的输出进行了二阶低通滤波,用变异率可调节的遗传算法优化了NARMA模型中的延时参数以及神经网络的输出滤波参数.应用该方法建立了生物发酵过程的温度控制模型,该模型在上温、中温和下温的误差相对于Elman神经网络模型分别减少了38 9%、13 5%和61 3%.该方法具有一定的可操作性,能够较好地解决生物发酵过程中的温度控制建模问题.     

金霉素发酵过程优化调度策略研究

针对金霉素发酵过程影响优化控制的难测参数,提出了一种基于数据场聚类、模糊神经网络和滚动学习预报的优化调度策略. 提取输入变量数据场聚类特征值作为模糊神经网络模型结构参数的初始值,消除人为参数选择的随机性误差,并在预测模型中加入离线数据模型修正算法. 因此,提出的优化调度策略提高了对金霉素发酵过程难测变量的预测精度,增强了预报模型的鲁棒性. 现场运行结果表明,提出的方案将企业金霉素生产的综合效益提高了9.12%,具有很好的应用价值.