谭建豪[1]2009年在《自然计算理论及其在系统辨识中的应用研究》文中认为自然界经过亿万年物竞天择、优胜劣汰的演化,形成了复杂多样的生命现象,其间蕴含着丰富的信息处理机制。自然计算的宗旨就是研究自然现象尤其是生命体的功能、特点和作用机理,建立相应的计算模型,服务于人类社会。在系统辨识问题中,面对的是大量原始数据,需要从这些原始数据中提炼出相应的数学模型,在此基础上找出其中隐藏的规律。这些问题很难用传统的确定型模型来描述和基于精确的数学方法来求解。而描述成模糊优化问题往往更为合适。模糊优化方法本质上是多目标优化问题,而遗传算法是解决多目标问题的一种有效方法。模糊优化特别是基于动态模型的模糊优化中的遗传算法有其特殊的本质,有必要加以深入研究。本文在阐述自然计算理论与方法的基础上,研究了自然计算中两类典型的智能算法—模糊优化和遗传算法。针对系统辨识问题,采用模糊优化模型作为其目标函数,利用遗传算法实现该模糊优化问题的求解,并且对该算法的有效性、稳定性、快速性和高精度进行了理论论证和实例验证。本文的主要研究内容如下。(1)论述自然计算基本概念、基本特征及主要研究领域,研究由自然启发获得自然计算模型的映射方法并构造自然计算系统的计算算法。对协同进化计算进行自然计算理念求证。(2)论述系统辨识基本概念,分析经典系统辨识方法和现代系统辨识方法。研究自然计算系统整体框架和自然计算系统中的辨识机制,构造辨识系统的两种典型框架：RFG框架和NFG框架。对这两种框架在来源、适用范围、结构辨识、参数辨识、意义等方面的特点进行分析。(3)讨论模糊优化基本性质和传统模糊优化问题。研究回归方程和神经网络的结构辨识和参数辨识问题,构造回归方程和神经网络参数辨识的效用函数(目标函数)及用最大效用法进行参数辨识的模糊优化模型。(4)对模糊优化问题的遗传算法求解进行深入探讨。构造遗传算法中基于正交设计的初始种群的产生办法、遗传参数适应性调整办法、沿加权梯度方向变异及其权值的自适应调整办法,提出遗传算法的改进策略。从理论上论证基于遗传算法的模糊优化求解的有效性。(5)设计在线性能评估准则和离线性能评估准则,确定系统辨识的性能评估办法。对基于RFG框架的系统辨识问题进行描述,说明回归模型辨识算法的基本策略,构造该算法的主要步骤和方法,并用其求解飞边尺寸设计准则辨识问题；对基于NFG框架的系统辨识问题进行描述,说明神经网络模型辨识算法的基本策略,构造该算法的主要步骤和方法,并用其求解飞边金属消耗设计准则辨识问题。对这两种辨识算法分别进行分析比较。实验验证它们的有效性。本文首次提出了基于RFG框架和NFG框架的系统辨识方法,理论论证和实验验证了它们的自组织能力、数据并行性、泛化能力、全局最优性和自适应能力,是对系统辨识新方法有益的探索,具有广阔的应用前景。
诸勇[2]1998年在《正交回归神经网络及其在控制系统中的应用》文中进行了进一步梳理现代社会的不断发展使控制理论面临的对象日益复杂化，传统的控制理论遇到巨大的挑战。神经网络、遗传算法和模糊逻辑等先进思想的出现并与控制理论相结合，无疑推动了控制理论的发展。为了克服现有的神经网络模型在动态非线性对象控制中的不足。本文提出了一种新型的动态正交基函数神经网络模型(DOPBNN)，并将该神经网络模型引入自动控制与建模领域，探讨和研究了基于该神经网络模型的模型辨识和控制问题，并做了大量的仿真工作。 本文的工作主要包括下面几个方面的内容： 1) 首先综述了神经网络及其在自动控制中的最新研究方法与成果以及目前存在的不足，为本文以后的工作构筑了一个较高的起点。 2) 在正交多项式理论基础上，结合了正交多项式基函数神经网络和高阶动态神经网络的长处，提出了一种新的神经网络结构—动态正交基神经网络。并从理论上证明了该网络结构具有良好的近似任何非线性动态特性的能力。这为非线性动态系统的辨识和控制提供了一种新的神经网络类工具。 3) 提出并证明了一些关于Legendre多项式的重要的不等式并在此基础上研究了使网络全局指数稳定的充分条件。 4) 详细研究了DOPBNN在非线性动态系统模型辨识中的应用。基于Lyapunov稳定性理论的网络权值学习规则保证了在无建模误差情况下辨识误差收敛至零，并使网络参数收敛。通过引入奇异摄动理论的有关方法，在存在渐近稳定的未建模动态情况下，证明了当奇异摄动满足一定的条件时，前述训练规则同样能够有效地使辨识误差收敛至零，并使网络参数收敛。通过引入在学习规则中加鲁棒项的方法，使得存在有界建模误差时，确保辨识误差和动态神经网络的参数能一致最终有界(UUB)稳定。 5) 针对一类反馈可线性化非线性系统，以基于Legendre多项式的动态正交基神经网络作为的辨识模型，运用等价原理和Lyapunov稳定性理论， 提出一种有效的稳定自适应间接控制算法以确保整个闭环控制系统误差和参数的UUB稳定性。
熊建秋[3]2006年在《水科学信息分析计算新方法及其应用》文中进行了进一步梳理水科学信息分析计算长期以来都是国内外研究的热点，一直处于积极探索和不断发展之中，特别是近一二十年，随着科学技术的进步，涌现了大量既有理论深度又有应用价值的研究成果，使这个领域的深入研究具有广阔的空间。 本论文依托973国家重点基础研究发展规划项目“长江中下游湖泊富营养化发展趋势预测方法研究”(NO.2002CB412301)和国家自然科学基金项目“基于子波和分形理论的水文尺度分析新途径”(NO.40271024)，在总结吸收相关前人研究成果的基础上，基于大量实际水文水资源资料，运用现代智能科学的有关新理论和新技术，系统地研究和完善了部分水科学信息分析计算的新方法，提出了多种耦合预测模型，广泛适用于水科学和其它相关领域。此外，本文发现并明确指出了传统小波分解耦合预测方法的不足，并针对不足提出了信号倒置小波分解和信号滑动小波分解解决方案，对于科学合理地使用小波分析具有重要的指导意义和较高的实用价值。概括起来，本论文的主要研究内容和成果包括以下几个方面(各部分之间的联系请见第20页图1.1)： (1) 全面系统地引入针对小样本数据且具有优良推广性能的支持向量机方法(SVM)，将SVM初步应用于水电边坡稳定性预测、水流挟沙力预测和年用电量预测等实例，获得了较传统方法更好的效果；如何合理选择SVM的参数，目前仍缺乏有效的方法，这严重限制了SVM的实际应用，为此首先尝试引入了免疫进化算法(IEA)来优化SVM核函数参数，取得了一定的效果；考虑
廖忠[4]2005年在《小波网络及其在水轮机调节系统中的应用研究》文中提出本文对小波网络及其在水轮机调节系统中的应用进行了较深入的研究和探索,提出了基于小波网络的水轮机调节系统的智能辨识和控制的新方法。主要内容如下: 第一章 对水轮机调速器和调节系统控制策略进行了综述,阐述了小波分析理论和小波网络的发展和研究现状及其在控制领域的应用,提出了研究目的和意义。 第二章 提出了一种利用遗传算法和正交试验方法优化小波网络结构的新方法,证明了新方法的有效性。证明了在同等条件下,小波网络比神经网络优越。 第三章 从理论上证明了稳定且具有唯一解的SISO非线性离散动态系统的小波网络可辨识性。提出了梯度+比例微分算法并给出了变遗忘因子递推预报误差算法及其基于单个权值的局部化算法,对所提算法的收敛性进行了证明,并对水轮发电机组在线辨识进行了实例仿真研究。依据小波的时频域局部特性,给出了一种确定小波网络参数初始值的方法。 第四章 利用SIMULINK建立了水轮机调节系统全真非线性动态仿真模型,该模型能较真实的反映水轮机调节系统的非线性内在特性,为探讨和研究对水轮机调节系统实现高级智能控制提供了一个研究平台。 第五章 给出了非线性系统小波网络逆模型的存在性充分条件。定义了一种广义优化目标函数,提出了基于小波网络的水轮机调节系统自适应逆控制方法和将PID控制和自适应逆控制相结合的复合控制策略,仿真实验证明了所提控制策略的有效性。 第六章 总结了论文的研究成果,并展望和提出了有待进一步研究的问题。
任伟建[5]2006年在《智能算法及其在油田故障诊断问题中的应用》文中指出本文以油气集输过程中的故障诊断问题为背景，对基于免疫算法、蚁群算法、小波分析、神经网络、混沌理论的若干智能算法进行了研究，并将这些智能算法应用到油田长输原油管道泄漏定位和抽油机井故障诊断中，为油田故障诊断问题提供了一种新思路、新方法。具体如下：利用生物免疫原理中的浓度调节机制和个体多样性保持策略以及免疫记忆功能，设计基于小生境隔离机制的自适应免疫遗传算法，采用基于浓度和适应度的自适应式选择策略，有效地克服基本遗传算法的未成熟收敛现象，既能提高抗体的相似性又能兼顾到抗体的多样性，为避免算法陷入局部最优解、缩短搜索时间提供了保证。将所提出的方法用于长输原油管道泄漏定位，提高了诊断精度。根据蚁群觅食规律和免疫遗传思想，设计了基于免疫机制的蚁群遗传算法，在保留蚁群算法所具有的全局优化特性和有限时间内能得到合理答案等优良特性的前提下，通过免疫机制的引入保证个体的多样性，避免出现搜索时间长、容易停滞等现象。在综合分析了各种小波神经网络的结构与算法并对油田抽油机井的数据进行小波包分解以提取其特征向量的基础之上，构造了自适应对角回归小波神经网络。该网络包括初始的学习网络和在训练过程中根据精度的要求而自适应并入的子网络。通过对各维输入信号的综合时域分析，选择合适的尺度参数和位移参数来构造单尺度下的小波紧框架，以构成各级子网络，进而解决了多维小波网络中存在的“维数灾”问题。针对对角回归结构，推导出带遗忘因子的动态递推最小二乘法对网络的参数进行训练。应用该网络对油田抽油机井的故障进行诊断，结果表明，本文基于小波神经网络的故障诊断方法比传统的BP神经网络诊断方法更高效、更准确。在分析免疫机制的混沌特性的基础上，设计了混沌免疫神经网络。利用人工免疫算法具有解决候选个体的多样性、学习记忆和高效率并行搜索等特点，优化神经网络的结构和权值，提高收敛速度，消除未成熟收敛现象，实现全局优化；利用混沌系统的遍历性和对初值敏感性，减少数据冗余，扩大搜索范围，从而保持种群的多样性，避免局部最优。对抽油机的故障诊断结果显示出该网络具有极强的全局优化能力。结合遗传算法和模拟退火算法的优势，对基于生物免疫机理的反面选择算法进行改进，设计了基于遗传机制的R可变反面选择算法。用遗传算法初始化检测器的初值，保持检测器的多样性，扩大检测范围；引入可变半径检测器，实现对非我空间的有效覆盖；用模拟退火算法优化检测器，减少检测器的冗余，提高检测效率。将该方法用于抽油机故障诊断，取得较好效果，尤其是能够对未知故障进行诊断的能力，显示出其巨大的发展潜力。
李天军[6]2007年在《RBF神经网络及其在锅炉过热汽温控制中的应用》文中指出神经网络具有较强的逼近非线性函数的能力,具有自适应学习、并行分布处理和较强的鲁棒性及容错性等特点,为解决未知不确定非线性系统的建模和控制问题提供了一种有效途径。由于常用的多层前馈网络具有计算量大、收敛速度慢、容易陷入局部极小点等缺点,其应用受到限制。径向基函数RBF(Radial Basis Function)神经网络具有可以逼近任意非线性映射的能力,且网络结构简单,输出的连接权值与输出呈线性关系,可以采用线性优化算法,近年来,己成为人们的研究热点。本文在现有RBF神经网络的学习算法的基础上,改进了RBF神经网络的构造方法,对RBF神经网络在过程建模和控制中的应用进行了研究,并针对电厂过热汽温系统进行了仿真研究。在RBF神经网络中,隐层RBF中心的数量和位置直接影响网络的逼近能力,且要求RBF中心应能覆盖整个输入空间,但如果RBF中心的数量过多,将使网络的计算量显著增加,并会导致网络泛化能力的降低,因此,建立RBF网络模型的关键在于正确地选择合适的RBF中心和位置。本文基于人工免疫系统中的克隆选择算法和免疫网络理论,利用人工免疫系统的记忆、学习和自组织调节原理,进行RBF神经网络隐层中心数量和位置的选择,并采用递推最小二乘算法确定网络输出层的权值。形成了一种基于免疫原理的RBF神经网络混合学习算法。关于动态RBF神经网络的研究得到了人们的重视,基于M-RAN算法的RBF神经网络是一种动态神经网络,适合于过程的在线建模,将基于这种算法的RBF神经网络用于电厂过热汽温系统非性线模型的在线辨识。将动态RBF神经网络应用于过热汽温系统控制,采用RBF神经网络直接构成控制器,将在线学习和控制相结合。
郑超[7]2007年在《汽车后桥横梁冲压回弹控制与工艺参数优化研究》文中研究说明回弹是汽车覆盖件冲压成形中存在的一种主要质量缺陷。由于零件的最终形状取决于成形后的回弹量，故回弹现象的存在对零件的形状、尺寸精度有着重要影响，也给焊装、总装等后续工序顺利进行带来困难。因此，为了提高零件成形精度，保证整车装配效率，需对板料回弹问题进行准确预测和有效控制。本文以某型汽车后桥横梁为研究对象，借助有限元模拟手段，基于工艺控制法对汽车覆盖件回弹问题开展研究，重点探讨智能优化技术在回弹控制问题上的应用。首先以多段连续布置的等效拉延筋为优化对象，结合均匀试验设计、响应面法和多目标遗传算法，对横梁拉延成形工艺多目标优化进行研究，得到了拉延筋阻力的合理分配；在此基础上，利用多种神经网络技术和响应面法建立了横梁冲压成形关键工艺参数与零件平均回弹量之间的关系模型，并对各种建模方法进行对比，获得了较理想的横梁回弹预测模型；以对横梁回弹有重要影响的6个工艺参数为待优化对象，以有效减小零件回弹量为目标，运用遗传算法、免疫算法、群智能算法、模拟退火算法等求解工艺参数最优组合，经过对各算法寻优性能和优化结果进行分析、比较，得到了一套可行的工艺参数组合方案，实现了横梁回弹的有效抑制。本文通过运用多种智能优化技术研究回弹控制方法，解决了目前存在的工艺参数优化技术单一的问题，对实际生产中的模具设计和工艺准备具有一定参考价值。
叶彬[8]2006年在《混合智能建模技术及其在短期负荷预测中的应用研究》文中进行了进一步梳理对于现实中存在的许多复杂系统，由于其具有非线性、过程不确定性、时变性、时滞性与多变量耦合等特性，使得人们对其演化过程难以辨识和预测。基于软计算方法的智能建模技术为解决这类问题提供了一个有效的途径。论文首先介绍了智能建模技术的概念、研究发展及其应用情况，主要概述基于模糊推理系统的混合智能建模技术，并介绍了其在电力系统中的应用情况。本文的主要研究成果可分为两大部分：第一部分主要是提出几种进化模糊系统并将其应用于混沌时间序列预测和非线性动态系统辨识与控制中。这部分内容包括第二章至第四章，主要内容如下：第二章提出了一种基于进化规划和最小二乘法的自动模糊建模算法EPLSE，利用扩展T-S模型中的后件参数，对训练误差实现了二次修正，显著地提高了建模精度并精简了模糊规则基。这种建模方法在混沌非线性时间序列预测的仿真中显示出一定的优越性，也为第六章提出的三阶段短期电力负荷预测方法提供了理论基础。第三章通过分析进化规划和粒子群优两种不同类型进化算法的各自优缺点，提出了一种新型混合进化算法EPPSO，并将EPPSO应用于设计模糊辨识器与模糊控制器，在非线性动态系统的辨识与控制中得到了有效的应用。第四章提出了本文的核心模型—自适应拓展模糊基函数网络。该模型吸取了ANFIS建模的思想，但其在初始时首先实现模糊输入空间的划分，然后提出对初始模型进行微调的思想，为提高模型的性能提高提供了一种新的途径。作为一种新型优越的进化模糊系统，其在本章的混沌时间序列预测以及后续章节的负荷预测中均得到了验证。第二部分则主要针对电力系统短期负荷预测(Short-Term Load Forecasting，STLF)研究，在完成异常数据辨识与修正的基础上，对浙江省全年各个阶段的负荷进行了提前24小时预测。第五章至第七章的内容主要如下：第五章为进行电力系统负荷预测的数据清理环节，主要解决电力负荷异常数据的辨识与修正问题。本章基于统计的方法获得负荷历史数据中的异常部分，然后基于人工免疫网络和图论聚类算法所获得负荷特征曲线对异常数据进行修正。第六章主要研究气象敏感日的STLF问题，提出一种基于模糊推理系统的三阶段混合智能建模技术。首先，基于最小二乘法实现对模糊输入空间的划分；然后，在第二阶段，拓展单输出模糊模型为一阶T-S模糊模型，并应用混合进化算法EPPSO调节其前件参数，同时学习后件参数；第三阶段在前面获得的模糊模型的基础上，将模型输出误差看作一个新的时间序列，基于气象变量，应用最小二乘法选取最为重要的几个变量加入模糊模型后件，同时加以辨识。对浙江省电力公司2001年全年除节假日外所有负荷日进行了提前24小时负荷预测，其中对于气象不敏感的春秋季应用前两阶段所获得的模糊模型进行预测，全年预测结果显示该模型非常有效。第七章对节假日负荷提出一种新型预测方案，将预测问题分解成峰谷负荷预测和比例负荷曲线预测问题。对于峰谷负荷，应用一种模糊线性回归方法来预测；而对于比例负荷曲线预测，则可直接采用第四章提出的自适应拓展模糊基函数网络来进行预测。将两种算法所获得的预测结果相结合，即可获得最终的节假日负荷预测结果。
尹建川[9]2007年在《径向基函数神经网络及其在船舶运动控制中的应用研究》文中进行了进一步梳理随着航运事业的发展,船舶朝着大型化、高速化、智能化方向发展,对船舶的操纵性能提出了更高的要求,因而有必要采用新的控制理论和技术,研究性能更好的船舶操纵控制策略。将神经网络技术应用于船舶运动控制成为近年来研究的一个重要方向。径向基函数(RBF)神经网络由于其结构简单、收敛速度快、无局部极小等特点使其在控制中的应用有着独特的优势。本文对RBF神经网络的学习算法进行研究并提出了两种新的学习算法,对RBF神经网络在船舶操纵运动预测控制中的应用进行了探讨。根据控制系统对于神经网络在线应用的要求,本文提出了一种新的RBF神经网络的序贯学习算法——动态正交结构适应(DOSA)算法,通过对定常系统和时变系统的辨识算例验证了其动态适应的性能和良好的鲁棒性。该算法同时具有调节参数少,各参数意义明确,参数可自适应调节以及对参数变化鲁棒性好等特点。神经网络的泛化性能是神经网络的一项重要的性能。本文对基于偏最小二乘法的RBF神经网络算法进行改进,提出利用分级偏最小二乘算法来构造RBF神经网络。该算法在确定PLS算法的主成分提取次数的同时确定隐节点数目,得到的RBF神经网络具有较简洁的结构,同时克服了训练样本多重相关性的影响,具有良好的泛化性能。本文从工程实现控制的角度出发,针对船舶运动非线性和时滞的特点,提出了一种基于RBF神经网络的预测控制方案。该方案利用DOSA算法建立的RBF神经网络进行在线系统辨识和多步预测,并用分级偏最小二乘法得到的RBF神经网络进行性能函数最小化计算。本文最后将该控制方案应用于船舶航向跟踪预测控制,并取得了良好的仿真效果。
朱新术[10]2008年在《发酵黄芪的乳酸菌选育与发酵参数优化研究》文中研究说明微生态制剂—益生菌、益生元,以及益生菌和益生元组合物“合生元”—在畜牧业生产中将会有越来越重要的应用,其中益生菌和益生元的重要来源分别是乳酸菌和植物多糖。但传统合生元常常是乳酸菌和植物多糖的简单组合,并没有充分发挥微生物发酵的巨大潜力,研究表明微生物发酵中药具有提高中药活性成分含量、提高药效和降低毒副作用等突出优点。所以研究乳酸菌发酵中药对于开发新型合生元饲料添加剂具有重要意义。本文通过对鸡肠道混合菌驯化,获得一株发酵黄芪性能优良的乳杆菌,并对该菌的发酵参数进行了优化,旨在为开发新型合生元饲料添加剂做铺垫。主要结论如下:1、进行了优良菌株的选育,获得一株能使发酵液中粗多糖含量大幅度提高的优良乳杆菌,并初步鉴定该菌属于乳杆菌属:首先通过添加黄芪提取物的培养基反复驯化鸡肠道混合菌,再通过选择培养基筛选到8株菌,然后通过研究这些菌株对发酵液粗多糖得率的影响和黄芪提取物对这些菌株的增殖作用,筛选到一株发酵黄芪的优良菌株FGM1,该菌株能使发酵液粗多糖得率比黄芪提取物中提高131%,即从5.64%提高到13.03%,并且黄芪对该菌株增殖作用明显,菌体浓度比空白对照提高110%(其中多糖含量和菌体浓度分别用蒽酮-硫酸法和比浊法测定),最后用形态学和微量生化鉴定对优良菌株FGM1初步鉴定属于乳杆菌属。2、对优良菌株FGM1进行了发酵参数(发酵培养基和发酵条件)优化研究,结果表明均匀设计和人工智能方法是快速高效的发酵参数优化方法:先以发酵液中粗多糖得率为优化目标,用均匀设计法对发酵培养基各组分配比进行初步实验设计,用人工神经网络法建立了黄芪发酵液中粗多糖得率与培养基配方之间的预测模型,用具有全局优化功能的遗传算法求出最佳发酵培养基:玉米粉42.10 g/L、氮源7.45 g/L、胡萝卜粉9.80 g/L、KH2PO4-K2HPO4 2.18g/L、肉膏6.25 g/L,以此条件进行验证实验,发酵液中粗多糖的得率可达25.6%,比优化前提高了6.85%,且与粗多糖得率优化预测值24.81%的相对误差小于4%,完全达到发酵领域的要求。在获得最近培养基配方的基础上,再次以发酵液中粗多糖得率为目标,用均匀设计法和MATLAB优化工具箱对发酵培养基初始pH、发酵时间、发酵温度和接种量等发酵条件进行优化,得到最佳发酵条件为:发酵培养基初始pH 6.7、发酵时间68h、发酵温度38℃、接种量5%,以此最佳发酵条件进行验证实验,发酵液中粗多糖的得率可达27.94%,比优化前提高了9.14%,且与粗多糖得率优化预测值29.43%的相对误差小于6%,基本达到发酵领域的要求。
参考文献：
[1]. 自然计算理论及其在系统辨识中的应用研究[D]. 谭建豪. 湖南大学. 2009
[2]. 正交回归神经网络及其在控制系统中的应用[D]. 诸勇. 浙江大学. 1998
[3]. 水科学信息分析计算新方法及其应用[D]. 熊建秋. 四川大学. 2006
[4]. 小波网络及其在水轮机调节系统中的应用研究[D]. 廖忠. 河海大学. 2005
[5]. 智能算法及其在油田故障诊断问题中的应用[D]. 任伟建. 大庆石油学院. 2006
[6]. RBF神经网络及其在锅炉过热汽温控制中的应用[D]. 李天军. 哈尔滨工业大学. 2007
[7]. 汽车后桥横梁冲压回弹控制与工艺参数优化研究[D]. 郑超. 合肥工业大学. 2007
[8]. 混合智能建模技术及其在短期负荷预测中的应用研究[D]. 叶彬. 浙江大学. 2006
[9]. 径向基函数神经网络及其在船舶运动控制中的应用研究[D]. 尹建川. 大连海事大学. 2007
[10]. 发酵黄芪的乳酸菌选育与发酵参数优化研究[D]. 朱新术. 中国农业科学院. 2008
标签：计算机软件及计算机应用论文; 遗传算法论文; 神经网络模型论文; 模型预测控制论文; 系统辨识论文; 免疫算法论文; 自适应算法论文; 网络模型论文; 模糊算法论文; rbf神经网络论文; 预测模型论文; 回归模型论文; 模糊理论论文; 线性系统论文; 系统学习论文; 动态模型论文; 非线性论文; 优化论文; bp神经网络算法论文;