基于核函数PCA的非线性过程实时监控方法

为了克服基于主元分析的过程监控方法非线性处理能力弱的缺点和降低基于非线性主元分析的过程监控方法的计算复杂度,提出了将核函数PCA监控方法用于复杂工业过程实时监控系统的开发研究,并讨论了核函数参数选择对系统性能的影响。核函数PCA能有效地提取过程变量的非线性关系,而且计算复杂度低,便于在线实施。仿真结果表明该方法是一种有前途的复杂过程非线性实时监控技术。     

基于支持向量机的故障诊断方法

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明,与神经网络故障诊断方法相比,诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。     

核函数方法在丙烯腈收率软测量建模中的应用

介绍了核函数方法的基本原理及两种核函数统计建模方法;提出了用核函数PLS与核函数PCR建立工业丙烯腈生产过程丙烯腈收率软测量模型,以便更有效地处理过程非线性、多输入和数据共线性等复杂特性。对比研究发现,基于核函数方法的软测量模型要优于线性统计模型,而核函数PLS模型性能优于核函数PCR。     

地震数据反演中的非线性问题

研究灾害地震现象的天然地震观测都是在地面进行的。资源勘探进行的人工地震有的在地面观测,有的在井中观测。根据观测到的数据推算地球内部的物质结构的几何形态和物性参数称为反演。这样的问题与遥感遥测,自动控制、天文观测、无损检测、疾病诊断、海洋工程等学科领域中的问题相似,它们归结出的数学问题是一致的,尽管不同的实际问题带有本学科领域的特点。反演过程不是一个物理过程,而是一个利用数学手段来求逆的过程。反演问题有两个最显著的特点:(1)大部分反问题都是非线性的;(2)它们大都是不适定的数学问题。非线性问题常常通过逐步线性化来解决。但由子实际问题非线性性很强,逐步线性化的办法往往不符合实际物理背景,也得不到好的结果。近年来,开展非线性研究,主要是通过将观测数据与理论正演模拟数据的最佳拟合来确定介质的物性参数。但由于介质参数的模型空间非常大,加之问题的非线性性很强,求目标函数的全局最小的问题困难很大。在地震数据反演中,由于数据的不完备,噪音的存在,源的情况复杂且未知等原因,要求得目标函数的全局最小值是不现实的。我们只能求一定意义下的最佳解。本文中,我们介绍地震反演问题求解的主要方法,重点讨论:(1)线性迭代解法;(2)非线性迭代解法;(3)模拟退火法;(4)生物基     

基于CUDA和布谷鸟算法的SVM在工控入侵检测中的应用

为了提升SVM算法的分类速度和精度,提出了一种基于CUDA和布谷鸟搜索算法(CSA)的CCS-SVM (CUDA and Cuckoo Search based Support Vector Machine)算法。考虑到SVM算法在大规模数据下训练速度慢的缺点,利用基于CUDA的并行技术对SVM进行并行化。针对布谷鸟搜索算法寻优精度低和收敛速度慢的问题,提出了两点改进:第一,考虑了寻优过程中个体适应度对莱维飞行步长因子α的影响;第二,在偏好随机游动环节引入惯性权重。最后利用CCS-SVM算法对工控网络标准数据集进行入侵检测仿真实验,结果表明:该算法在保证入侵检测准确率的同时,检测速度提升了近3倍。     

小麦株高性状的QTL定位分析

以国际小麦作图组织的重组自交系群体W7984×Opata85为材料,在两种不同试验环境(2009年天津东丽区、2009年天津西青区姚村)下,分析其亲本及114个株系群体的株高,并利用QTL作图软件WinQTLCart2.5和区间作图及复合区间作图方法,对控制小麦株高性状的QTL进行定位.共检测到4个与小麦株高相关的QT...