即时学习多模型加权GPR软测量方法

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行即时建模,最终多模型加权获得最终的预测结果.将所提方法应用于实际的工业炼胶过程,实验结果表明,该方法具有很好的预测性能.      

一种石灰窑煤气流量检测及在线补偿的新方法

研究了梅钢石灰窑供气系统不能准确检测煤气流量等实际问题和超声波流量计的计量特点,提出了一种基于WZ-2188超声波流量计和孔板流量计双重检测技术,实现煤气流量精确检测和煤气流量在线补偿的新方法。经过采用煤气流量双重检测和在线补偿技术对石灰窑供气系统的改造,减小了煤气流量检测的误差,提高了活性石灰的质量,为企业带来了较大的经济效益和社会效益。     

一种新的软测量方法及其工业应用

软测量是一门新兴的工业技术，它通过数学模型计算得到工程上难以检测的变量值．本文提出了一种基于模糊神经网络的软测量新方法，运用模糊集合论的知识对非线性对象进行局部模型的划分，并采用趋化性网络进行建模和模型校正．经在某炼油厂精密精馏塔的推断控制系统中的应用，表明该方法能够比较精确地建立过程模型，有效地进行模型的在线校正，而且具有灵活、简明的特点．     

一种基于LDA和FCM的BPA多模型软测量方法

模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法,但用这种方法进行数据聚类,各类别边界信息间往往存在干扰,模型精度不能得到很好改善。本文采用一种改进的线性判别分析(LDA)方法,用于扩大样本类别间的距离,使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征,然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明该方法具有较好的效果。     

一种非对称输电线路参数的在线测量方法

针对输电线路参数在线测量方法存在不能对线路导纳参数及非对称输电线路参数进行测量的问题,提出了一种基于输电线路∏型模型的非对称输电线路参数在线测量新方法。该方法首先根据三相非对称输电线路的∏型模型,建立起线路参数计算的电路方程,然后针对该线路参数计算方程的欠定性,提出了一种独特的欠定方程求解方法。该方法通过对输电线路两端电压和电流进行多次测量,建立求解线路导纳参数的超定方程,应用复数域内的最小二乘法,推导出导纳参数的计算公式,并利用导纳参数,推导出线路阻抗参数计算公式。仿真结果表明,线路零序阻抗及导纳模误差分别为-0.011%、-0.119%,正序阻抗及导纳模误差分别为-0.005 1%、0.064%,远小于实际工程误差要求。该方法不仅可以求得输电线路的阻抗与导纳参数,以及线路的正序、负序、零序以及各序间的耦合参数,解决了线路参数在线测量法不能求解导纳及非对称线路参数的问题,还具有很高的计算精度,可为三相非对称输电线路参数的在线测量提供理论依据。     

一种直流供电系统电力电容的在线测量方法

提出了一种测量直流供电系统电容的简便方法,该方法在不影响系统正常运行的前提下,精确、在线地完成测量过程．通过在线获取ＲＣ电路的电压波形,并对波形进行分析,从系统诸多未知参数中获取电容值．这种方法不需要改变供电系统的结构,也不需要系统处于断电状态,可应用于解决直流电力电缆对地（或屏蔽）电容的测量问题．     

一种基于多级分块错切的指纹奇异点检测算法

准确、可靠地检测指纹奇异点(core点和delta点)，对于指纹分类和指纹匹配具有非常重要的意义．针对指纹图像奇异点的精确定位和可靠性判断的难题，提出了一种基于多级分块错切的指纹奇异点检测新方法．首先，对于一枚指纹图像，在同一分块尺寸下进行多次图像错位分块。并且分别在不同的图像错位分块情况下检测指纹的奇异点，得到区域相对集中的奇异点位置的集合，并计算其质心，以精确确定奇异点的位置．然后，在不同的分块尺寸下分别采用平滑和不平滑的方法进行指纹方向场的估计，并分别根据以上方法估计的指纹方向场信息进行指纹奇异点的检测．最后。利用不同情况下检测的指纹奇异点位置相互关联的特性，进行指纹奇异点的精确、可靠检测．该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下采用不同方法检测的指纹奇异点位置相关联的特性，能够从指纹图像中较精确、可靠地检测出奇异点。对低质量指纹图像具有良好的鲁棒性．在部分典型低质量指纹图像上的实验结果验证了该方法的有效性．     

一种自确认软测量方法的研究与应用

软测量技术在过程工业中得到了广泛应用于代替或部分代替仪表的功能进行监控。但是,长期困扰软测量应用的是其鲁棒性问题。因此,提出了新型的软测量模型即自确认软测量模型。利用主元分析对输入传感器数据进行了在线校验和故障重构,不仅能确保了输入传感器(辅助变量传感器)数据的可靠性。同时,利用一定的状态参数来指示当前输入传感器的状态。此外,通过输出方差和归纳区间估计两种方法对软测量输出的不确定性进行了描述。模型的输出将不是单个预测值的输出,而是同时输出五种信息:带概率区间的输出、模型的状态(故障状态,重构状态和迷失状态等等)、不确定性、故障信息和校验输出值,并对发生故障的输入传感器进行数据重构和修复以达到模型自校验和自诊断的目的。所提出方法在污水处理过程中得到了有效应用。     

一种吸波材料涂层厚度的在线测量方法

该文提出了一种用微波魔T桥式电路来现场测量吸波材料涂层厚度的方法.该方法具有设备简单、操作方便、适合于无损测量等优点.实验证明该方案可行.     

一种带补偿的PID控制方法

在啤酒工业发酵过程的温度计算机自动控制系统中,由于控制对象的纯滞后因子e~(-τ的存在,使得系统的稳定性受到破坏。本文在传统的PID控制基础上提出一种加进补偿网络的控制方法,从而解决了e~(-τ的影响问题。文中对PID控制算法作了精练的推导;对纯滞后因子e~(-τ降低系统的稳定性作了详细的分析;对加进的补偿网络的控制算法给出了理论上的推导和证明。     

一种奇异三阶两点边值问题的正解

考察三阶两点边值问题{u'(t)+f(t,u(t))=0,0t1,u(0)=u'(0)=u″(1)=0的正解,其中非线性项f(t,u(t))可以在t=0,t=1及u=0处奇异.利用锥压缩与锥拉伸型的Guo-Krasnosel’skii不动点定理建立了多个正解存在定理.     

一种带密勒补偿的带隙基准电压源

设计了一款宽温度范围并带有密勒补偿的带隙电压基准电路,基准输出可通过内接电阻调节.该电压源以带隙基准电路为基本电路,扩展预偏置电路和输出缓冲电路.此电路基于0.35μm CMOS工艺,利用Cadence仿真工具进行验证,结果表明该带隙基准的输入电压为2.3~4 V,可以输出受温度变化影响较小的高精度电压,低频时的电源抑制比为84 d B,基于以上性能优点,该基准电路可以应用于温度较宽的集成电路设计中.     

一种基于光线漂移补偿的导轨角度误差测量方法

提出了一种带有光线漂移补偿的测量导轨俯仰角误差、偏摆角误差的方法及系统.将平面反射镜作为角度测量敏感元件,利用二维位置敏感探测器(PSD)和透镜组合来实时监测激光器本身所引起的光线角度漂移.实验结果表明:使用本系统测量导轨的角度误差,由激光器本身所引起的光线角度漂移对导轨偏摆角及俯仰角误差的影响可分别减少89.3%和69.2%,进一步提高了导轨角度误差测量的精度.     

一类污水处理过程水质多模型在线软测量方法

根据污水处理厂入水水质的特征参数进行工况区域分析,基于多模型方法建立了多工况下的水质软测量模型.其中局部模型由Hammerstein模型描述,采用误差反传类稳定学习算法学习非线性增益的多层感知器,采用递推最小二乘法学习线性部分ARX模型参数,根据样本与聚类中心之间的相近度在线修正聚类中心,基于软切换的多模型建模思路提出了出水水质COD的软测量方法.实验结果表明,在线修正聚类中心可反映工况点的动态变化;与实际运行数据进行了对比验证,表明多模型软测量方法具有较高的精度.     

一种电流补偿的带隙基准电路

传统的带隙基准电路能够产生约15 ppm/℃温度系数的基准电压.电路中正温度系数的大小与支路电流的大小密切相关,通过调节支路电流的大小在-30 ℃到110 ℃的温度范围内产生约3 ppm/℃温度系数的基准电压.     

一种基于奇异值分解的带噪语音识别方法

提出了一种抗噪声的语音识别方法,用于训练和用于测试的语音信号在提取特征之前,均需经过相同的奇异值分解滤波,本文还提出了一种滤波参数的选取方法,实验证明,采用这种方法可以大幅度提高传统隐马尔可夫模型语音识别系统的抗噪声性能。     

点到空间回转轴线距离的一种测量方法

介绍了一种点到空间回转轴线距离的测量原理及方法,并结合具体零件,给出了详细的调整方法和测量步骤.通过测量误差分析验证了其可行性.该方法可以利用坐标镗床的双坐标工作台作为测量工作台,测量方法简单、实用、可靠,在一定条件下可代替三坐标测量机进行类似几何量的检测.     

一种基于可解释神经网络模型的压缩机功率软测量方法

为在保证测量的准确性和高效性的同时,降低软测量方法对数据集的依赖性,提出一种基于可解释神经网络的压缩机功率软测量方法.实验中,在使用泛化性良好的数据集进行训练时,可解释神经网络模型在测试集上的均方根误差为0.009 4,相比反向传播(BP)神经网络模型降低了1.1％.在使用泛化性较差的数据集进行训练时,可解释神经网络模...     

改进的指纹奇异点检测算法

为解决传统指纹奇异点检测算法不能检测拱型、计算量大等缺点,提出了一种拱型指纹奇异点定义和一种新型的类Poincare指数,并给出了基于类Poincare指数的改进的奇异点检测算法.首先计算指纹奇异点可能出现的区域,然后根据可能区域内类Poincare指数值的变化曲线精确确定奇异点的位置.引入了可能区域,降低了检测过程中的计算量,因此大大提高了提取奇异点的速度.该方法也适用于其他类型的指纹.在FVC2004指纹库上进行实验,能准确检测拱型和其他类型指纹的奇异点,且检测速度大大提高,证明该方法可行有效.