过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法 ,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求 ,在其他学者研究的基础上 ,基于前馈 -反馈型神经网络模型 ,提出了一种自适应盲分离算法用于过程信号的分离。

一种新型优化控制软件的实现与应用

基于通用优化软件的设计思路 ,介绍了一种优化软件的具体实现过程 。

投影遗传算法

针对一般遗传算法在求解优化问题的多个优化解时的局限性 ,结合曲面投影与遗传算法的基本思想 ,提出了一种基于曲面投影的投影遗传算法用于解决此类问题 ,数值验证的结果表明了本算法的有效性和实用性。

一种新型的信号盲分离迭代算法

基于动态逼近的思想 ,提出了一种新型的信号盲分离迭代算法。通过构建一个动态过渡系统 ,设置相应的系统参数 ,可以获得满意的动态分离过程 ,从而使分离算法具有较高的效能。理论分析的结果给出了算法收敛的充分条件和必要条件。最后 。

基于神经网络和遗传算法的在线优化软件设计与实现

提出了一种基于神经网络和遗传算法的在线优化体系 ,设计并实现了基于神经网络和遗传算法的在线优化软件包 ,并将该软件成功应用于甲醇合成的在线操作优化 ,进而对此类软件的特点进行了讨论 。

过程信号的盲分离

添加采集通道，应用文中提出的基于盲分离原理的简约 Ｈ Ｊ神经网络（ Ｒ Ｈ Ｊ Ｎ Ｎ），可有效地去除混杂在过程信号中噪声，是控制工程中一种新型的去噪手段。对多类控制系统与不同信号的组合仿真表明，该方法是有效的，网络性能是稳定的。

过程信号的盲分离及其应用

提出的简约的ＨＪ神经网络（ＲＨＪＮＮ） 能用于过程信号的盲分离，即可有效地去除信号采集通道中的噪声信号，是一种新型的去噪控制手段。