青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一,其浓度与菌体细胞的生长速度密切相关.在青霉素发酵过程溶解氧变化机理的基础上,将模糊神经网络和变结构预估控制方法相结合,研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法,设计了青霉素发酵过程溶解氧的变结构预估控制系统.实验结果表明,对青霉素发酵过程中的溶解氧浓度进行变结构预估控制,可以使溶解氧浓度的调节达到满意的效果,既降低氧消耗,又避免出现氧抑制现象,使发酵过程始终处于较优的状态.     

青霉素发酵过程特点与控制对策

通过过程参数相关,模型化和在线辩识对青霉素发酵过程特点进行了研究,认为采用自适应控制可降低对模型精度的要求,是一个较为有效的控制方法。但对至今以人工经验为主的大多数发酵过程操作,模糊专家系统也是一种有效的控制方式。     

一类非线性动态系统的参数辨识和状态估计

为了对青霉素发酵过程采用计算机控制，提出了一种适合于一类非线性动态系统参 数辨识的方法。同时，根据在线获取的可测信息（二氧化碳释放率），利用随机状态估 计原理，实时估计了青霉素发酵过程中不可测的状态变量（菌体浓度、基质浓度、产 物浓度）。对实验室和生产现场提供的几批数据进行了计算机仿真，结果表明：文中所 提供的技术方案对青霉素生产过程实现状态监控是可行的。     

基于神经网络的非线性观测器及其应用

提出了一种基于神经网络的非线性观测器，用于青霉素发酵过程的状态估计，仿真研究获得了满意的结果。观测器的输出与离线测量数据拟合较好，证明了该方法的实用性，为建模困难的生化过程的状态估计提供了可能。     

基于非参数回归的发酵过程软测量建模

为了对发酵过程进行检测并分析发酵中产物的浓度,提出一种基于非参数回归的发酵过程软测量方法。该方法直接利用未经处理过的历史数据,采用多维窗宽选择方法确定窗宽,通过计算待估计点与历史数据库中其他时刻点数据的距离来确定该时刻点的权值,从而达到软测量建模的目的,并将其用于青霉素发酵过程产物浓度的测量。实验研究表明,所得软测量模型精度较高,能够有效地实现对青霉素发酵产物浓度的估计。     

啤酒发酵过程中神经网络糖度混合建模

发酵是一个复杂的反应过程对象，其内部反应的机理模型一般都难以精确得到，从而给反应过程参量的在线检测与控制带来困难。本文分析一些基于神经网络的混合机理建模的解决方法，并对随机搜索策略的学习方法进行建模与估计进行探讨，最后给出相应的仿真结果。     

基于多模型与滚动时域估计的机动目标跟踪算法

针对受限于已知物理约束的机动目标,提出了一种目标跟踪算法。针对机动目标的不同运动模式,采用多模型组合的方法进行了近似;针对目标的已知物理约束,采用滚动时域估计方法进行处理,并将其作为状态估计的先验信息来提高估计精度;最终通过设计多模型结构的状态估计演化方程、改进滚动时域估计的误差协方差矩阵更新公式,给出了一种多模型结构与滚动时域估计相结合的机动目标跟踪算法。仿真结果表明:该算法与自适应卡尔曼滤波(AKF)、交互式多模型(IMM)算法相比,可以对具有物理约束的机动目标进行更好的跟踪。     

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.     

谷氨酸发酵过程的混合建模

针对谷氨酸发酵过程时变、非线性、模型的不确定等问题,提出一种综合机理知识与改进最小二乘支持向量机的发酵过程混合建模方法.采用改进最小二乘支持向量机模型对动力学模型估计值进行校正,弥补动力学模型的不精确性.将混合模型应用到谷氨酸发酵过程的谷氨酸质量浓度、基质质量浓度与菌体质量浓度的预测估计中,结果表明混合模型提高了单纯的机理模型的预测精度.     

一种青霉素发酵过程补料优化的新方法

将青霉素发酵工艺与最优控制算法相结合，提出一种二步优化法优化青霉素发酵过程．用该方法得出的优化结果指导青霉素发酵工业生产实际过程取得了满意的效果，证明用本方法求得的优化结果可弥补生化过程动力学模型的一些不足，寻求出较适合工业生产实际的优化结果，     

多智能体系统中具有先验知识的Q学习算法

为了提高多智能体系统中的典型的强化学习——Q学习的学习效率和收敛速度,充分利用环境信息和相关的专家经验,提出了具有先验知识的Q学习算法。利用模糊综合决策方法处理专家经验和环境信息得到Q学习的先验知识,对Q学习的初始状态进行优化。典型的足球机器人系统中的仿真实验结果表明:该算法使学习过程建立在较好的学习基础上,从而更快地趋近于最优状态,其学习效率和收敛速度明显优于普通的Q学习。     

改进层次分析法在深基坑方案优选中的应用

深基坑支护工程是一个复杂的系统工程,支护方案优选是深基坑工程设计系统中的关键环节。方案优选可视为一个多属性决策分析问题,层次分析法是一种适用于影响因素较多的复杂系统的决策分析方法,常被用于优选决策。采用带有自调节功能的改进层次分析法建立了深基坑方案优选模型,实例证明改进方法具有切合实际、易于接受与应用的特点。     

基于滑动时间窗口加权MPCA的间歇过程监测方法

针对间歇过程的时段划分问题,提出了一种滑动时间窗加权MPCA方法,利用了相邻观测数据所蕴含过程信息的相关性,降低了过程扰动、观测噪声以及多阶段间过渡过程等不确定性因素对时段划分的影响,进而改善了间歇过程的监测效果。将所提出的方法应用于青霉素发酵过程阶段划分和监测,实验结果表明,所提出方法与常规MPCA相比,能够得到更好的效果。     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

基于支持向量机的生物发酵过程软测量建模

针对最小二乘向量机的缺陷,提出了一种改进的最小二乘支持向量机回归方法.根据输入变量和样本点间欧氏距离的大小,去除回归模型中大部分的样本点,从而获得回归模型的“稀疏”特性,大大提高计算速度.同时,将这一方法应用于生物发酵过程,建立了青霉素发酵过程中产物浓度的软测量模型,实现了青霉素浓度的在线预估.仿真结果表明,这一方法为生物发酵过程中难于在线测量质量参数的实时监测提供了一个有效的手段.     

Kalman滤波在WSN定位评估中的应用

针对无线传感器网络实际应用中定位信号的不稳定性,单纯从定位算法角度改进已很难使定位精度有一个新的突破.为此在节点测距过程中提出了改进的自适应对数正态阴影模型;在坐标评估过程中采用了Kalman滤波方法,并利用马尔可夫过程建立移动节点的状态方程,结合未知节点状态数据的测量值估计出坐标位置的最优值.最后将上述两个过程的改进引入到现有的三角形定位算法中,进行引入前后性能对比.实验结果证明,改进的自适应对数阴影模型提高了测距模型的自适应性及测距精度,Kalman滤波和马尔可夫过程的引入减小了移动节点的定位误差.