基于内含传感器的两电机调速系统神经网络左逆张力辨识

针对两电机调速系统高精度张力传感器价格昂贵、安装要求高、材料和环境限制多的问题,提出基于"内含传感器"的神经网络左逆张力软测量方法。为实现两电机调速系统张力辨识,基于"内含传感器"的概念,建立"内含传感器"张力子系统,并证明其数学模型的左可逆性。考虑到逆系统模型较为复杂,存在参数时变的特点,采用BP神经网络精确逼近张力左逆模型,并串联在原系统之后,实现张力的辨识。基于两电机实验平台,对张力辨识效果进行仿真及实验验证,研究结果表明,该策略能够快速、精确地跟踪张力实际值,且易于实现。

生物发酵过程中VIP优化神经网络逆系统的软测量方法

针对生物发酵过程中生化变量难以在线检测的问题,提出一种基于变量投影重要性(Variable importance in the project,VIP)方法优化的神经网络逆系统软测量模型。根据逆系统理论建立发酵过程生化变量的软测量模型,由于发酵系统的复杂性,逆系统软测量模型具有不惟一性,且难以得到精确的表达式。文中提出采用VIP方法对逆系统软测量模型的辅助变量进行优选,以对主变量贡献率较高的变量作为软测量模型的辅助变量,离线采集发酵过程各变量值,训练神经网络近似逆系统软测量模型,得到优化的神经网络逆系统软测量模型,实现发酵过程中菌体浓度和基质浓度的在线估计。利用Pensim平台采集数据,对所提方法做了仿真实验,结果表明:经过优化辅助变量的神经网络逆系统软测量方法具有更高的估计精度和泛化能力。

红霉素发酵关键生化量的动态软测量方法

本文给出基于“内含传感器”逆的动态软测量方法,以解决红霉素发酵过程的关键生化量难以用物理传感器直接测量的问题。首先假定在发酵过程内部,存在一个以不直接可测量为输入、直接可测量为输出的“内含传感器”子系统,并建立其数学模型;然后构造出相应的“内含传感器”的逆系统。由于逆系统的输出就是原来的不直接可测量,这样,把该逆系统串连在原系统之后,就可作为动态软测量模型,实现对不直接可测量的软测量。实验结果证明了该方法的有效性。

基于神经网络左逆的电动汽车质心侧偏角观测

有效的估计车辆状态参数(如横摆角速度和质心侧偏角)对于车辆稳定性控制而言有至关重要的作用。但是能够直接测量质心侧偏角的传感器成本很高,不适合用于量产汽车。所以需要对质心侧偏角进行估计。文中提出了一种新型的基于"内含传感器"神经网络左逆(NNLI)的质心侧偏角观测器。通过利用车辆现有的传感器测量的车身状态量,如横摆角速度、纵向加速度、侧向加速度以及电动汽车的驱动电机力矩来估计质心侧偏角。最后文中给出了基于MATLAB/Simulink和Carsim的联合仿真结果。

生物发酵过程的LSSVM-Adaboost逆软测量方法

针对生物发酵过程关键生化量难以在线检测的问题,提出一种基于Adaboost的最小二乘支持向量机(LSSVM-Adaboost)逆的软测量建模方法。通过建立"内含传感器"模型并对其进行可逆性分析,给出"内含传感器"逆,考虑到LSSVM算法的小样本、计算速度快和Adaboost将弱学习机加权构成强学习机的优点,采用LSSVM-Adaboost方法近似难以建立精确模型的"内含传感器"逆。将训练好的逆系统串联于"内含传感器"之后构成复合的单位系统,实现不可测变量的软测量。将其应用于青霉素发酵过程菌体浓度和基质浓度的估计,仿真实验表明,所提方法有效提高了单一的LSSVM逆软测量方法对不可测变量的估计精度且具有良好的泛化能力。

生物发酵过程中SSVIP-NNI软测量方法

生物发酵过程中关键生化变量难以直接检测,提出了一种利用基于敏感性与特异性的变量投影重要性(SSVIP)方法优化神经网络逆系统(NNI)的软测量方法。根据逆系统理论建立软测量模型,采用VIP变量优选方法,对软测量模型中的辅助变量进行优化。为了进一步提高VIP方法优选变量的性能,利用模型敏感性与特异性的概念,重新定义了VIP筛选阈值,确定最优的发酵过程软测量模型的变量。构造神经网络近似最优逆系统软测量模型,实现对发酵过程中关键过程变量的估计。通过Pensim仿真平台进行实验研究,结果表明经过辅助变量优选的神经网络逆系统软测量模型具有更高的估计精度和泛化能力。