重油加氢裂化反应系统动态模型的建立

将多元统计方法中的偏最小二乘（ＰＬＳ）法与具有强非线性映射能力的人工神经网络（ＡＮＮ）技术结合，建立了重油加氢裂化过程的动态模型。工况变化时，动态模型必须描述整个过渡过程，从而使动态样本集构成庞大的数据矩阵，为解决这一困难，提出了输入参数全部变化与单独变化相结合和动态样本选取方法。分析讨论了算法的降维、除噪能力以及动态过程时域的确定，建立了全工况模型。实例表明该方法可以涵盖样本空间的主要信息，基本满足仿真的实时与精度要求。     

基于人工神经网络和专家系统结合运用的电网故障诊断技术的研究

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明ＡＮＮ和ＥＳ结合用于电网故障诊断是非常有效的。     

基于人工神经网络和专家系统结合运用的电网故障诊断技术…

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合一ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明     

工程中基于知识的系统与人工神经网络的合璧

对基于知识的系统（ＫＢＳ）和人工神经网络（ＡＮＮ）的合璧的工程中应用的可行性及优越性进行了介绍和评价。ＫＢＳ的优势在于其因启发性适应 具有人类判断问题和解决问题的能力。ＡＮＮ显示了ＫＢＳ所不具有的求解特征，包括这种能力；由便子进行学习，得出一个可用于该类问题某一范围的普遍性结论，而且处理信息极快。就这方面而言，ＫＢＳ和ＡＮＮ是互补的，而不是互替的。并且可以合璧为一个能发挥两各技术特丝毫 种合璧的应     

基于人工神经网络和专家系统Shell的城市发展水平综合评价专家系统的研究

基于人工神经网络（ＡＮＮ）和专家系统Ｓｈｅｌｌ（ＥＳＳ），提出了一种城市发展水平综合评价专家系统（ＣＣＥＥＳ）的基本结构模式，并对ＣＣＥＥＳ中评价指标规范化方法、基于ＡＮＮ的知识获取方法，基于决策表的知识库自动生成方法以及推进机的工作原理作了描述。     

基于物理模型的成像算法评价与 SASART 成像算法

基于物理模型的图像重建算法评价方法,作者研究设计的ＳＡＳＡＲＴ算法,给出了常用算法ＳＶＤ,ＣＧ,ＬＳＱＲ,阻尼ＬＳＱＲ,ＳＩＲＴ,ＳＡＲＴ及ＳＡＳＡＲＴ的测试结果。测试数据表明：（１）线性成像方程系统的特性（条件数）及解结构都对解精度有影响,解模型越粗糙,解的精度越低;（２）自激励联合迭代重建算法（ＳＡＳＡＲＴ）迭代稳定、抗噪音能力强,用于高噪数据反演能获得合理的图像;（３）各种求解算法都具有平滑效应,同时也都会产生误差很大（＞１５０％）的奇异解;（４）小的数据拟合差并不一定指示解的精度高;（５）对含误差数据,应用阻尼ＬＳＱＲ或ＳＡＳＡＲＴ算法进行成像反演。     

结合神经元网络和模糊专家系统进行电力短期负荷预测

结合人工神经元网络（ＡＮＮ）和模糊专家系统进行负荷预测．给出了径向基函数（ＲＢＦ）网络的结构,并采用正交最小平方法（ＯＬＳ）选取ＲＢＦ中心．先用ＡＮＮ进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,利用模糊专家系统进行负荷调整．文中还把日期划分为５类．测试结果表明,该方法具有较高的精度和较快的速度．     

一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

宽带信号广义谱相关子空间拟合二维来波方向估计

提出了一种新的宽带信号二维来波方向（ＤＯＡ）估计方法－二维广义谱相关子空间拟合方法。该方法充分利用循环相关运算可以将时延变换为相移这一性质,结合一维ＧＳＣ－ＳＳＦ方法和ＤＯＡ知阵方法的基本思想,可以方便、有效地对各种带宽的信号进行二维ＤＯＡ估计,理论分析与仿真结果表明,该方法既继承了循环平稳谱估计方法在信号选择性,测向精度、分辨率、过载能力、检测能力等方面的优势,又具有ＤＯＡ矩阵方法无需二维谱峰搜索和参数配对的特点,具有很好的实用性。     

计算分光光度法同时测定钯、银、汞

本文采用偏最小二乘法（ＰＬＳ）对无机多组分体系进行了研究和测定。结果表明ＰＬＳ法所建立的数学模型对吸光度加和的偏离能做出有效的校正。方法用于硫代米氏酮一钯、银、汞体系的定量分析较之多元线性回归法的ＣＰＡ一矩阵法具有更准确可靠的预报结果。     

发动机动态特性组合神经网络建模新方法

针对现有发动机组合神经网络建模方法对不同数组结构的样本数据泛化能力较差的不足,提出一种多步线性插值法的组合神经网络建模方法. 该方法基于有限元建模思想,以具有丰富样本数据的某一维输入量构造网格线,对多维输入样本空间进行划分. 在网格线上,样本数据按照BP算法对网络模型进行训练,得到高精度神经网络函数,而在网格线中间,所求输出根据相邻的两条网格线的神经网络函数进行多步线性插值. 与传统组合神经网络建模方法的对比结果表明,在处理不同数组长度的多维发动机动态特性试验数据方面具有很好的适应能力.      

Nonlinear Spline Kernel-based Partial Least Squares Regression Method and Its Application

Inspired by the traditional Wold＇s nonlinear PLS algorithm comprises of NIPALS approach and a spline inner function model, a novel nonlinear partial least squares algorithm based on spline kernel （named SK-PLS ） is proposed for nonlinear modeling in the presence of multicollinearity. Based on the inner-product kernel spanned by the spline basis functions with infinite number of nodes, this method firstly maps the input data into a highdimensional feature space, and then calculates a linear PLS model with reformed NIPALS procedure in the feature space and gives a unified framework of traditional PLS ＂kernel＂ algorithms in consequence. The linear PLS in the feature Space corresponds to a nonlinear PLS in the original input （primal） space. The good approximating property of spline kernel function enhances the generalization ability of the novel model, and two numerical experiments are given to illustrate the feasibility of the proposed method.     

基于多ANN的复杂函数学习策略

针对多层前馈人工神经元网络，提出了一种多ＡＮＮ逼近策略，与单ＡＮＮ方法相比较，逼近能力，适应能力，泛化能力等都有了很大的提高，它可应用于复杂系统的建模和辨识。     

A New Sample-Selection and Modeling Method Based on Near-Infrared Spectroscopy and Its Industrial Application

Near-infrared （NIR） spectroscopy has been widely employed as a process analytical tool （PAT） in various fields; the most important reason for the use of this method is its ability to record spectra in real time to capture process properties. In quantitative online applications, the robustness of the established NIR model is often deteriorated by process condition variations, nonlinear of the properties or the high-dimensional of the NIR data set. To cope with such situation, a novel method based on principal component analysis （PCA） and artificial neural network （ANN） is proposed and a new sample-selection method is mentioned. The advantage of the presented approach is that it can select proper calibration samples and establish robust model effectively. The performance of the method was tested on a spectroscopic data set from a refinery process. Compared with traditional partial leastsquares （PLS） , principal component regression （PCR） and several other modeling methods, the proposed approach was found to achieve good accuracy in the prediction of gasoline properties. An application of the proposed method is also reported.     

离散正交小波包及其在噪声抑制中的应用

研究有限长序列的小波包处理和噪声抑制的方法,方法用正交共轭滤波器构造有限维内积空间的正交值和分解及有限长离散小波包,分析了噪声的小波包分解系数的特性,并提出小波包变换域降噪的方法。     

软测量技术及其在加氢裂化分馏塔中的应用

在总结现有各种软测量技术的基础上,指出统计分析方法中的部分最小二乘法和神经网络方法中的径向基函数网络,是经实际应用证明有效的方法。提出了一种将ＰＬＳ和ＲＢＦＮ结合的方法,并将ＰＬＳ,ＲＢＦＮ,ＰＬＳ－ＲＢＦＮ３种算法分别用于加氢裂化分馏塔航煤点软测量模型的建立,其泛化结果表明基于ＰＬ－ＳＲＢＦＮ算法建立的软测量模型具有更好的预测精度。     

小波变换和神经网络用于红外光谱定量分析

为扣除开放光路法红外光谱中的背景干扰 ,发挥开放光路法的优势 ,提出了针对多组分气体体系的小波变换(WT)和人工神经网络 (ANN)相结合的红外光谱定量方法。该方法在数据处理阶段利用小波变换方法扣除了样品光谱中的背景干扰 ,然后通过计算谱峰强度和组分浓度之间相关系数的方法确定了待测组分的特征峰 ,最后利用 ANN技术实现了定量分析。该方法用现场实测光谱进行了检验。结果显示其综合性能优于其它几种常用的方法 ,是一种有效的红外光谱定量方法     

非线性时间序列的最优相关维数估计

提出以能量谱中的截断频率之倒数作为相空间重构过程中的窗长，在窗长固定情况下，利用奇异值分解算法确定嵌入维数和时间延迟两个参数，克服了不考虑窗长单独选择嵌入维数和时间延迟造成的相关维数收敛性差的缺点，大大提高了计算效率。采用迭代奇异值分解算法对含噪声的信号进行降噪，降低了噪声对相关维数计算结果的影响，从而提高了计算结果的可靠性。     

基于局部线性嵌入的多流形学习故障诊断方法

故障样本具有复杂多样性,而不同故障类型存在于不同维数的多流形子空间中,将样本统一降维到同一维数的单流形上则不能进行高效的特征提取.提出了一种基于局部线性嵌入(Local Linear Embedding,LLE)的多流形学习(Multi-LLE)故障诊断方法,将单流形故障诊断方法扩展到多流形,首先利用Multi-LLE分别提取各故障数据集在其本征维数流形上的特征,再通过各特征向量的聚类中心与故障新样本在不同维数下的嵌入向量的距离比较,将距离最近者归为一类实现分类识别.利用转子实验故障数据对算法进行了验证,并将Multi-LLE方法与LLE和海赛局部线性嵌入(HLLE)方法进行了比较,结果表明该方法能够有效的实现故障诊断.     

控制系统极点配置的 ANN 方法

基于神经网络技术,给出了一种新的用于多输入多输出线性控制系统极点配置的ＡＮＮ（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ）方法,并通过仿真验证了该方法的有效性和可行性。