基于Hammerstein模型的连续搅拌反应釜非线性预测控制

该文针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于最小二乘支持向量机Hammerstein模型的非线性预测控制方法。Hammerstein模型的非线性环节采用最小二乘支持向量机逼近,线性环节则采用外因输入自回归模式(ARX)结构。基于此模型结构设计非线性模型预测控制器,将非线性预测控制问题转化为线性模型的预测控制和非线性模型的求逆问题,进而给出了预测控制律以及非线性环节逆模型的构造方法。对CSTR的仿真结果表明:与传统的非线性模型预测控制以及PI控制器相比,该文方法精度更高,能够有效跟踪控制反应物浓度。     

基于主客观证据融合的高炉悬料预测方法

针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确.     

微机绘图在数据处理中的应用

本文介绍一种数据处理与绘图相结合的程序。该程序是在APPLE-Ⅱ型微机上,根据最小二乘法的原理,对输入的试验数据进行回归,求出回归方程,然后根据这个方程在DXY-800型绘图仪上画出拟合的曲线。此外,本程序还具有图形的放大、缩小等功能。经过一个阶段的试用,结果表明,本程序能代替手工计算和绘图,方法简单,并可提高绘图的质量和速度。如果将程序稍加改动,还可以用于其它类型的微机,为试验数据的处理及绘图提供了一种行之有效的方法。     

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.     

P-反演半群上由超迹决定的最小强P-同余

P-反演半群类是十分重要的一类与正则半群有较密切联系的半群类.关于该类半群的结构及同余受到国内外众多半群工作者的广泛关注.研究了P-正则半群的强P-同余格中一类极小的同余,引入了特征子半群及超迹的概念,借助于同余理论刻画了P-反演半群S(P)上的强P-同余.确定了与给定同余有相同超迹的最小强P-同余,并给出了由超迹决定的最小强P-同余的一种具体表示.这些结果推广了正则半群上的相应结果.     

加权约束最小二乘法计算等效静力风荷载

基于平均风压与脉动风压根方差相组合的分布模式,利用加权约束最小二乘优化方法计算等效静力风荷载,在计算时通过约束条件来限制等效荷载的大小,并通过引入权值因子确保等效荷载作用下典型响应的正确性.算例分析结果表明,该方法可用于计算大跨结构的多个目标峰值响应,克服了传统方法仅能等效单个响应的缺陷,对绝对值较大的目标响应等效精度较高,并且典型响应的等效精度要大于一般响应;同时可以有效控制等效荷载的大小,计算得到的等效荷载变化比较均匀,没有出现风压大小及方向剧烈变化的情况.     

滤料过滤效率的数值预测研究

以耐高温滤料过滤效率的试验数据为基础数据,分别采用LS-SVM、RBF神经网络和BP神经网络3种方法,以空气温度、过滤风速、发尘浓度作为输入,过滤效率作为输出训练算法,预测不同测试条件下滤料的过滤效率,并对3种算法的预测结果进行了对比分析.结果表明,采用LS-SVM无论从预测精度还是运行时间上,预测效果都最为理想;LS-SVM的过滤效率预测模型与RBF、BP神经网络相比,平均绝对百分比误差最小,程序运行时间最短.     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

基于偏最小二乘回归的可靠性增长费用分析

为消除武器装备可靠性增长费用建模中自变量之间的多重相关性,引入了偏最小二乘回归分析,并针对某型现役装备使用阶段可靠性增长费用数据进行了建模与分析。结果表明,与一般的多元回归分析相比,偏最小二乘回归分析避免了自变量之间多重相关性带来的问题,能够得到与实际经验相符合的模型。     

基于人工神经网络的函数逼近法计量精度的提高

提出一种基于BP神经网络的提高激光干涉计量精度的数据处理方法，并将该方法与常用最小二乘法作二次曲线拟合进行比较。结果表明，用神经网络逼近函数方法，不但解决了光学干涉计量中像素尺寸以及图像采集卡空间量化误差对测量精度的影响，而且解决了目标函数多极值问题，从而干涉条纹可获得高于光敏像素级定位精度。最后将干涉条纹的光强精确地拟合出来，讨论曲线拟合误差，表明该算法具有很好的鲁棒性和自适应能力。