神经网络技术在试验精馏塔控制中的应用

为了预测精馏塔底部产品的成分，建立了4层前馈神经网络结构，作为动态系统的正向模型，并采用BP学习算法对神经网络进行了训练；建立了动态系统的神经网络逆模型，作为系统控制器；采用神经网络内模控制结构，根据精馏塔第2级的温度，对底部产品成分进行控制，试验表明，神经网络法与气相层析法相比，能够以任意精度逼近任意非线性映射，更快地提供成品估算值，使控制系统更及时地采取措施，改善控制效果。     

乙烯精馏塔的动态模拟

以工业装置为背景,建立了乙烯精馏塔的动态模型。用FORTRAN语言编程,在CDC机上进行模拟。研完了该塔的几个主要变量(进料流量、进料组成、侧线产品流量、再沸器热量)存在阶跃干扰下,该塔的动态特性,获得了与定性概念相一致的模拟结果。     

乙烯精馏塔压差实时专家控制系统

针对乙烯精馏过程的复杂性，设计并实现了乙烯装置中乙烯精馏塔压差实时专家控制系统(RECS)，阐述了该系统的工艺特点、系统设计及控制软件实现。在某大型乙烯生产装置中的成功应用表明，此系统不但控制效果优良，而且与Honeywell TDC—3000集散控制系统(DCS)内部系统有机结合，有效地实现了人机对话功能，便于实时监控与维护。     

乙烯精馏塔优化专家系统

搜集、整理有关乙烯精馏塔优化控制性能等知识的基础上,以乙烯收率最大为优化目标,建立了基于产生式规则的优化专家系统,其推理机构是采用以事实驱动的正向推理。仿真研究表明,该专家系统能简单、有效、可靠地应用。     

乙烯生产中精馏塔的专家控制系统

根据乙烯精馏工艺操作经验和智能控制、先进控制理论,开发了基于常规控制与产品质量软测量模型的专家控制系统.该专家系统采用专家操作经验间歇式地调节回流比和灵敏板温度设定值来达到提高产量、降低能耗的目标,为此必须在保证产品质量的前提下尽可能地接近合格线,使操作控制在质量"卡边"水平上,从而减小回流比(增加产量),减少塔釜加热量(降低能耗).将专家系统原理和DCS实时通讯能力及开发平台结合起来,充分利用系统软硬件资源,开发出具有集专家经验知识工艺机理,具有实时性、开放性等特点的专家控制系统,经工程投运达到预期的节能目标.     

乙烯精馏塔开车动态建模与优化

乙烯精馏塔是乙烯装置的关键低温耗能设备之一,其开车过程中的动态特性和节能策略少有报道。本文以Aspen HYSYS和MATLAB为建模平台,结合工业装置开车及稳态运行数据,完成了对乙烯塔的稳态、动态建模和模型验证。在此基础上,采用FROFI进化算法对开车策略进行了优化研究,得到了比原工业方案更好的开车策略,实现了开车节能25%,为指导乙烯塔在开车过程的节能降耗提供了理论基础。     

“基因算法”在人工神经元网络中的应用

在使用著名的ＢＰ算法来训练一个多层毅向神经网络时，首先要确定这个神经元网络的主结构以及网络的各种初始化参数，但拓扑结构和各种参数的确定到目前为止还无确定的规则可寻。本研究将基因算法引入人工神经元网络。通过它来自动确定神经元网络的拓扑结构以及具体参数，并给出了基因算法在神经元网络应用中的具体实现。     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元，具有银强的线性和时变性，故很难进行机理建模分析或常规在线实时控制，因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型，将软测量结果与现场数据比较，表明本模型具有比较准确的跟踪显示效果，并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中。     

基于免疫遗传算法优化的模糊神经元网络控制器在全阶精馏塔模型中的控制仿真研究

本文提出了一种免疫遗传算法优化的模糊控制器,利用免疫遗传算法的全局搜索功能和神经元的自学习能力,提高了模糊控制器的控制精度和抗干扰能力。将该控制器用于全阶精馏塔模型仿真,仿真结果表明该控制器可以有效地消除静态误差,并在控制过渡过程中也有很好的鲁棒性,实际应用效果也表明了该方法的优越性。     

人工神经元网络在微波癌症诊断系统中的应用

采用人工神经元网络模式识别技术，实现微波癌症信号的自动诊断，并在传统微波检测特征是Ｍ１和Ｍ２的基础上，构造出新特征量Ｍ３，从而提高了良性肿瘤与恶性肿瘤的准判率。     

人工神经网络模拟反应精馏过程的研究

提出了用BP(误差反向传播)神经网络模拟计算合成乙酸甲酯的新思路,模拟过程中采用学习速率可变的动量BP算法训练神经网络。结果表明:只要有充足可靠的数据为基础,采用学习速率可变的动量BP算法训练的神经网络的预测精度比普通BP算法的预测精度高10倍左右,且训练时间显著下降,是一种具有广泛应用前景的模拟方法。     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

人工神经元网络在辊道窑炉温度过程建模中的应用

研究了应用ＢＰ网络在辊道窑炉温度过程中建立数学模型的方法．所研究的辊道窑炉的烧成段有八个区，靠燃料阀门开度调节温度．选取三层网络，辊道窑炉烧成段各区的燃料阀门开度作为网络的输入，各区的温度作为网络的输出，隐层节点数取１０，建立温度过程数学模型．通过计算机仿真计算和实测温度曲线比较，满足误差范围要求．证明人工神经网络建立的数学模型能较准确计算辊道窑炉参数，为实现辊道窑炉生产过程的优化研究奠定了基础     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

BP神经网络的改进及应用

合理的选择网络结构是BP神经网络研究中一个重要问题.对传统的BP网络结构进行了改进,在确定BP网络的隐层节点个数时给出了BP网络结构的自适应算法,使得隐层节点的选取动态实现,增强了BP神经网络的适应能力.并应用改进后的BP网对高校教学工作水平评估体系进行建模,为高校教学管理决策提供了科学依据.     

神经网络在故障诊断中的应用

描述了神经网络的BP算法,探讨了BP神经网络拓扑结构的确定,考察了小波变换和小波分析,论述了故障机理和故障诊断的问题。     

BP神经网络算法在字符识别中的应用

介绍了BP学习算法的基本原理及其优缺点,并针对其不足,引入了动量项进行改进,并对BP网络的算法实现作了探讨。     

二维灰色神经网络批处理梯度算法的收敛性

灰色神经网络GNNM(2,1)是灰色系统与BP神经网络相糅合的二维神经网络,给出了灰色神经网络GNNM(2,1)的网络结构和批处理梯度算法,研究了灰色神经网络GNNM(2,1)的收敛性问题,并证明了误差函数的单调性、弱收敛性和强收敛性.     

人工神经网络在红霉素发酵过程状态预估中的应用

探索了动态ＢＰ网络和ＲＢＦ网络在红霉素发酵过程状态预估中的应用,比较了它们的收敛速度和学习能力。结果表明,ＢＰ网络和ＲＢＦ网络都具有相当好的学习能力,但ＲＢＦ网络的收敛速度更快,训练好的神经网络,在红霉素发酵过程中可在线预估出红霉素效价、葡萄糖浓度、ＮＨ２－Ｎ浓度、丙醇浓度和菌体浓度等参数值,并可在进上步的过程优化和控制中应用。