一种新的基于参数辨识的自校正PID控制算法

本文在辩识过程模型参数的基础上,利用计算机求出对象的开环响应曲线,然后根据响应曲线法整定PI或PID参数的经验公式求出PI或PID参数。为了获得更好的控制效果,对所获得的PID参数进行了逐步地优化。该算法与其它自校正PID控制算法相比,具有适用范围更广的特点。计算机仿真和实时控制实验证实了该算法的有效性。

基于支持向量机的缺陷识别方法

针对传统缺陷检测存在的检测手段落后、工序繁琐、准确率低、不易在线实施、受人为因素影响 ,以及用人工神经网络对小样本事件进行缺陷识别存在的过学习、推广性差等问题 ,从数据挖掘的角度 ,提出了直接从形成缺陷的影响因素着手 ,先消除工艺参数的冗余和噪声 ,再运用支持向量机分类算法 ,进行自动缺陷识别的新方法。通过具体的试验表明 :该方法具有成本低廉、准确率高、推广性强。

RBF神经网络在转炉提钒预报中的应用

该文用RBF神经网络建立了转炉提钒冷却剂预报模型。RBF网络的中心的选取采用了可以在线学习的最近邻聚类算法。为了进一步优化网络中心 ,提出了基于密度排名的最近邻聚类算法。该算法聚类前先将样本按其在样本空间的密度进行了排序 ,聚类过程始于样本空间最密集处。实践证明 ,该算法应用于提钒冷却剂预报模型的建立是合理的 ,可行的。

基于GRBF神经网络的脱硫预报模型

脱硫过程是一个复杂的非线性系统,文章建立了一个基于RBF神经网络的脱硫预报模型,并提出使用GRBF算法,从而较好地解决了传统RBF神经网络中心难于确定,存在过拟合的缺点。实践证明,该算法应用在脱硫预报模型的建立中是合理的、可行的。