基于受限玻尔兹曼机和T-S模型的料位软测量方法的研究

球磨机是火力发电厂的基础设备,可靠测量料位是实现系统优化的关键。针对球磨机音频信号中存在强噪声、非线性等问题,结合受限玻尔兹曼机(RBM)、减法聚类和T-S模糊模型,提出了一种软测量方法。首先采用微调后的受限玻尔兹曼机提取特征,去除存在的噪声,然后使用减法聚类辨识模糊模型的初始结构,最后采用T-S模糊模型预测球磨机料位。通过在球磨机运行数据上进行模型验证,验证了该方法的实用性和可行性。     

一种改进的T-S模糊模型建模及优化方法

模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。     

基于正则化的模糊C-均值聚类算法及其在T-S模糊系统辨识问题中的应用

在模糊C-均值聚类问题目标函数中使用正则化泛函,将聚类中心解的误差指标引入到模糊聚类的目标函数中,构造出新的模糊C-均值聚类算法RBFCM(Regularization based Fuzzy C-means)算法.算法RBFCM不仅具有较高的聚类精度,且计算结果具有更好的稳定性.进一步,将此RBFCM算法应用于基于T-S模糊模型的系统辨识问题.由于RBFCM算法优化了模糊系统的输入空间划分,提高了隶属度函数的精度,使得后继得到的T-S模糊系统辨识精度也有所提高,且系统辨识过程的收敛速度也有所改善.最后,通过对经典IRIS数据集、带有噪声的IRIS数据集的聚类算例和对Box-Jenkins煤气炉数据集进行辨识算例,验证了RBFCM算法的有效性和优越性.     

基于T-S模糊模型的酸碱中和过程的系统辨识

针对pH中和过程存在非线性和大滞后性的特点,建立了基于协同GK模糊聚类的T-S模糊模型。将协同模糊聚类与GK相结合进行系统辨识,提高了聚类效果,使其前件和后件参数得到优化。利用上述方法建立了pH中和过程系统模型,取得了良好的仿真效果,验证了该算法的优越性和有效性。     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法,采用模糊C均值聚类(FCM)算法划分输入输出数据空间,最后将该算法应用于丙烯腈收率的预报,仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

基于改进Gath-Geva聚类方法的磁流变阻尼器T-S模糊建模

磁流变阻尼器作为车辆智能悬架系统的核心元件,其逆模型的精度是影响车辆悬架减振控制性能的主要因素。文中针对全地形车悬架系统中磁流变阻尼器的滞回非线性导致建模精度低的问题,提出了采用基于改进的Gath-Geva聚类的模糊T-S建模方法。通过MTS试验机对磁流变阻尼器在不同工作频率、幅值和激励电流下的输出力进行测试和分析。基于试验测试结果和T-S模糊推理方法,建立了阻尼器的逆向模型。采用改进Gath-Geva聚类方法对建立的T-S模糊模型参数进行辨识,获得了激励位移、速度、阻尼力和控制电流之间的关系,提高建模精度和参数辨识速度。最后,通过试验对所提出的模糊非线性建模方法进行验证。结果表明,文中方法对阻尼器的控制电流具有较高的预测精度,电流预测值与实验值的均方根误差仅为0.008 8 A。     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于在线模糊聚类的故障检测和容错控制

提出了一种新的基于T-S模糊模型在线辨识的非线性系统的故障诊断与容错控制策略.在闭环控制中,根据在线产生的数据对T-S模糊模型进行辨识,当故障引起系统动态的结构性变化时,在线模糊聚类算法能够辨识出系统的重大改变并产生新的模糊规则描述系统新的动态,同时基于T-S模型的控制律也会做出相应的调整.分析了T-S模糊模型结构和参...     

电站锅炉磨煤机模糊-PID复合控制系统仿真

针对目前国内燃煤电站钢球磨制粉系统运行控制过程存在的主要问题,建立了钢球磨制粉系统动态过程数学模型.在对系统的动态特性进行了较为全面的仿真分析基础上,基于模糊控制理论,提出参数在线自校正模糊-PID控制,并对所提出的控制系统的控制效果进行了仿真研究.结果表明,所提出的模糊-PID复合控制方案能显著提高燃煤电站钢球磨制粉系统的运行控制效果和适应能力.     

基于相空间重构和PSO-K-means的球磨机负荷状态识别方法

针对球磨机振动信号具有强随机性、非平稳性和非线性等内在特性导致负荷状态难以识别的问题,提出一种基于相空间重构和PSO-K-means的球磨机负荷状态识别方法。首先,利用改进前后的自相关系数算法对Lorenz与Rossler两种混沌时间序列进行数值模拟,得出延迟时间和嵌入维数精准有效的计算方法;其次,验证出球磨机筒体振动信号具有混沌特性后对其时间序列进行相空间重构,恢复出等价的混沌吸引子;接着,针对3种不同负荷状态下的相空间吸引子进行特征提取,分析了关联维数特征量的变化规律;最后,将关联维数作为特征向量输入PSO-K-means聚类模型中对球磨机负荷状态进行分类与识别。结果表明,PSO-K-means聚类模型在负荷状态识别时有较高的精准性,欠负荷、正常负荷、过负荷下识别精度分别为94.2%、96.3%、94.8%。以上结果证实了该方法能够实现对球磨机负荷状态的有效识别。     

基于模糊聚类理论的城市供水管网ANFIS系统设计

利用自适应神经模糊推理系统（ANFIS）较强的结构性知识表达能力、容错能力以及自动提取模糊规则的学习能力，依据城市供水管网的特点，建立了一种基于模糊聚类理论的管网宏观模型，即城市供水管网ANFIS模型．该模型以管网测压点及出厂流量各负荷值的峰值、低谷和一般作为类别模式进行减法聚类，利用Matlab工具箱genfis2函数产生的模糊推理系统进行状态模拟．实际仿真结果表明，该方法建模及求解简单、迅速，误差小，是研究城市管网宏观模型的又一有效方法．     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T—S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模,结果表明能较快确定优化模型,并能满足软测量建模精度要求。     

基于减法聚类的自适应模糊神经网络评定织物起皱等级

提出了一种基于减法聚类的自适应模糊神经网络，用于织物起皱等级评定．首先利用减法聚类方法确定模糊神经网络的结构，再结合模糊推理系统进行模式识别，并详细介绍了其基本原理和学习算法，最后引入4种起皱特征参数对真实织物进行验证．实验表明，该方法有效且可行．     

集成筒体振动信号的球磨机出力在线监测

针对球磨机出力在线监测的不足,提出了一种基于机理模型和黑箱模型相结合的球磨机出力软测量算法.首先,分析了制粉出力的影响因素,并通过与传统的轴承振动法比较,证实筒体振动信号更能反映料位,在此基础上,确定了出力混合模型的辅助变量;其次,基于机理模型获得球磨机出力方程和理论值,并基于最小二乘支持向量机算法对机理模型进行校正,弥补它的不精确性;最后,制粉出力的建模结果表明:该算法能够有效地反映出实际运行中出力的变化趋势和动态特性,比单纯机理模型具有更高的精度和适用性.     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

基于模糊关联规则与减法聚类的神经模糊建模

针对许多复杂系统的输入变量之间存在的相互关联,提出了一种基于聚类与模糊关联规则的神经模糊建模方法.这种方法采用基于聚类的模糊关联规则挖掘算法来进行输入变量的选择,之后,再采用基于减法聚类的神经模糊建模方法建模.最后,还将这种建模方法应用于实际建模问题,结果表明这种方法在保证模型精度符合建模要求的情况下,减少了模型输入个数,降低了建模的复杂程度.     

磨煤机振声信号分析及基于BP网的料位识别

对磨煤机振声信号进行了频谱和功率谱分析,分析表明:低频分量携带磨煤机的料位信息,而高频分量则是由高速电机旋转噪声、排风机噪声以及磨煤机筒体混响噪声引起的;低频料位信号与高频噪声信号是调制关系.利用希尔伯特变换对振声信号进行了解析化处理,分解出低频料位信息,并以振声解析信号的包络为对象,进行料位特征的提取.利用BP神经元网络,建立了磨煤机料位与振声信号的关系模型,从而实现磨煤机料位的自动识别.将模型的计算结果与实测值进行比较,结果表明,料位识别精度在±1.5%之内.     

球磨机传动间隙对起动过程的影响

针对球磨机起动过程中的冲击振动对球磨机的可靠运行以及工作寿命有影响的问题,应用系统动力学定量分析了球磨机直接起动以及分段起动时,由于传动间隙所引起的冲击动载荷,建立了相应的数学计算模型。应用该模型能够准确地计算出球磨机起动时由传动间隙引起的冲击动载荷的大小,为球磨机的合理设计制造以及现场安装提供依据。