基于组合三角变异差分进化算法的化工参数辨识

针对传统方法在解决化工参数辨识问题中易陷入局部最优、导致求解精度不足的问题,提出了一种组合三角变异差分进化(CTMDE)算法,融入了组合三角高斯变异策略和DE/current-to-pbest/1变异策略.其中,组合三角高斯变异策略引入了组合权重来适应性利用较优个体、一般个体、当前个体的信息,维持种群多样性;而DE/current-to-pbest/1变异策略能够利用种群中的较优个体来指导搜索,对解空间的开采能力较强.两者结合使得算法在加快收敛速度的同时降低陷入局部最优的可能性.在12个基准测试函数上,将CTMDE算法与其他新近DE算法进行比较,并将CTMDE算法应用于甲醇转化为烃类物质的参数辨识问题.实验结果表明:CTMDE算法具有较好的寻优性能,且在化工参数辨识问题上具有较好的求解效果.     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

人工神经网络理论在控制领域中的应用综述

力图从人工神经网络的研究历史出发,在对人工神经网络在控制系统中的应用现状作出概述之后,针对当前的自动控制领域所遇到的难点问题,说明为什么人工神经网络理论能在其中获得如此广泛的关注,并详细论述其适用于控制工程领域应用的主要特征。     

过采样方法在系统辨识中的应用

为了对带噪输出的控制系统进行盲辨识，提出了一种利用过采样法辨识控制系统函数的方法，通过过采样控制系统的输出信号，将原单输入单输出系统转换成为一个新的与原系统具有相同输出极点的单输入多输出系统，再估计出这个新的单输入多输出系统的传递函数，最后得到原单输入单输出系统的模型参数，仿真结果表明，与常用的高阶矩法相比，该方法具有不受系统结构影响，不需要计算样本数据的高阶统计矩，使用的样本数据量少，便于计算机实现的优点。     

整流后倒U型管内气液两相流动的稳定性及流型分布

在倒U型管垂直段的两端内分别放置一个整流环，来消除入口弯头对垂直段流动的影响，通过对单相流体在倒U型管内的流动进行数值计算，以及对整流作用下倒U型管内气液流动的稳定性和流型的分布进行实验研究，发现整流环的整流作用可以增强管道内流动的稳定性，实验还发现，倒U型管垂直上升段内的间歇性流动（弹状流和块状流）区域减小，环状流区域增大，流动的稳定性增强。     

毛细管中两相流动特性的电导测量方法

建立了单毛细管中两相流动传递参数实验系统,基于该系统开发了测取泰勒流下气泡速度气含率、气泡频率以及液栓长度等参数的双电导测试系统。结果表明,与常用的摄像法进行比较,双电导探针具有在线、实时和动态响应快等特点,可替代摄像法,并可扩展应用于结 构化催化剂内部测定气液两相流动参数分布。同时,采用电导法对毛细通道中多种流型——包括分散气泡流、气泡串流、泰勒流、膜流及多种过渡流型——进行辨识,取得了较好的实 验结果.     

混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

模糊推理与建模分析

利用模糊集合理论与系统辨识,参数估计的理论和方法,分析并给出了模糊推理系统的建模特征、建模任务以及建模方法的思想。     

基于精英反向学习粒子群算法的光伏电池参数辨识

快速准确辨识光伏电池参数对于电池输出功率预测及电池故障诊断模型的研究具有重要意义.针对传统智能算法应用于光伏电池参数辨识时存在准确性低、易陷入早熟的问题,提出一种精英反向粒子群算法(EOPSO),在算法进化过程中,对当前种群中的优秀个体根据概率进行精英反向学习,生成精英反向种群,并将精英反向种群与当前种群进行竞争,当算...     

基于离差最大化与灰色关联分析的危险源辨识方法

以提升非化学品危险源辨识水平为目的,利用灰色系统理论的灰色关联分析法,得到各危险源指标与最其优辨识指标的关联度,通过离差最大化法确定指标权重,并以某高速公路施工标段的危险源辨识和评价作为实例对该模型进行了验证,从而得出了施工标段各危险源危险性的优劣次序。并将此结果与LEC法、权重相同的灰色关联分析所得结果进行对比,证明该模型的辨识结果更准确且与实际情况较吻合。对非化学品危险源辨识具重要指导作用。