重庆市自然科学基金(CSTC2010BB2285)
- 作品数：8 被引量：32H指数：4
- 相关作者：李太福易军苏盈盈胡文金肖大志更多>>
- 相关机构：重庆科技学院西安石油大学重庆理工大学更多>>
- 发文基金：重庆市自然科学基金国家自然科学基金中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于UKF神经网络子空间逼近的非线性动态过程演化建模被引量：6
- 2013年
- 复杂化工过程建模对于工艺操作变量优化、指导技术决策具有重要意义,人工神经网络是其广泛采用的建模工具.但化工过程往往是复杂非线性动态系统,而描述其过程的神经网络模型往往是一个静态映射.没有考虑也很难考虑其操作变量与内部状态变量共同对目标性能的影响,从而导致依赖静态模型的技术决策效果不稳定.将静态过程模型看成是复杂非线性动态模型在操作变量子空间上的投影模型,为保证该投影模型实时逼近理想的非线性动态模型的精度,提出用Kalman滤波实时更新神经网络模型的权值,建立基于Kalman滤波神经网络子空间逼近的非线性动态工艺演化建模方法.鉴于扩展Kalman滤波的计算复杂性和精确性,采用无迹卡尔曼滤波刷新神经网络模型的权值.最后,把该方法应用于氢氰酸(HCN)工艺过程的动态演化建模试验,结果表明,该方法高精度地跟踪了非线性动态演化化工过程.因此,基于Kalman滤波神经网络子空间逼近的建模方法适用于非线性动态工艺演化建模.
- 李太福侯杰易军辜小花葛继科
- 关键词：工业过程建模KALMAN滤波神经网络
- 基于遗传优化的PCA-SVM控制图模式识别被引量：5
- 2012年
- 针对SVM和PCA-SVM进行质量控制图模式识别时泛化能力不足和识别精度不高的问题,提出一种基于遗传优化的PCA-SVM控制图模式识别方法。该方法的基本思想是首先基于特征子空间降维方法,运用PCA算法对原始特征样本进行主元分析,有效降低原始特征样本维数并突出聚类,提取各模式之间的主元特征;然后把此特征看成遗传算法中一组染色体,对支持向量机分类器核参数和惩罚因子进行二进制编码,通过对随机产生的一组染色体进行模式识别,并将此识别率作为遗传算法的适应度函数,通过选择、交叉和变异操作,对其参数进行自适应寻优;最后用优化的支持向量机分类器进行控制图模式识别。通过仿真进行验证,结果显示基于遗传优化的PCA-SVM分类器模型的控制图模式泛化能力强、识别精度高,可适用于生产现场质量控制。
- 李太福胡胜魏正元韩亚军
- 关键词：控制图模式识别主元分析支持向量机
- 基于虚假最近邻点GT准则的化工模型变量选择
- 2012年
- 针对传统变量选择方法对复杂非线性化工模型进行变量选择时,由于缺乏输出变量的有效监督,导致所选择输入变量不能有效解释输出变量的问题,提出基于虚假最近邻点Gamma检验(Gamma test,GT)准则的变量选择方法。首先借鉴虚假最近邻点法,实现对所有变量的全面搜索;再采用能够在输出变量监督下进行非线性系统噪声估计的GT准则,计算各输入变量置零前后数据噪声的伽马统计量,得到输出变量对各输入变量的敏感度,以此为依据进行变量选择。使用线性、非线性模型验证了该方法的有效性。最后对氢氰酸复杂非线性化工过程建模进行变量选择,结果表明合理的变量选择有效地提高了模型精度。
- 侯杰李太福苏盈盈易军
- 基于BPNN与ISPEA的工业过程建模与决策参数多目标稳健优化
- 由工业过程建模与优化获得的决策参数常因各种不确定性因素偏离理想位置,导致理想性能难以实现。为降低目标性能对决策参数因不确定性而变化的敏感性,实现即稳健又靠近理想性能的目标,本文提出了一种工业过程决策参数的稳健优化方法。首...
- 李太福廖志强辜小花易军葛继科
- 关键词：BP神经网络
- 文献传递
- 基于GA-NN的复杂工艺生产过程多目标优化研究被引量：2
- 2012年
- 在复杂非线性多目标优化问题求解中,非线性模型结构很难事先给定,需要检验的参数也非常繁多,应用传统的建模方法和优化模型已难以解决更为复杂的现实问题。人工神经网络技术为解决复杂非线性系统建模问题提供了一条新的途径。将神经网络响应面作为目标函数或者约束条件,加上其他常规约束条件进行系统模型的建立,再应用遗传算法进行优化,从而实现设计分析与设计优化的分离。以某化工企业的生产过程优化问题为例,利用BP神经网络建立了工艺参数与性能目标之间的模型,然后利用遗传算法搜索最优工艺参数,获取了用于指导生产的样本点数据。研究结果表明,该方法能够获得高精度的多目标优化模型,从而使优化效率大为提高。
- 程静邱玉辉
- 关键词：神经网络遗传算法多目标优化
- 复杂化工过程神经网络模型的透明化
- 2013年
- 神经网络具有优良的非线性映射逼近能力,广泛应用于化工过程建模,但神经网络建模方法属于黑箱法,所获得的模型缺乏透明性,各变量的解释性差,限制其指导化工企业优化技术决策。结合神经网络释义图、连接权法和改进的随机化测验三种方法,对复杂化工过程神经网络模型进行透明化研究。首先利用神经网络释义图可视化模型,再用连接权法对决策参数贡献率定量分析,最后利用改进的随机化测验,对模型的连接权、决策参数的综合贡献度和相对贡献率进行显著性检验,进而修剪模型。通过对复杂化工过程氢氰酸生产模型验证研究,结果表明该方法获取了过程变量的内部信息,极大地提高了模型的"可理解"能力。因此,本研究为复杂化工过程神经网路模型的透明化提供了一条很好的途径。
- 李太福姚立忠苏盈盈易军胡文金肖大志
- 关键词：神经网络模型化工过程随机化
- 基于核主元分析的神经网络控制图模式识别被引量：1
- 2012年
- 针对异常特征之间存在较大的相似性而带来的网络结构复杂和识别精度不高的问题,提出一种基于核主元分析的神经网络控制图模式识别方法。先通过核方法将低维空间中的非线性特征转化为高维空间中的线性特征,再将其进行线性组合并向低维空间投影,然后用BP神经网络分类器对控制图模式进行识别。通过仿真进行验证,结果显示该方法对控制图各个模式能够有效聚类,并且识别精度得到提高。
- 胡胜李太福魏正元颜克胜
- 关键词：控制图模式识别核主元分析神经网络特征提取
- 神经网络模型的透明化及输入变量约简被引量：14
- 2012年
- 由于神经网络很容易实现从输入空间到输出空间的非线性映射,因此,神经网络应用者往往未考虑输入变量和输出变量之间的相关性,直接用神经网络来实现输入变量与输出变量之间的黑箱建模,致使模型中常存在冗余变量,并造成模型可靠性和鲁棒性差。提出一种透明化神经网络黑箱特性的方法,并用它剔除模型中的冗余变量。该方法首先利用神经网络释义图可视化网络;再利用连接权法计算神经网络输入变量的相对贡献率,判断其对输出变量的重要性;最后利用改进的随机化测验对连接权和输入变量贡献率进行显著性检验,修剪模型,并以综合贡献度和相对贡献率均不显著的输入变量的交集为依据,剔除冗余变量,实现NN模型透明化及变量选择。实验结果表明,该方法增加了模型的透明度,选择出了最佳输入变量,剔除了冗余输入变量,提高了模型的可靠性和鲁棒性。因此,该研究为神经网络模型的透明化及变量约简提供了一种新的方法。
- 姚立忠李太福易军苏盈盈胡文金肖大志
- 关键词：神经网络模型
- 面向抽油机节能的GRNN过程建模及工艺参数优化被引量：5
- 2013年
- 针对抽油机系统效率低,能耗大的问题,提出一种基于数据挖掘的抽油机建模及节能优化方法。抽油机的工艺参数理想与否是决定抽油机效率的一个重要因素,而抽油机模型的有效性又是优化工艺参数的关键。抽油机工作过程是一个复杂非线性系统,很难用准确的数学模型描述,广义回归神经网络(generalized regression neural network,GRNN)非线性映射能力强、容错性高,适于解决非线性系统建模问题。为此,提出利用GRNN确定工艺参数与增产节能指标的映射关系,建立抽油机模型;实验结果表明模型的拟合度较好,建模效果良好。紧接着,运用具有智能特性的Pareto向量评价微粒群算法(vector evaluated particle swarm optimization based on pareto,VEPSO-BP)对模型进行搜索寻优,确定工艺参数的最优值,并用优化后的工艺参数指导实际生产;实验结果表明优化后的抽油机采油系统产量提高6.6%以上,用电量降低4.1%以上,验证了所提方法的可行性和有效性。
- 辜小花廖志强李太福易军
- 关键词：广义回归神经网络抽油机
