模糊神经网络控制及其在复杂工业系统的应用

工业过程日趋复杂,难以建立精确的数学模型,传统控制有其局限性,采用智能控制已成为当前研究的趋势.本文重点探讨了模糊控制和神经网络控制的特点,指出了在对复杂工业过程进行控制时,它们结合的必要性,并分析了模糊逻辑控制与神经网络控制的结合方式.     

粒子滤波在复杂工业过程中的应用

复杂工业过程往往具有不确定性、非线性、大滞后、强耦合等特点,难以建立在线控制模型.为了克服复杂工业过程中的非高斯、强非线性等因素对系统建模的影响,利用粒子滤波算法对非线性、非高斯系统进行全局优化的优势,对系统模型进行优化,使系统模型能够更加准确地反映系统的真实状态,提出一种基于粒子滤波的径向基函数(RBF)神经网络控制...     

复杂工业过程智能协调控制系统的设计与应用

针对复杂工业过程系统的特点,提出一套智能协调控制方案:以管理信息系统局域网为基础,将人工智能、专家系统、模糊神经网络控制各自的优势综合在一起,构成一个智能协调控制系统,用于对复杂工业过程实现管控一体化,为复杂工业过程的控制提出一条有效途径。经仿真和控制实验结果表明,控制性能令人满意。     

分子计算理论与神经网络

本文以“智能—问题求解—信息处理—学习和记忆—系统实现”为线索,介绍了分子计算及神经网络的基本概念和原理,提出了它们的研究层次及其异同点,详细讨论了进化学习算法和神经网络的自组织原则,并利用最大信息准则,给出了无导师学习算法的统一描述框图.本文最后讨论了分子计算与神经网络的实现问题,认为分子电子器件是神经网络实现的一条可能途径.     

基于回归神经网络的复杂工业对象的建模

讨论一种动态神经网络－Ｅｌｍａｎ回归神经网络的结构和算法,基于这一网络结构提出了非线性时变工业对象－直流电弧的神经网络建模方法,并与用其他方法为对象建立的模型进行了比较。     

面向复杂工业过程应用的图像处理系统

针对复杂工业过程中工况变化的复杂性与检测手段相对落后的难题,结合计算机多媒体与图像处理技术,提出了一类面向复杂工业过程应用的图像处理系统体系结构.该体系结构包括视频监控模块、图像处理算法集成模块、智能工况识别模块,兼有通用性设计与面向对象设计的特点,体现了软件工程所追求的结构化设计与软件复用的思想.结合氧化铝回转窑生产过程中对烧成带工况识别的需要,应用该体系结构建立了一个氧化铝回转窑烧成带图像处理系统,取得了良好的效果.     

复杂动态车削过程的神经网络直接自适应控制

动态是系统最基本的特性，为了实现复杂动态系统的实时控制。文中对已有动态神经网络结构进行了改进，使之易于应用于一般未知系统：在此基础上研究了运用动态神经网络实现直接自适应控制的方法，并针对回转类复杂曲面车削过程的特点，提出了相应的动态神经网络直接自适应控制方案，以综合实时校正加工过程中参数缓慢时变，突变以及非线性等复杂动态因素的影响。针对典型零件的车削实验表明，该方法可有效地减小复杂轮廓加工误差。     

基于过程神经网络时变系统的参数辨识

提出了一种基于过程神经网络时变系统的参数辨识方法,过程神经网络具有强大的非线性映射功能以及自学习、自适应等功能,其输入与时间有关,输出可为变量.文中基于过程神经网络,对一刚度随时间变化的三自由度系统进行参数辨识.实验结果表明:提出的方法对于时变系统具有较好的辨识效果.     

基于神经网络的工业图像识别

工业现场所采集的图像一般都会受到不同程度的污染，针对这种情况，将离散型Hopfield神经网络的联想记忆特点运用于有噪声污染的工业图像识别。所设计的网络具有并行处理、可训练性及容错性等特点，它能完成图像的识别与分类，在输入有噪声污染的图像时，仍可以识别与恢复图像。以监控系统采集到的有污染的数字图像为例，运用数值仿真技术，证明了该方法的有效性。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

基于组合神经网络的启发式工控系统异常检测模型

为了提高工控系统入侵的检测率,讨论了传统工控入侵检测技术的原理,并从信息论的观点进行了对比研究.通过对工控系统特异性及其攻击手法的建模,归纳出工控攻击在协议栈、统计特性、通信行为等方面表现出的动态和静态指纹,基于一种新的异构信息的抽象方法,提出并实现了一个基于组合神经网络的启发式工控系统异常检测模型.测试结果表明该检测模型运行高效,相比一般智能方法检测结果更为准确.     

具有四值离散态的复合神经元网络及其电路实现

介绍了由两种不同类型或功能的神经细胞耦合而成的具有四值离散态的复合神经元网络(CNN),并给出了时间连续、状态连续的CNN(complex neural network)动力学方程及稳定性证明;在此基础上,给出了具有半并行结构的电路实验方案,并实施了四对复合神经元的电路。实验证实理论结果及电路的稳定性,表明CNN有良好的联想记忆和容错能力,为进一步用VLSI实现CNN提供了一种可行的方案。     

基于 LVQ 过程神经元网络的储层岩性识别

针对基于取心井岩心分析数据和测井过程数据的储层岩性判别问题, 建立了一类学习向量量化过程神经 元网络模型(LVQ-PNN: Learning Vector Quantization Process Neural Network)。 该模型通过增加输出层, 扩展了 自组织过程神经元网络的深度结构; 采用无监督竞争与有教师示教相结合的算法策略, 提高了多维信号特征的 自适应提取和自组织综合能力。 实验证明, 该方法具有较好的岩性特征综合和辨识能力, 岩性识别率达到了 84. 7%。     

基于神经网络模糊控制器的铣削过程智能控制

提出了一种新颖的神经网络模糊控制器,其模糊控制表由神经网络替代．控制器通过在线学习能自适应被控对象的变化,控制性能良好．将该控制器用于铣削过程控制,使铣削力在加工条件变化过程中始终保持相对稳定,从而提高了铣床的加工效率,并能保证加工质量,保护刀具．还给出了试验结果．     

基于BP神经网络的优势通道定量计算方法

目前优势通道参数的定量计算方法非常少.为此,借助典型井的优势通道参数定量解释结果,提出了一种利用BP神经网络模型定量计算优势通道参数的方法.从优势通道形成诱因及优势通道形成后的动态响应特征出发,选取优势通道控制因素作为BP神经网络的输入层,典型井的优势通道参数的定量解释结果作为BP神经网络的输出层,通过训练学习建立优势通道参数与控制因素相关的定量计算方法.结果表明,训练后的BP神经网络模型能准确计算优势通道的参数,计算结果与实际监测值误差不到10%,可以为调剖堵水等措施的实施提供技术支持,具有一定的矿场应用价值.     

有色冶金窑炉中的神经网络过程控制

介绍了用神经网络对有色冶金燃油工业窑炉进行过程控制的设计方案,该方案建立了风路系统的非线性数学模型和风压ＰＩＤ神经网络,在给定油量下,随料堆高度变化跟踪调节风量。实际运行油燃充分且节油,表明设计是成功的。