基于RBF模糊神经网络控制器的设计及仿真

本文结合模糊控制和神经网络控制各自的特点,设计了RBF模糊神经网络控制器,并应用到洗衣机的控制中.最后,在MATLAB中实现了仿真达到了预期的误差精度要求.     

基于RBF神经网络的课堂教学质量评价模型

利用RBF神经网络提出了课堂教学质量综合评价模型,给出了课堂教学质量评价模型的指标体系,讨论了怎样使用此模型获得综合评价的最终结果.实验表明,利用此模型能避免人为测评中的不利因素,获得了较好的实验结果.     

基于RBF神经网络的伺服系统模型参考自适应控制

为进一步提高控制质量,提出一种RBF神经网络模型参考自适应控制策略,设计出伺服系统的控制方法,并给出RBF神经网络辨识模型参数的学习过程.仿真结果表明采用该策略控制效果良好,完全满足控制要求.     

基于RBF神经网络的多媒体教学课件综合评价模型

采用RBF神经网络的方法建立了多媒体教学课件的综合评价模型,构建了神经网络评价模型的结构,并在MATLAB上采用样本数据训练了神经网络评价模型,仿真结果表明：该模型克服了传统评价过程的复杂性和主观因素,能全面、公正、科学地综合评价多媒体教学课件.     

基于RBF神经网络的淀粉利用率在线估测研究

淀粉利用率是白酒发酵过程中重要的质量参数,工业采用实验室化学分析法进行测量。该法存在测量滞后、误差大等缺陷。本文利用RBF神经网络,建立RBF神经网络模型,实现淀粉利用率的在线估测,具有重要的理论研究价值。     

改进型RBF神经网络在系统建模中的应用

提出了一种新的RBF神经网络的设计方法,采用遗传-K均值聚类算法对RBF神经网络的隐层节点中心值进行优选,用遗传算法训练RBF神经网络的权值。以锅炉燃烧为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的神经网络模型,结果证明了该方法的有效性。     

基于RBF神经网络的冠心病识别模型

RBF神经网络是前馈神经网络研究中的一个热点.对RBF神经网络的网络结构、基本原理和学习算法进行了介绍.针对BP神经网络自身的缺陷,提出以RBF神经网络为识别模型,采用最近邻聚类学习算法,建立一种冠心病模式识别诊断系统.仿真实验表明,该模型可快速完成对冠心病样本的学习与拟合,具有预测识别率高的优点,可作为该病诊断的一种有效的辅助手段.     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.     

RBF神经网络在电力负荷预测中的应用研究

本文探讨了基于RBF神经网络对电力系统进行负荷预测的方法,并利用工程软件Matlab进行仿真,通过仿真看出此种预测算法获得了较好的效果。     

基于MATLAB的RBF神经网络建模及应用

MATLAB中的神经网络工具箱是进行神经网络系统分析与设计的有力工具。RBF神经网络以其计算量小,学习速度快,不易陷入局部极小等诸多优点为系统辨识与建模提供了一种有效的手段。将二者结合起来,解决了油田试井系统中压力值的建模问题,取得了令人满意的结果。     

国内外活性污泥模型研究进展

 活性污泥模型(ASM)是表述废水中各种污染物质与废水处理系统中微生物之间的复杂生物化学反应过程的数学模型。本文主要介绍了国内外活性污泥数学模型的研究现状及进展,包括活性污泥1号模型(ASM1)、BSM1模型、ASM-SST模型、ASM-ASS模型、活性污泥2号模型(ASM2)、活性污泥2d模型(ASM2d)、活性污泥3号模型(ASM3)、FCASM3模型等。对这些模型做了评价和比较,并对今后的研究方向提出了建议：需要在活性污泥法机理、模型参数的确定和相关软件方面开发上多做研究,在水处理工艺设计以及水质监测方面多进行应用。     

增量式遗传RBF算法在转炉提钒中的应用

转炉提钒过程是一个非常复杂的多元非线性反应过程，从统计学和反应机理等角度出发，难以建立终点控制静态模型。为此提出了基于增量式遗传RBF算法。它不仅克服了RBF中心个数选择的随机性，较好地解决了样本聚类，而且为了保证网络结构能适应不断扩大的数据集，提出了增量数据处理方法，对原有网络参数进行修正，有利于连续生产操作。试验表明，用该算法预测冷却剂加入量，结果的误差较小，满足了终点命中率在90％以上的指标，具有工程实用性。     

活性污泥法动力学模型研究进展和展望

从模型的机理、功能和表述形式等方面对活性污泥法动力学模型的研究进展进行了全面的综述，详细介绍了发展进程中具有重要意义的几种模型：Eckenfelder模型、Mckinney模型、Lawrencd-McCarty模型、Andrews模型、WRc模型及国际水协的3套模型，分析比较了各自的优点和不足。结合环境微生物学研究成果和废水处理技术的发展方向，分析讨论了活性污泥法动力学模型研究需要解决的一些重要问题，提出今后的研究可能主要集中于废水组分的进一步细化、污水处理厂运行快速自动模拟预测及控制系统和污水处理厂设计自动化系统的开发与完善等方面，逐步缩小我国在模型使用方面与国外的差距。     

单反应器活性污泥废水处理系统的优化

为了优化能量消耗和提高废水排出质量提出了基于活性污泥处理系统的模型.采用ASM1模型来模拟生物反应.对于仅有一个生物反应器的处理过程进行了模拟和优化,结果显示,优化后操作费用降低了约1/3,并且出口处的TSS、COD和BOD全部满足环境标准,然而由于处理系统不包括硝化和反硝化,TKN未满足出口环境标准.     

细微泥沙在活性污泥系统中的迁移模型

在不同进水细微泥沙负荷条件下,以质量守恒为基础,建立了活性污泥系统中细微泥沙的迁移模型.研究表明,影响期混合液中细微泥沙浓度与进水细微泥沙浓度、细微泥沙可悬浮比例、污泥龄、水力停留时间及影响时间有关,恢复期混合液中细微泥沙浓度与恢复开始时混合液细微泥沙浓度、污泥龄、及恢复时间有关.通过模型计算影响期各系统中细微泥沙浓度平均相对误差为11.7%~24.6%,恢复期为29.1%~46.0%;污泥中挥发性悬浮固体含量平均相对误差为0.9%~7.3%;恢复期为2.3%~34.4%.混合液中细微泥沙最大浓度、细微泥沙淤积速率与进水细微泥沙负荷呈正比关系.     

活性污泥过程MISO神经网络模型

用误差反向传递 ( BP)神经网络模拟了活性污泥过程 ,发现使用多输入多输出 ( MIMO)神经网络来模拟活性污泥过程变量间关系时 ,线性部分误差较小 ,非线性部分误差较大 ;但若用数个多输入单输出 ( MISO)神经网络的组合来模拟时 ,则对活性污泥过程的线性或非线性关系均能很好模拟     

好氧颗粒污泥与普通活性污泥的同步培养与性能比较

研究用于焦化废水处理的好氧颗粒活性污泥和传统普通活性污泥的同步培养及其对COD和NH3-N的脱除特性比较。设置反应器1(R1)和反应器2(R2)两个平行装置,R1用作普通活性污泥的培养,R2用作好氧颗粒污泥的培养。两者均采用普通好氧曝气并以相同的进水在好氧厌氧交替工艺下同步运行,R2在出水前加5 min曝气和5 min沉淀。R2内培养出好氧颗粒活性污泥,颗粒直径0.5~2 mm,含水率为95%,污泥质量浓度(MLSS)为3101~6203 mg/L,污泥沉降指数(SVI)为100.5~128.7 mL/g。经对COD质量浓度380~1 200 mg/L和NH3-N质量浓度63.7~134.4 mg/L的焦化废水处理,COD和NH3-N同时去除率达到80%以上,优于R1的运行结果。     

AAA活性污泥法工艺研究

文章在对从AAA工艺多年运行结果进行综合分析的基础上,探讨了该工艺运行的最佳工况参数范围。     

基于小波变换和RBF神经网络的交通标志识别

提出一种基于小波变换特征提取及采用两级神经网络分类器的交通标志识别方法.使用小波变换对图像进行处理,消除图像像素间的相关性,提取图像的整体特征作为神经网络分类器的输入向量.因交通标志类型较多,采用两级神经网络结构进行识别,图像特征先送入第一级分类器得到图像的粗分类型,再送入相应的二级子分类器进行细分.实验结果表明,这种方法具有良好的效果.     

活性污泥模型进水COD组分的测定方法

活性污泥模型自推出以来就在欧美得到了广泛应用.为实现对活性污泥处理过程的准确模拟,需要提供包括COD组分在内的详细的水质特性参数.传统的COD指标因不能区分废水中的含碳有机物而需要进行进一步划分.为此,介绍了活性污泥模型对进水COD组分的划分,分析了这些组分的物理化学和生物学特性,回顾了每个COD组分的测定方法,评价了这些测定方法的优缺点,讨论了进水COD组分测试中存在的问题,并提出了测定方法的规范化、标准化思想.