具有状态时滞和控制时滞的不确定性非线性系统的鲁棒控制

对于具有状态时滞和控制时滞的不确定性非线性系统，当其线性部分的不确定性满足范数有界条件而非线性部分的不确定性满足匹配条件时，本文研究其鲁棒镇定问题．在整体指数稳定的意义下，我们得到了上述这类系统可由线性状态反馈和输出反馈镇定的充分条件——某个代数黎卡提不等式有解．并且只要得到了黎卡提不等式的解，就可很方便地设计出对应的控制器．

Pensim仿真平台在青霉素发酵过程的应用研究

详细分析了针对青霉素发酵过程而开发的Pensim仿真平台,在阐述了其机理模型和内部结构之后,详细探讨了变量及参数设定值的取值范围,并给出了改进后的参考范围。仿真结果表明,经过修正后的Pensim仿真平台更加合理,仿真输出结果有更为明确的物理意义。

BP神经网络预测在流程企业供应链中的应用研究

本文针对流程制造企业的管理模式和相应的供应链特点,采用多智能体技术建立基于预测的流程供应链模型。在比较预测方法的基础上,采用BP神经网络技术建立客户分销的预测支持系统,并采用某造纸流程企业的周销量件数进行了实例预测仿真。

基于计算机视觉的纸浆纤维特性检测与研究

设计了基于计算机视觉的纸浆纤维特征在线检测装置,并提出了用于在线特征提取的纤维图像处理算法,采集的在线纤维图像经图像去噪、图像增强、细化后便可以提取纤维的特征。采用纤维长度、宽度、弯曲度以及统计分布来描述纤维特征,除了传统方法中曲度的方法外,还利用拐角检测算法来描述纤维的弯曲特征。

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识,从信息熵的角度分析系统知识不确定性的变化,提出了一种基于粗糙集理论的故障诊断新方法,研究了粗糙集理论在故障诊断中的适用性,在前向推理和反向推理的基础上,给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤,讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度.通过这种方法能够进行故障的寻找和定位,实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行性和有效性.

动态加权最小二乘支持向量机

提出一种基于动态加权最小二乘支持向量机(LS-SVM)的时间序列预测方法.动态加权LS-SVM能够跟踪时变非线性系统的动态特性,适合于系统辨识和时间序列预测;同时采用鲁棒方法确定权系数,以减小噪声的影响.将动态加权LS-SVM算法应用于工业PTA氧化过程中的4-CBA浓度预测,结果显示,动态加权LS-SVM预测精度高,能够有效减小噪声的影响.

基于特征样本的KPCA在故障诊断中的应用

核函数主元分析(KPCA)可用于非线性过程监控.建立KPCA模型首先要计算核矩阵K,K的维数等于训练样本的数量,对于大样本集,计算K很困难.对此提出一种基于特征样本的KPCA(SKPCA),其基本思想是,首先利用非线性映射函数将输入空间映射到特征子空间,然后在特征子空间中计算主元.将SKPCA应用于监控T ennesseeE astm an过程,并与基于全体样本的KPCA作比较,仿真结果显示,二者诊断结果基本相同,然而特征样本只是训练样本中的一小部分,因此减少了K的维数,解决了K的计算问题.

一种小波网络设计新方法

小波网络有许多优良性质 ,为了便于应用和推广 ,本文提出一种新颖的两步设计方法 .首先 ,用修正的 GS方法与 AIC相结合构造小波网络 ,目的是获得经济的网络结构和初始参数 ;然后 ,采用结合 GA的分层优化算法优化小波网络的两个内部参数——平移和伸缩参数 ,目的是在不增加小波元的情况下获得更高的精度 .最后 ,用于辨识非线性动态系统 ;

基于核主角的故障检测方法

基于主元分析(PCA)的统计检测方法已经被广泛应用于各种化工过程的故障检测和识别.移动主元分析(movingprincipalcomponentanalysis,简称MPCA)算法基于PCA,根据主元子空间的变化来判断故障是否发生.然而,基于主元分析的统计检测方法是线性方法,无法有效应用于非线性系统.因此,提出一种适合于非线性系统的故障检测方法——基于核主角(kernelprincipalangle,简称KPA)的故障检测方法,其基本思想与MPCA相似,主要内容包括构建特征子空间和核主角测量两部分.TE过程故障检测仿真实验证明,基于核主角的故障检测方法优于传统的多元统计检测方法(cMSPC)和MPCA.

大型造纸企业基于中间件的三层分布式信息系统

在对两层与三层开发模式进行比较分析的基础上,针对大型造纸企业业务逻辑复杂、管理分散的特点,给出了基于中间件的三层分布式系统分析与设计方法。并从对造纸企业的物流、资金流等动态模型分析入手,在服务器端配置了系统的应用逻辑服务组件模块,同时对系统模块配置、数据查询等进行了优化,最后给出了系统实现实例和性能评价。

基于自适应密度估计的系统参数辨识

针对噪声分布未知的ARMAX系统,提出了一种自适应非参数噪声密度估计方法,由估计误差动态调整高斯核函数的全局带宽和局部带宽,实现了未知噪声分布密度的自适应估计;通过极小化似然函数,给出了基于噪声密度估计的参数辨识迭代算法,分析了算法的收敛性并给出了算法收敛的充分条件.仿真结果表明本文提出的算法在系统噪声未知时具有较强的抗噪能力和良好的收敛性.

基于小波网络和遗传算法的LTV系统建模新方法

本文基于小波网络和遗传算法，提出一种用于LTV系统建模的二次回归方法。首先，利用小波网络构造参数子模型，并采用LS方法直接估计第二代参数；然后利用遗传算法和AIC确定参数子模型的结构，以获得最终用于表示LTV 系统的二次回归方程。最后，给出仿真结果，验证了该方法的可行性和有效性。

基于MAS的制浆造纸企业供需链预测系统

着重研究了供需链预测系统的构造。引入MAS(multi-agentsystem)技术 ,设计了包括供应商、制造企业、分销商和最终客户的预测体系结构 ,定义了几种Agent对象 ,分别用于信息收集、数据预处理、预测、系统集成与评价 ,并开发了软件原型系统与几种信息交换格式 ,为制浆造纸企业供需链管理中的计划制定、提高业务系统的敏捷性和降低成本提供良好的支持。