改进的非线性PCA方法及其在过程监控中的应用

针对化工聚合反应过程的特点,结合小波分解多分辨率特性和独立元分析(ICA)提取个数较少的相互独立信号的优点,改进了基于自相关神经元网络的非线性主元分析(NLPCA)方法。在传统的非线性PCA方法中引入了独立元分析模块,不仅解决了自相关神经元网络中确定各层神经元个数的问题,而且以最少的独立元个数捕捉数据的非线性特征。多尺度监控可以识别各种幅值的故障,提高了监控效果。在此基础上,计算I²、I²_e和SPE统计量用于故障检测。贡献图法用于识别故障变量。在聚酯生产过程上的仿真结果表明,改进后的方法比传统的非线性PCA方法更及时地检测到过程故障,运用贡献图可以有效地实现故障变量分离。     

回声状态网络的递推训练算法

针对回声状态网络(ESN)传统的训练方法无法解决高维矩阵不可逆时的训练,以及无法应用于需要在线训练的建模当中等问题,提出了两种新的递推训练算法。分别将含遗忘因子递推最小二乘算法（FFRLS）和无先导卡尔曼滤波算法（UKF）应用到回声状态网络输出神经元为线性函数和非线性函数的权值训练中,进而直接对网络的输出权值进行递推更新。与传统的训练方法相比,所提新方法不仅具有在线更新、精度高的优点,而且还可以解决传统训练方法中批量数据构成的向量矩阵不可逆及输出神经元为非线性函数且其反函数不可求的题。通过对连续搅拌釜式反应器（CSTR）浓度和温度的预测仿真,结果证明了所提新方法的有效性。     

一种基于相对主元分析的故障检测方法

通过主元分析方法进行主元提取时协方差矩阵特征值有时会出现变化“均匀”缺陷，并且该方法运用于故障检测时，通常使用单一的性能指标T2指标或SPE指标作为检测判据，容易遗漏一些重要信息，降低故障的检测效果。针对这一状况，本文研究了相对主元分析方法，并且将T2指标和SPE指标有机融合成综合指标，结合TE过程进行故障检测。通过单一指标SPE—时间图和综合指标—时间图的对比，发现综合指标图比SPE图报警时间早、误报少，说明了将综合指标运用于相对主元分析方法进行故障检测的优越性及有效性。     

多变量时滞过程的解耦内模控制及应用

针对工业过程中常见的多变量时滞输入输出系统,基于内模控制结构提出了一种解析解耦内模控制器矩阵的设计方法,该方法设计的内模控制器同时具有解耦器和控制器的作用。其优点是能够实现标称系统输出响应之间的近似或完全解耦,且用遗传算法对于解析模型进行降阶或近似处理,从而简化了推导解耦控制器矩阵的运算量;并可以通过调整内模控制器的滤波器时间常数来补偿被控过程的模型不确定性所导致的控制品质下降。用该方法对国产200MW火电机组带汽—汽换换热器的多变量强耦合再热汽温控制系统进行了控制系统的设计和仿真研究,仿真结果证明了该方法的有效性。并且在过程模型和过程失配时显示了较强的鲁棒性和抗干扰能力。     

两向异性的W-M分形插值

W-M分形可以模拟各向同性和各向异性的粗糙表面,然而许多机械加工表面具有加工纹理,加工纹理的方向和垂直于加工纹理的方向是异性的,对于这种两向异性的粗糙表面,还没有专门的模拟公式.提出利用两个W-M分形的叠加来模拟这种两向异性的粗糙表面的分形公式,并在MATLAB上对此分形插值公式进行仿真模拟.MATLAB的仿真模拟结果表明,此方法可以很好地模拟两个方向具有不同分形维数和分形比例系数的粗糙表面.     

基于过程神经元网络模型的间歇反应优化计算

针对间歇过程中最优操作轨线经常从生产经验中人工获取的问题,提出了一种基于过程神经网络(processneural network,PNN)模型的自动计算方法。利用PNN独特的时间聚合算子特点,建立反应操作变量与产品质量之间的关系。基于此时间函数模型,通过产品质量性能指标优化计算,获得最佳的控制轨线,作为实际生产的设定曲线。最后,MPCE仿真平台的间歇反应实验说明了该方法的有效性。     

几种化学物质诱发蚕豆根尖细胞微核形成的研究

本文研究了几种化学物质对蚕豆根尖细胞微核形成的影响，并探讨了微核细胞率与处理浓度、处理时间的关系。     

镉对大麦幼苗生长、淀粉酶活性及姐妹染色单体交换的影响

本文以大麦为实验材料，用不同浓度的镉溶液处理，通过对幼苗生长、淀粉酶活力及姐妹染色体单体交换（ＳＣＥ）等的研究表明，不同浓度的镉溶液可不同程度地抑制幼苗的生长．实验组的主胚根、最长侧根的长度、苗高以及根系体积均低于对照．镉还使胚乳中淀粉酶活性降低，这种抑制作用随镉浓度的增加而加强．此外，镉溶液可导致细胞有丝分裂指数的降低，细胞分裂减缓．ＳＣＥ作为一种灵敏的方法被用于检测诱变剂对ＤＮＡ的损伤，本文使用这一技术检测了镉对ＳＣＥ的影响，结果表明，实验组和对照组差异极为显著．     

一类间歇过程的优化及非线性预测控制

基于主产物浓度和反应温度的RBF神经网络模型,使用粒子群优化算法(PSO)求解该间歇反应主产物产率最大化问题,进而得到反应温度优化曲线。利用RBF神经网络建立了反应器冷却水控制温度阶段的预测模型,采用非线性预测控制,并引入了模型误差项,增强了控制方法的鲁棒性和间歇过程的抗干扰性能。利用 Lyapunov 原理对该预测控制算法做了稳定性分析,确定了系统稳定条件下的参数的取值范围。同时编制控制程序在多功能过程及控制实验装置(MPCE)装置上实现了算法的控制,并与以升温速率为基准的特殊PID调节器的控制结果比较,结果证明了基于RBF神经网络非线性预测控制方法的有效性。