An Integrated Use of Advanced T2 Statistics and Neural Network and Genetic Algorithm in Monitoring Process Disturbance

Integrated use of statistical process control (SPC) and engineering process control (EPC) has better performance than that by solely using SPC or EPC. But integrated scheme has resulted in the problem of “Window of Opportunity” and autocorrelation. In this paper, advanced T2 statistics model and neural networks scheme are combined to solve the above problems: use T2 statistics technique to solve the problem of autocorrelation;adopt neural networks technique to solve the problem of “Window of Opportunity” and identification of disturbance causes. At the same time, regarding the shortcoming of neural network technique that its algorithm has a low speed of convergence and it is usually plunged into local optimum easily. Genetic algorithm was proposed to train samples in this paper. Results of the simulation ex-periments show that this method can detect the process disturbance quickly and accurately as well as identify the dis-turbance type.

扫路车线控转向前轮转角的双闭环控制策略

针对智能扫路车线控转向系统前轮转角跟踪精度不高的问题,提出一种基于遗传算法_PID控制与RBF网络自适应滑模控制结合的双闭环控制策略。采用层次分析法得到遗传算法适应度函数的多个控制目标的权重,将适用于扫路车的遗传算法_PID控制器作为内环,用于转角跟踪;采用基于横摆角速度的RBF网络自适应滑模控制作为外环,逼近系统中的不确定成分,提高运行的稳定性。将该控制策略与其他控制策略对比,实验结果表明,该控制策略在提高车辆运行稳定性以及前轮转角跟踪上更具优势。

一种情感可控的古诗自动生成模型

古诗是中华民族重要的非物质文化遗产,使用计算机实现古诗的自动生成已成为一个热门的研究课题,但现有的古诗生成方法在生成诗句与主题的关联性上表现不佳且无法控制情感的表达。为解决这些问题,文中基于序列到序列(Seq2Seq)模型,提出一种通过关键字和情感分类词共同控制绝句诗生成的方法。具体实现过程分为两个阶段:首先使用TextCNN和TextRank算法分别对收集的古诗进行情感分类和关键字提取,自行构建实验数据集;其次针对古诗主题与情感表达不准确的问题,引入带注意力机制的Seq2Seq模型,在模型的编码端和译码端使用门控神经单元(GRU),通过4个关键字和情感分类词控制最终绝句诗的生成,并在生成阶段使用集束搜索代替传统的贪心搜索来增加生成古诗的多样性。对比实验结果表明,所提方法生成绝句诗的效果在自动评价和人工评价上均优于基准模型,对于内容与情感的表达更加准确和有效。

一种水下机器人运动的过程神经元控制

过程神经网络是传统神经网络的拓展,增加了一个对于时间的聚合算子,从而更好地模拟了生物神经元的信息处理机制.这是由于水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量.结合S函数和预先规划思想,建立水下机器人过程神经元的运动控制模型.仿真试验证明,该新型控制模型,对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点。

一种最优模糊神经网络控制器

基于最优控制的思想 ,通过对控制系统的过程模拟 ,提出一种最优模糊神经网络控制器的设计方案。首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构 ,然后利用基于浮点数编码机制的遗传算法寻找最优的控制器参数。

纸浆洗涤过程控制系统

为了解决浆料逆流洗涤过程中洗后浆残碱与首段黑液波美度在工艺指标要求上的矛盾,并能获得良好的浆料洗涤效果,立足于我国常用的麦草浆洗涤工艺和装备,在全面分析影响麦草浆洗涤质量主要因素的基础上,提出并设计了一种具有基本控制级、联动级和优化级结构的纸浆洗涤过程集成优化控制系统,详细介绍了基本控制级中采用的主要控制算法,描述了基于洗后浆残碱与首段黑液波美度的神经网络数学模型建立方法以及对洗后浆产量和清水加入量进行的双目标优化方法。实际运行效果证明了本控制系统的有效性。

用过程神经网络和遗传算法实现系统逆向求解

对于多输入多输出系统,针对如何根据系统模型和期望输出反求系统输入的问题,本文提出了一种基于过程神经网络和遗传算法相结合的方法.首先根据实际系统的领域知识和学习样本集,建立满足系统实际输入输出映射关系的正向过程神经网络.然后按照系统在过程区间的某一期望输出,用过程神经网络的输出误差构造适应度函数,用遗传算法逆向确定系统的过程输入信号,使该输入信号满足已建立的正向过程映射关系,从而完成系统的逆向过程控制.文中给出了具体的实现算法并给出了此方法的一个应用实例.

一种基于过程神经网络的动态系统控制信号求解模型和算法

针对非线性动态系统控制问题,提出了一种基于过程神经网络的控制信号求解模型和算法。利用过程神经网络对动态系统时变输入/输出信号的非线性映射机制和对系统过程模态特征的自适应提取能力,建立基于过程神经网络的辨识模型;然后根据所建立的辨识模型、系统控制结构和状态参数之间的关系,构建可满足系统信息传递约束关系的控制信号求解模型。分析了过程神经网络控制模型的信息处理机制,给出了基于GA与LMS相结合的优化求解算法,实验结果验证了模型和算法的有效性。

基于图像反馈的回转窑烧结温度智能预测控制

利用火焰图像作为回转窑烧结温度的反馈信号参与闭环预测控制,融合现场热工信号,设计了烧结温度的RBF网络预测模型,并利用遗传算法进行滚动优化,现场运行结果表明该方法可在正常工况下对烧结温度进行稳定控制.

一种基于改进遗传算法的模糊神经网络控制器及其在烧结终点控制中的应用

针对烧结过程这一复杂、多参数耦合的高度非线性系统,融合遗传算法、神经网络和模糊控制的优点,提出一种基于改进遗传算法的模糊神经网络控制方法,并应用于烧结过程终点控制.首先采用遗传算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力和对对象的适应能力,进一步进行参数的在线调整.同时,为解决传统遗传算法早熟和收敛速度慢的问题,从交叉和变异算子、适应度函数选取等方面对遗传算法进行改进.采用精英保留策略,提高了全局搜索性能和收敛速度.仿真结果表明,所提出的控制器优于常规的模糊神经网络控制器(Fuzzy Neural Network Controller,FNNC).算法的实际应用效果良好,为解决烧结终点控制问题提供了一条新的途径.

基于小波递归神经网络的间歇过程迭代学习优化控制

针对间歇过程提出了基于小波神经网络的迭代学习优化控制算法,实现产品终点质量指标的控制。小波递归神经网络用于建立提供长期预测的间歇过程模型。由于模型误差以及未知干扰的影响,基于预测模型得到的控制变量在实际应用中得不到期望的终点质量指标。利用间歇过程的重复特性,采用迭代学习优化控制改善批次间的产品质量,根据以前批次的模型预测误差均值来修正神经网络模型预测输出,继而计算出下一个批次的控制输入。随着批次的进行,模型误差逐渐消失,控制输入达到最优控制。仿真实验结果验证了该算法的有效性。

基于遗传模糊神经网络算法的棉花轧花过程智能监控方法研究

针对棉花轧花过程质量控制，这类缺乏精确数学描述的复杂实际对象，提出了基于遗传模糊神经网络的智能监控新方法，描述了遗传神经网络ＢＰ算法的工作原理，阐明了基于人的模糊经验规则实现的轧花过程控制的模型和学习算法。所提出的遗传算法同模糊神经网络相结合的方法提高了轧花过程监控的实时性，并具有预报性好的特点。

基于改进KFDA与DE优化SOM的故障诊断模型及其化工过程诊断

针对化工过程故障诊断数据存在高维度、故障特征不易区分、自组织映射(self-organizing map,SOM)网络易陷入局部最优等问题,提出了一种基于改进核Fisher判别分析(kernel Fisher discriminant analysis,KFDA)与差分进化算法(differential evolution,DE)优化SOM神经网络相结合的故障诊断方法。该方法首先利用欧氏距离对类间距进行加权处理,以避免因类间距离过大造成投影后的数据存在重叠的问题,使故障数据样本获得较好的投影效果,优化分类性能;然后,利用DE算法对SOM神经网络的权值向量进行动态调整,有效避免了由于“死神经元”的出现陷入局部最优的问题;最后,通过对田纳西-伊斯曼(tennessee-eastman,TE)过程和对二甲苯(paraxylene,PX)歧化工艺过程的故障数据进行诊断测试。结果表明,与传统SOM网络相比,提出的KFDA-DESOM算法具有较高的分类诊断精度,可有效应用于化工过程的故障诊断。

城市废水生物处理过程的模糊神经网络控制

针对城市废水生物处理系统的复杂性，不确定性和难以建立准确的数学模型的特点，本文提出了一种用Ｂ－Ｐ神经网络来完成规则推理的模糊控制器。仿真结果表明，该系统具有良好的动态性能和较强的鲁棒性与容错性，具有实际工程应用的价值。

GA优化T-S模糊神经网络的干燥窑温湿度控制器设计

为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,结合模糊控制、神经网络和遗传算法的优点,设计了一种遗传算法(GA)优化的T-S模糊神经网络温湿度控制器。该控制器利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力实现整个非线性过程的模糊逻辑推理,并通过遗传算法对神经网络的参数进行优化与训练,提高系统的自学习和自适应能力。仿真实验结果表明,在木材干燥过程的温湿度控制上,GA优化的T-S型模糊神经网络控制器具有良好的控制效果,控制器响应速度快、超调小并且具有一定的鲁棒性。

智能PID控制器在电厂热工过程控制中的应用前景

智能PID控制器是智能控制技术与常规PID控制器相结合的产物,该文对近年来模糊控制、神经网络和遗传算法与常规PID控制器相结合的主要研究成果进行了总结,对智能PID控制器在电厂主要热工过程控制系统中的应用研究情况进行了回顾,理论研究结果和实际应用情况表明,智能PID控制器在电厂热工过程控制中的应用是有效的和可行的,有着广阔的发展前景。文中 指出了智能PID控制器的研究方向和有待进一步解决的问题,对电厂热工过程控制系统中智能PID控制器的应用提出了建议。

烧结遗传神经网络的建立

由于复杂工艺过程的时变、非线性、大滞后的特性，很难用一个确定的数学模型来描述整个过程。本文根据复杂工艺过程的特点，提出了用神经网络（NN）和自适应遗传算法（AGA）相结合的方法来预估控制点位置，并用大量的输入和输出样本训练和测试模型。仿真结果表明，该系统能提前30分针准确地预估控制点的位置，为大系统控制奠定了基础。

基于改进遗传算法寻优的神经网络PID控制及应用

根据神经网络PID控制器初值的选取影响系统控制性能的特点,提出了一种基于改进遗传算法寻优的神经网络PID控制方法。即先利用遗传算法对PID控制器参数离线寻优,将求出的参数值作为控制器的比例、积分、微分系数的初值,再进行神经网络PID控制。对一类液位过程的实时控制结果表明采用本方法的控制系统具有较好的稳定性和鲁棒性。

一种递归神经网络的学习型电梯群控派梯算法

设计了一种借助历史数据自主学习的电梯群控调度算法,算法利用了增强学习技术在历史经验中的不断试错而获得最佳策略.以马尔可夫决策过程作为电梯派送问题的数学模型,进而将一种内在递归神经网络与增强学习中的Q-learning方法结合,所得电梯群控调度算法通过迭代得到近似的最佳状态行为值函数及对应的决策结果,实现优化派梯.通过仿真实验,在不同的交通流设置下,将所提出的派梯算法与其他几种传统派梯方法进行比较,仿真测试结果验证了该算法的有效性和优越性.

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。