基于PSO-SVR的发酵过程状态预估模型

针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的支持向量机软测量模型。考虑到该支持向量回归（SVR）模型的复杂性和冷化特征取决于其三个参数ε,c,γ能否取到最优值,采用粒子群优化（PSO）算法实现对参数ε,c,γ的同时寻优。在此基础上,以饲料用β-甘露聚糖酶为对象,建立了基于PSO-SVR的发酵过程产物浓度状态预估模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力,可实现对β-甘露聚糖酶产物浓度的实时在线预估。     

一种基于分簇及蚁群算法的分布式能量高效路由算法

为了提高无线传感器网络中节点的能量使用效率,延长网络生存期,提出了一种基于分簇及蚁群算法的分布式能量高效路由算法.首先,网络中的节点采用改进的最小ID分簇算法对传感器网络进行快速分簇;然后,各簇头节点使用改进蚁群算法进行并行优化计算,寻找从簇头节点到Sink节点的数据汇聚路由.该算法是一种分布式算法,经仿真验证算法是合理的,和典型路由算法相比,能均衡节点能量消耗,具有更高的网络生存期.     

Wiener型系统基于神经网络的在线训练算法广义预测控制

利用RBF神经网络在训练算法和广义预测控制算法进行了Wiener型非线性模型预测控制的研究，仿真表明这种做法是可行的。     

基于迁移成分分析的发酵过程集成软测量建模

青霉素发酵过程具有不确定性和多阶段等特点，不同批次发酵过程间存在工况差异，过程数据的分布不一定相同，使传统软测量模型性能下降。结合迁移学习策略和高斯混合模型，提出一种基于迁移成分分析的多模型集成软测量建模方法。该方法使用迁移成分分析求解样本间共享特征映射矩阵，适配建模过程数据与待测数据的边缘概率分布；并基于高斯混合模型对建模数据进行聚类划分，与偏最小二乘算法结合建立子模型的集成模型，完成对主导变量的预测。基于青霉素平台数据的仿真结果表明，所提方法不仅能够有效提高青霉素发酵过程软测量模型的精度，而且适应于变工况下青霉素浓度的预测。     

基于曲率信息的改进BP算法及其在FNN中的应用

针对步长选取影响误差反向传播(BP,Back Propagation)算法优化效率问题,提出一种基于曲率信息的步长优化BP算法,并将其应用到了模糊神经网络(FNN)的训练过程中。参考牛顿法的思想,根据代价函数的梯度及梯度方向上的曲率信息来确定模型参数调整的方向和幅度。仅需考虑梯度方向上的二阶信息,因此不需要存储和处理Hessian矩阵。通过一个数值仿真和高炉炼铁过程数据建模实验,验证了方法的有效性及训练效率。     

一种分层信息提取的多块主元分析故障监测方法

针对传统多块故障监测方法建模时,一般仅考虑到过程局部信息的问题,提出一种分层信息提取的多块主元分析(Principal component analysis,PCA)故障监测方法。第一层考虑过程变量之间的互信息,对过程变量进行分块,提取过程局部信息;第二层对每个变量块进一步提取累计误差和二阶差分等特征信息,结合观测值信息共同将每个变量块扩展为3个信息子块;对每个信息子块采用PCA方法进行监测,并基于贝叶斯方法融合所有信息子块的监测结果。所提方法的有效性和性能在田纳西-伊斯曼(Tennessee-Eastman,TE)过程监控中进行了验证和分析。     

Delphi串行通信在分布式智能控制系统中的应用

介绍了Delphi串行通信的几种可行方法,详细阐述了Mscomm控件的属性和特点,并结合苹果酒发酵过程控制系统的实例阐述了Delphi串行通信的应用.