基于超闭球小脑模型的系统建模及其校正

为了克服神经网络建模在工程应用中的不足,利用超闭球小脑模型（HCMAC）神经网络所具有的结构简单、学习收敛速度快、泛化能力强等优势,提出了基于HCMAC的非线性动态系统建模原理。分析了建模误差产生的原因,给出了基于误差校正率的神经网络模型多步在线校正策略,采用通过实时扩展模型学习样本空间和基于模型误差可信度的模型参数修正方法训练模型,以跟踪实际动态过程。仿真实验证明：上述方法可有效地减小由于样本精度不高和在模型输入空间中的分布不均匀所带来的初始模型误差,同时可实时适应非线性动态过程工况的变化。     

基于OBE-PLS软测量的过程自适应建模

针对工业过程中因时变和工况迁移等复杂因素的影响,使得利用固定样本集训练得到的静态软测量模型不能很好地跟踪当前对象,从而导致该模型预测性能下降的问题,提出了一种融合最优定界椭球(OBE)和偏最小二乘算法(PLS)的动态软测量建模方法。该方法以离线数据集建立PLS软测量模型,当有新的查询样本到达时,可通过主成分分析(PCA)建立统计量寻找与其相似的历史样本,并利用该历史样本通过OBE算法来动态更新PLS模型,从而使模型达到很好地跟踪效果,有效地解决了工业过程中时变和工况迁移的问题。最后在数值例子和球磨机的实例中验证了该方法的有效性。     

基于PCA和RBF神经网络的石化装置故障监测与诊断

为了从石化装置大量工艺监测数据中提取有效的故障特征信息,及时地发现故障并准确地识别故障原因,提出了一种基于PCA和RBF神经网络的故障监测与诊断方法。首先获取工况样本,建立PCA模型,降维提取统计特征;设定正常工况SPE统计量阈值,建立在线工况SPE统计量,由此进行故障监测。然后对故障样本进行PCA降维,构建多个RBF神经网络模型,用以实施在线故障诊断,识别故障原因。最后把某石化公司气体分馏装置脱异丁烷单元作为实例,采用Uni Sim Design软件对该单元进行过程动态模拟,获得工况监测样本,建立了故障监测与诊断模型。研究结果表明,所提出的方法不仅能有效地对工况进行状态监测,而且能快速和准确地诊断故障。     

HLA-A2限制性CTL表位肽定量构效关系研究

基于SCORE打分函数，运用定量构效关系的理论和方法研究了HLA—A2限制性CTL表位九肽结构与亲和性间的定量关系，并建立了SCORE得分与亲和性的定量关系模型，并用外部样本（5个HLA—A2限制性CTL表位九肽）作为预测集用于检验模型的预测能力．基于SCORE打分函数建立的定量模型具有较好的相关性（r=0，9165，RMS=0．38）和对外部样本的预测能力（rpred=0．9847，RMS=0．135）．基于SCORE打分函数，运用定量构效关系研究的理论和方法建立了HLA—A2限制性CTL表位亲和性的定量预测方法，为实验鉴定高亲和性HLA—A2限制性CTL表位提供了理论依据．     

基于RINSIM仿真平台的汽水分离再热器系统动态仿真

为了能够实时、准确、全工况地模拟汽水分离再热器系统的工作过程及热力特性,本文采用了RINSIM仿真平台建模方法建立了汽水分离再热器系统的实时动态仿真模型。在此基础上,对建立的模型进行典型稳态工况与动态工况数据分析。结果表明,该系统模型与实际系统特性相吻合,能够准确地反映出系统内部的动态响应特性,验证了模型的准确性与可靠性,满足仿真设计要求。     

基于JTopmeret的非能动安全型核电站凝结水系统仿真研究

采用JTopmeret两相流建模工具和Sim Exec实时仿真软件平台建立非能动安全型核电站凝结水系统仿真模型,实现了核电站凝结水系统的动态仿真。在此基础上进行典型稳态工况以及动态工况的仿真计算和分析。结果表明,该模型的稳态仿真计算结果与设计值吻合,动态过程中参数变化与实际系统特性吻合,验证了仿真模型的合理性和正确性。     

基于FMA-NN理论的军事装备倌患化能力评估

在系兢分析军事装备信息化能力特征的基础上，构建军事装备信息化评价糟标体摹，退用模糊多^性神经罔络方法（FMA~NN）建立了军事装备信息化能力评估的模型。针对样本测试，表明构建的模型评估致莱较好。     

基于改进蜂群算法和灰色模型的管道腐蚀预测

为了解决缺少大量数据样本情况下油气管道剩余寿命预测问题,采用GM（1,1）模型预测管道腐蚀趋势。考虑到GM（1,1）模型自身存在的缺陷,采用指数变换预处理原始数据和动态生成系数重构背景值两种方法改进GM（1,1）模型的建模过程,并运用改进的蜂群算法（IABC）求解全局最优动态生成系数,进而建立改进的蜂群算法优化的指数变换灰色模型（IABC-EGM（1,1））。利用弯头测厚数据进行验证分析,GM（1,1）模型的平均相对误差为4.92%,IABC-EGM（1,1）模型的平均相对误差为2.28%,表明模型的预测精度得到了提高。     

高速磁浮列车悬浮间隙仿真预测

基于长短时记忆（LSTM）神经网络提出了一种可用于高速磁浮列车的电磁铁悬浮间隙预测方法。考虑高速磁浮列车运行过程中受到的气动荷载，建立了列车仿真模型并计算列车的动态响应；通过PyCharm建立LSTM神经网络，并以高速磁浮列车仿真模型计算结果为样本集，构建了高速磁浮列车电磁铁悬浮间隙预测模型。最后，通过对预测模型计算结果和评价指标进行评判，验证了所提出的电磁铁间隙预测算法的准确性。     

基于径向基函数网络的加筋挡墙高度预测模型

提出了一种基于人工神经网络（ANN）技术的加筋挡墙临界高度预测方法，通过30组挡墙离心模型试验数据以及组足尺试验数据样本的训练与学习，建立了可用于加筋挡墙高度预测的径向基函数网络（RBFN）模型，采用4组挡墙离心模型试验数据和1组足尺试验数据，共5组样本作为检验样本对网络预测能力进行检验，结果表明网络的学习是成功的，同时网络能较好地适应本特定问题，推广能力较好。