神经网络在过程建模中的应用

阐述了神经网络用于过程建模目前存在的问题，提出了改进的方法，并将此应用到了大型炼油厂脱蜡过程的建模中。通过比较改进前后的ＢＰ算法仿真结果可以看出，改进后的算法在网络的训练收敛速度上有了较大提高。     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

KPCA-KPLS方法在pH中和过程建模中的应用

针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.     

基于样本稀疏化高斯过程的发酵过程软测量建模方法

提出了一种基于样本稀疏化高斯过程(GP)的发酵过程软测量建模方法。该方法将聚类和灰色关联度分析相融合,综合考虑样本点间欧式距离和各个特征向量对样本点间相似度的影响,通过剔除相似度比较大的样本点,实现训练样本集的稀疏化,降低了模型的计算复杂度。利用基于样本稀疏化的高斯过程构建青霉素发酵过程的软测量模型,同时得到青霉素浓度的预估值和表征预估值的不确定度,实验结果表明,本文所提方法与标准GP方法相比,在保证模型预测精度的前提下,减少了模型的训练时间。     

一种基于Bagging算法的高斯过程集成建模方法

针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题,利用Bagging和高斯过程回归算法,提出一种基于Bagging算法的集成高斯过程软测量建模方法.该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成多个高斯过程模型,并通过加权组合方式进行集成,得到最终的模型输出.将该方法应用...     

高斯过程回归模型在河流水温模拟中的应用

通过收集密苏里河三个站点的多年实测水温、气温数据,建立了水温-气温的高斯过程回归模型.和传统的水温回归模型(线性、非线性及随机回归模型)相比,高斯过程回归模型的精度较高,各研究站点的相关系数值均较高(0.966 4~0.989 7),均方根误差值相对较小(1.978 4~1.495 0).高斯过程回归作为一种较为先进的机器学习方法,和其他机器学习方法相比,其突出的优点在于结合了许多机器学习任务,包括模型训练、不确定性分析及超参数估计等,该方法可以有效地应用于天然河流站点水温的预测.     

DSP技术在工业过程中的应用

随着系统复杂程度的增加，愈来愈多控制方案（如神经网络、模糊控制、预测控制、专家系统等）都面向了实际系统。本文用ＤＳＰ技术将上述控制方案应用到实际工业过程。     

模糊控制及其在工业过程中的应用

介绍了自动控制和模糊数学的交叉学科——模糊控制。结合工业过程特点 ,分析了模糊控制在冶金生产过程中的应用     

模糊控制及其在工业过程中的应用

介绍了自动控制和模糊数学的交叉学科－模糊控制，同时，结合工业过程特点，分析了模糊控制在冶金生产过程中的应用。     

数据压缩技术在工业过程中的应用

针对应用模式识别技术进行数据降维过程中存在的人为性及冗余性等不足,提出一种有效的数据压缩技术--主元分析法.研究表明,此方法具有快速、准确、一次自动完成等显著优点,有效率达到85.18%.     

“工业工程方法在走行轮淬火过程中的应用

本文阐述了应用“工业工程”对热处理淬火工艺进行分析和改进的步骤的方法。鞍钢机械制造公司北部机械厂根据“工业工程”的原理,改进了走行轮淬火工艺过程,取得了比较明显的经济效果。     

k近邻补值方法在工业过程故障诊断中的应用

针对贡献图分析方法在故障分离方面存在拖尾效应以及不能准确定位故障变量的问题,提出一种将k近邻(k-Nearest Neighbor,kNN)补值与传统贡献图相结合的故障定位方法.首先利用主成分分析建模并求取综合控制指标;然后将kNN方法与综合控制指标相结合初步提取故障变量;最终用贡献图从初步提取的故障变量中确定故障根源,该方法有效地避免了正常变量的贡献值对最终诊断结果的影响.本文运用数值算例和TE过程进行仿真,并将该方法与基于重构的贡献方法比较,验证了算法的准确性和有效性.     

Wiener过程在非线性退化建模中的应用

针对Wiener过程为线性随机过程而产品性能退化为非线性的情况,提出一种时间尺度转换方法,首先通过时间尺度转换把非线性退化数据转换成线性退化数据,采用Wiener过程对其进行建模分析,然后通过时间尺度逆转换实现产品在原有时间尺度下的可靠性评估。给出了Wiener过程参数估计的步骤和方法,并以某型导弹电连接器的加速退化数据为例,阐述了基于时间尺度转换的Wiener过程在非线性退化建模中的应用。结果表明,时间尺度转换方法成功实现了电连接器的可靠性评估,从而拓展了Wiener过程的应用范围,为非线性退化建模提供了一种有效途径,并为退化型产品的可靠性评估提供了可行的思路。     

Wiener过程在非线性退化建模中的应用

 针对Wiener过程为线性随机过程而产品性能退化为非线性的情况,提出一种时间尺度转换方法,首先通过时间尺度转换把非线性退化数据转换成线性退化数据,采用Wiener过程对其进行建模分析,然后通过时间尺度逆转换实现产品在原有时间尺度下的可靠性评估。给出了Wiener 过程参数估计的步骤和方法,并以某型导弹电连接器的加速退化数据为例,阐述了基于时间尺度转换的Wiener过程在非线性退化建模中的应用。结果表明,时间尺度转换方法成功实现了电连接器的可靠性评估,从而拓展了Wiener过程的应用范围,为非线性退化建模提供了一种有效途径,并为退化型产品的可靠性评估提供了可行的思路。     

数据处理和建模方法在数学建模教学中的应用

现代决策离不开数据,以详尽的数据来证明自己的观点,最能起到令人信服的作用,依靠相关的数据来制定政策也最为科学。数据处理和数据建模方法在数学建模教学中有着举足轻重的作用。依照应用型本科教育的人才培养模式,把数学建模思想融入数学类课程的教学。分析和总结了几种数据处理和数据建模的方法,并给出了实际应用案例。     

基于多准则和高斯过程回归的动态软测量建模方法

为了解决静态软测量建模预测精度低和鲁棒性差等问题,提出了一种基于多准则和高斯过程回归的动态软测量建模方法.该方法综合考虑多种模型定阶准则,提出了高斯过程回归动态软测量模型定阶策略,为模型阶数确定提供了依据,并将所提动态软测量模型应用于红霉素发酵过程中生物量浓度的估计.研究结果表明,基于高斯过程回归的动态软测量建模方法可以实现对生物量浓度的高精度预测,且预测结果具有较小的置信度区间.     

高斯过程回归方法及其预测模型

机器学习目前在计算机学科和信息学科里是非常重要的一个前沿领域,高斯过程回归这一理论学习方法是一种全新的机器学习方法,它是在贝叶斯理论和统计学习理论结合的基础上发展起来的,自被提出以来就受到各个领域专家、学者的高度重视并取得了不少成果。该文主要介绍高斯过程回归的方法及其算法模型。     

粒子滤波在复杂工业过程中的应用

复杂工业过程往往具有不确定性、非线性、大滞后、强耦合等特点,难以建立在线控制模型.为了克服复杂工业过程中的非高斯、强非线性等因素对系统建模的影响,利用粒子滤波算法对非线性、非高斯系统进行全局优化的优势,对系统模型进行优化,使系统模型能够更加准确地反映系统的真实状态,提出一种基于粒子滤波的径向基函数(RBF)神经网络控制...     

离心泵动态建模在泵启动过程中的应用

介绍了离心泵的动态建模方法,给出了基于泵外特性和内特性的离心泵动态模型,并给出了某离心泵系统水泵启动过渡过程仿真实例。结果表明两种动态模型都能取得较好的效果,对于分析水泵系统的动态性能和进一步设计控制器具有一定的意义。     

神经网络在MIMO温度过程动态建模中的应用

应用神经网络ＢＰ算法对一个ＭＩＭＯ加热炉的温度过程进行了动态建模，给出了建模及模型验证的结果