基于人工神经网络算法的自拟清瘟方制备工艺优化探索

目的优选自拟清瘟方制备工艺。方法以料液比(因素A)、提取时间(因素B)、提取次数(因素C)为考察因素,以绿原酸、木犀草苷、靛蓝、靛玉红含量,干膏得率及其综合评分为考察指标,采用L_(9)(3^(4))正交试验法优化制备工艺;再以正交试验中的三因素水平为输入,以6种考察指标为输出,使用多层感知器(MLP)神经网络、反向传播(BP)神经网络、径向基(RBF)神经网络、遗传算法(GA)-BP神经网络进一步优化制备工艺。结果正交试验得出2种最佳方案(A_(2)B_(1)C_(2)和A_(1)B_(1)C_(2)),料液比1∶10或1∶8(g/mL),提取时间30 min,提取次数2次。但不同指标的最佳方案不同。绿原酸为A_(1)B_(1)C_(2),木犀草苷为A_(2)B_(1)C_(2)。预测发现,使用MLP神经网络算法时,平均误差率较大;相较于RBF下神经网络,BP神经网络算法可获得更小的误差和更优的决定系数,但仍无法解决局部最优解的问题。因此,采用GA-BP神经网络算法优化,可使决定系数最大化,误差平方和最小化,最优参数为料液比0.099(g/mL),提取2次,每次29.97 min。结论通过使用优化后的GA-BP神经网络,并结合传统正交试验设计,能准确提高工艺参数的优化程度,解决正交试验易出现局部最优解的难题,并降低数据处理难度。

混沌神经网络的Lyapunov指数与混沌区域

混沌神经网络有望用于诸如组合优化、信息搜索、模式识别等信息处理中.在Aihara等人依据生物学实验提出的混沌神经网络模型基础上,提出了混沌神经网络的最大Lyapunov指数的一种算法,通过最大Lyapunov指数的计算,研究神经网络的混沌区域以及参数对混沌区域的影响,这对混沌神经网络的混沌特性的研究及其混沌控制是十分有益的.

基于分位数回归CGAN的虚拟样本生成方法及其过程建模应用

针对复杂工业过程因难以检测变量或因时间上和经济上成本因素导致的建模样本稀缺问题,提出了一种将分位数回归(quantile regression)嵌入到条件生成式对抗网络(conditional generative adversarial network,CGAN)的虚拟样本生成方法QRCGAN。首先,在标准CGAN“生成器-判别器”两元对弈结构中嵌入回归器,使模型不仅具备标签样本生成能力,同时也具备处理回归预测问题的能力。其次,以分位数回归神经网络实现回归器,连同判别器和生成器进行同步对抗训练。当模型到达Nash平衡时,在分位数回归神经网络回归器的作用下,生成器能够产生落在一定置信区间的新样本。然后,利用Kullback-Leibler(KL)散度评估生成样本的质量。最后,通过标准函数数据和实际化工过程数据验证所提方法的有效性。

基于U型直线电机的袜机织针系统的参数选择

针对传统织针机械结构复杂、传动效率低等,以及我国袜机、大圆机等自主设计水平低下的现状,借助U型直线电机的结构特点,首先根据市场调研及实际测量,得到袜机选针系统的基本参数和性能要求,然后通过计算、选型、分析等确定出能够满足袜机性能指标的选针系统模型。该方法为袜机选针系统的结构设计、减振降噪及提高效率等方面提供了一定的理论依据。

基于改进大趋势扩散和隐含层插值的虚拟样本生成方法及应用

针对获取复杂工业过程的难以检测质量或环境污染指标数据的时间和经济成本高导致有标记建模样本稀缺的问题,提出了基于改进大趋势扩散和隐含层插值的虚拟样本生成(VSG)方法,并将其应用于城市固废焚烧过程的二英(DXN)排放预测。首先,采用基于子区域欧氏距离改进大趋势扩散(MTD)方法对真实样本输入/输出空间进行扩展;接着,采用等间隔插值方式生成虚拟样本输入,再结合映射模型和删减机制获得虚拟样本输出;然后,采用基于正则化改进的随机权神经网络隐含层插值依次得到虚拟样本输出和输入,再结合扩展空间对虚拟样本进行删减;最后,将上述具有互补性的虚拟样本与原始真实样本进行混合,实现建模数据容量扩充。通过基准数据集和工业过程DXN数据验证了所提方法的有效性和合理性。

爆炸危险化工企业电气设计概览

化工企业中由于其特殊的生产,经常处于爆炸危险环境,笔者就在气体爆炸危险环境下电气设计的几个方面做了较为详尽的论述,并提出了一些自己的看法。