二甲醚饱和液相导热系数的实验研究

研制了高精度瞬态双热线法导热系数测量装置及数据采集系统,整个测量系统的不确定度小于±1%.用液相甲苯标定213~363 K温度区间的饱和液相导热系数,并与标准值进行了比较,测量的平均偏差为0.37%,最大偏差为0.73%.用此装置对245~385 K温度区间的二甲醚饱和液相导热系数进行了实验研究,利用测量得到的饱和液相导热系数数据,拟合了二甲醚饱和液相的导热系数方程,该方程的计算值与实验数据的平均偏差为0.32%,最大偏差为0.85%,为二甲醚作为替代制冷剂和替代燃料等研究提供了急需的热物性数据.     

辐射温度计的标定及计算方法

介绍了辐射测温中一点标定的温度测量原理,并对一点标定法和利用最小二乘曲线拟合及数据积分的方法作了介绍,对标定的主要误差进行了定性及定量分析.通过对基于波长函数(PWF)的一点标定法以及利用最小二乘曲线拟合和数值积分对其计算的方法实践,及具体实验数据计算,对该方法进行了验证.     

制冷剂饱和液粘度测量和标定的新方法

提出了一种使用改型的毛细管粘度计精确测量制冷剂饱和液粘度的新的标定和测量方法。用雷诺数Ｒｅ与毛细管管径关联的方法选择毛细管管径;用理论与实验结合的方法标定仪器常数;用不同充注量标定的方法确定不同温度下的仪器常数;分析了对粘度测量值的各种影响因素;使用本方法测量制冷剂饱和液粘度的最大误差小于３％。本方法也适用于其它小粘度流体的粘度测量。     

辐射温度计的标定及计算方法

介绍了辐射测温中一点标定的温度测量原理 ,并对一点标定法和利用最小二乘曲线拟合及数据积分的方法作了介绍 ,对标定的主要误差进行了定性及定量分析 .通过对基于波长函数 (PWF)的一点标定法以及利用最小二乘曲线拟合和数值积分对其计算的方法实践 ,及具体实验数据计算 ,对该方法进行了验证     

基于概率密度函数的软测量方法及其在烟气含氧量中的应用

现场采集的数据多为动态的生产数据,常规的数据预处理方法不能完全剔除数据中存在的各种有色噪声.针对该问题,提出了一种基于概率密度函数的烟气含氧量软测量方法,建立基于神经模糊系统的烟气含氧量软测量模型,将概率密度函数控制的思想引入到模型参数的辨识算法中,以克服有色噪声的影响.仿真结果表明,文中提出的新型软测量方法具有较高的建模精度,特别是在测量数据存在噪声的情况下,能够有效地解决烟气含氧量的预测问题.     

一个改进的饱和液体方程

本文开发了一个新的改进的Bhirud饱和液体方程,以及一种估算化合物标定体积方法.使用该方程对54种化合物的饱和体积进行了验算,779计算点的平均误差为0.74%,相应点采用原始Bhirud方程的平均误差为1.49%,采用SDR方程平均误差为0.79%。本文的估算标定体积方法对各种类型的105种化合物推算结果平均误差为1.11%,而Gunn-yamada方法为2.58%。因此,本文的饱和液体方程及标定体积推算方法在工程计算中,均有一定的实用价值。     

基于混合PSO优化的LSSVM锅炉烟气含氧量预测控制

烟气含氧量是影响火电厂锅炉运行安全性和经济性的一个重要因素,影响锅炉烟气含氧量的因素多面复杂,对烟气含氧量特性进行建模与控制是实现锅炉正常运行的基础.借助现场运行数据,根据锅炉烟气含氧量的特性,建立基于最小二乘支持向量机(LSSVM)的锅炉烟气含氧量预测模型.在此基础上结合全局寻优的混合粒子群算法(PSO),对锅炉烟气含氧量进行控制.仿真结果表明:该方法能够比较准确地列火电厂锅炉烟气含氧量进行测量和控制,为锅炉燃烧系统的闭环控制与优化运行提供了新的手段.     

一种单线激光雷达和可见光摄像机的标定方法

结合移动机器人实际应用.提出了针对激光雷达和可见光摄像机标定的方法.通过对激光雷达扫描特殊标定板得到距离信息的计算,求得雷达扫描线在标定板上的坐标位置,从而得到了一组雷达数据和图像数据的对应点对.以此为基础,通过参数拟合的方法实现了两者关系的求取.该方法只需要标定板就能够完成激光雷达和摄像机的空间标定,标定精度高,在此基础上的外部标定,实现了多个传感器世界坐标系的统一,避免了后续处理中数据解释的二义性,实验证明了这种方法的有效性.     

煤粉燃烧火焰的三色法温度测量

对彩色 CCD摄像机所拍摄的火焰图像 ,采用三色波长光谱测量法和温度分段线性化的方法来计算煤粉火焰温度 .将火焰温度由高向低分成几个温度段 ,通过温度的标定试验作分段的温度线性化处理 ,再求解由 3个色彩分量和温度标定组成的线性方程组 ,得到较为准确的火焰温度分布 .这种方法准确可靠 ,避免了过去方法中试图用一个标定试验的公式来求解跨度较大的整个温度场分布及由此引起的误差 .最后对一实例进行了计算 ,得到了满意的结果     

应用神经网络动态估计信号交叉口饱和流率

为了实时掌握信号交叉口饱和流率动态变化规律和提升估算精度,构建了以神经网络为基础的饱和流率动态估计模型.通过对北京市典型信号交叉口3种场景(直行进口道、直行左转进口道、直行右转进口道)实测数据为研究对象,分析每种场景下交通流运行特征,确定影响饱和流率的关键因素,确定神经网络模型的输入输出参数,并对模型进行标定.最后与经...     

多模式集成的RBF神经网络天气预报

针对复杂庞大的多模式数值预报数据,提出一种径向基函数(RBF)神经网络集成天气预报模型.根据天津市预报站点采用的WRF模式、RUC模式等数值预报数据的特点,将多种单模式数据作为RBF神经网络输入,网络输出为集成预报结果.实验表明:RBF神经网络集成预报模型降低了单模式预报误差,更加贴近了真实数据,并且在稳定性和实效性方面均有良好表现.     

用于干涉型光纤陀螺温度漂移辨识的RBF神经网络改进算法

针对干涉型光纤陀螺(IFOG)温度漂移的辨识,推导了径向基神经网络(RBFNN)中隐含层神经元、网络的抗噪声性能和拟合精度三者之间的关系,并在此基础上提出了一种新的径向基函数神经网络辨识学习规则.该方法具有很强的抗噪声性能,网络输出不会被陀螺噪声所污染,同时能动态地确定神经元数,辨识精度高,有效地避免了传统RBF网络学习算法中事先固定网络结构可能存在的盲目性.实验结果表明,该方法能够快速、准确地辨识IFOG的温度漂移.     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

PCR-RBF-SVM预测模型在财政数据中的应用

通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合, 提出一种新的预测模型, 该模型提高了预测精
度, 解决了预测方式单一的问题. 将新预测模型应用于财政数据预测结果表明, 与传统主成分回归和径向基神经网络方法相比, 该模型预测效果更好.     

径向基概率神经网络的结构优化算法研究

径向基概率神经网络（RBPNN）是在径向基函数神经网络（RBFNN）和概率神经网络（PNN）的基础上发展起来的一种新型的前馈神经网络（FNN）模型。该网络模型充分吸收了径向基函数神经网络和概率神经网络的优点,这种新的模型具有计算复杂度低、收敛速度快等优点。本文深入研究了径向基概率神经网络的结构优化算法,在遗传结构优化方法的基础上,提出一种新的两步学习算法,基于遗传算法的梯度学习算法。该算法一方面优化了网络结构,使网络结构尽可能的精简,另一方面有效地提高了网络的推广能力。     

基于增量余弦RBF网络的惯性导航初始对准

针对传统高斯RBF网络应用于惯性导航初始对准建模时，对处于两基函数中心点之间的值拟合效果不太理想的情况，提出了一种将增量余弦RBF网络用于惯性导航初始对准建模的方法。该方法采用增量余弦函数作为RBF网络的基函数，对多变量非线性系统有很好的拟合能力。相对于传统高斯RBF网络，增量余弦RBF网络的基函数具有更强的局域性，解算时同时参与运算的基函数数量更少，有效地降低了网络的解算时间。仿真结果表明，增量余弦RBF网络用于惯性导航的初始对准，既可获得较高的对准精度，又有效地降低了系统的解算时间，提高了系统的实时性。     

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.     

基于径向基函数神经网络的栅格图像非线性畸变校正

为了减小光电成像测量系统中存在的非线性畸变,提高测量精度,提出了一种基于径向基函数神经网络的图像畸变校正方法。提取带有桶形畸变的栅格图像中的栅格交叉点作为控制点,利用光学成像关系推算出栅格交叉点的理想无畸变位置,构成径向基函数神经网络的训练集。经过训练,可以确定径向基函数神经网络结构的优化参数。针对栅格图像进行了畸变校正实验,并与多项式变形法进行了比较。实验结果表明,所提方法能够自动、有效地校正图像畸变,效果优于多项式变形法。     

Neural—networks—based Modelling and a Fuzzy Neural Networks Controller of MCFC

Molten Carbonate Fuel Cells(MCFC) are produced with a highly efficient and clean power generation technology which will soon be widely utilized.The temperature characters of MCFC stack are briefly analyzed.A radial basis function (RBF) neural networks identification technology is applied to set up the temperature nonlinear model of MCFC stack,and the identification structure,algorithm and modeling training process are given in detail.A fuzzy controllery of MCFC stack is designed.In order to improve its online control ability,a neural network trained by the I/O data of a fuzzy controller is designed.The neural networks can memorize and expand the inference rules of the fuzzy controller and substitute for the fuzzy controller to control MCFC stack online,A detailed design of the controller is given,The validity of MCFC stack modilling based on neural networks and the superior performance of the fuzzy neural networks controller are proved by Simulations.     

滑动窗与修剪技术的动态模糊神经网络方法研究

 提出了一种新型的动态模糊神经网络算法,该动态模糊神经网络的结构基于扩展的径向基网络。其算法的最主要特点是：使用滑动窗技术保持固定长度的数据来调整参数,避免了数据饱和;使用了修剪技术,使得网络结构不会持续增长,避免了过拟合及过训练现象,因而确保了系统的泛化能力。最后通过对血压的控制来验证动态模糊神经网络的逼近能力及所提控制方案的有效性。由仿真结果表明使用滑动窗与修剪技术的D-FNN控制器具有良好的性能。