中国博士后科学基金(2013M532118)
- 作品数：5 被引量：61H指数：4
- 相关作者：赵立杰汤健柴天佑刘卓丛秋梅更多>>
- 相关机构：沈阳化工大学中国人民解放军92941部队东北大学更多>>
- 发文基金：中国博士后科学基金国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 椭球定界算法在混合建模中的应用研究被引量：9
- 2014年
- 并行结构混合建模主要由机理模型与误差补偿模型组成.一般地,误差补偿模型不宜过于复杂,且模型应具有校正功能,以免精度随时间不断下降.针对这个问题,本文选择单层神经网络作为误差补偿模型,并将椭球定界算法应用于单层神经网络的参数更新,不仅能够保证建模误差稳定有界,同时能够提高网络的收敛速度.将提出的方法应用于氧化铝生产过程,改进了原有的苛性碱和氧化铝组分浓度软测量方法.实验研究结果表明,椭球定界算法的应用提高了模型的精度和网络的收敛速度.除此之外,在存在噪声干扰下,改进的方法比原有方法更稳定,进一步证明了方法的有效性和优越性.
- 王魏邓长辉赵立杰
- 关键词：软测量神经网络
- 选择性集成核极限学习机建模及其应用研究被引量：2
- 2014年
- 针对选择性集成逆向传播神经网络(GASEN-BPNN)模型训练学习速度慢,选择性集成极限学习机(GASEN-ELM)模型建模精度稳定性差等问题,提出一种基于遗传算法的选择性集成核极限学习机(GASEN-KELM)建模方法。该方法首先通过对训练样本进行随机采样获取子模型训练样本;然后采用泛化性、稳定性较佳的核极限学习机(KELM)算法建立候选子模型,通过标准遗传算法工具箱,依据设定阈值按进化策略优化选择最佳子模型;最后通过简单平均加权集成的方式获得最终GASEN-KELM模型。采用标准混凝土抗压强度数据验证了所提出方法的有效性,并与GASEN-BPNN和GASEN-ELM选择性集成算法进行比较,表明所提出方法可以在模型学习速度和建模预测稳定性方面获得较好的均衡。
- 夏全国汤健吴永建赵立杰
- 基于更新样本智能识别算法的自适应集成建模
- 选择表征建模对象特性漂移的新样本对软测量模型进行自适应更新能够降低模型复杂度和运行消耗、提高模型可解释性和预测精度。针对新样本近似线性依靠程度(ALD)和预测误差(PE)等指标只能片面反映建模对象的漂移程度,领域专家结合...
- 汤健柴天佑刘卓余文
- 关键词：模糊推理
- 文献传递
- 基于模糊推理的磨机负荷参数选择性集成软测量模型
- 磨机负荷是选矿过程中最为重要的难以检测的过程参数之一,其准确检测直接影响到磨矿过程的产品质量和生产效率。优秀领域专家可以凭借自身经验"听音识别"所熟悉的特定磨机的负荷及其内部参数状态,但专家经验的差异和其有限的精力难以保...
- 刘卓柴天佑余文汤健
- 关键词：经验模态分解模糊推理磨机负荷
- 文献传递
- 一种多尺度球磨机筒体振动频谱分析与建模方法被引量：6
- 2015年
- 针对基于传统快速傅里叶变换获得的单尺度筒体振动频谱难以有效揭示磨机研磨机理和筒体振动信号组成,以及现有文献中经验模态分解(EMD)技术预测精度低的问题,提出了基于偏最小二乘算法的多尺度筒体振动频谱分析与建模方法.该方法首先采用经验模态分解技术将筒体振动信号分解为具有不同时间尺度的内禀模态函数(IMF),接着通过傅里叶变换获得多尺度频谱,最后采用基于偏最小二乘算法的潜变量贡献率分析和选择不同尺度频谱,并建立融合不同尺度频谱的磨机负荷参数软测量模型.采用实验球磨机的实验数据仿真验证了所提方法的有效性.
- 刘卓柴天佑汤健
- 关键词：磨机负荷
- 基于进化算法优化的混合核极限学习机建模被引量：6
- 2013年
- 基于核方法的软测量模型的核类型、核参数及学习参数影响模型泛化性能,而且核类型和核参数还与建模数据相关,难以有效选择;常用的基于支持向量机(SVM)的建模算法虽然泛化性好,除了模型的学习参数难以选择外,其学习速度较慢。为解决这些问题,提出了基于进化算法优化的混合核极限学习机建模方法。该方法选用具有较快学习速度和较好泛化性能的核极限学习机(KELM)算法建立软测量模型,其核函数则采用具有局部和全局特性的径向基(RBF)核函数和多项式核函数加权得到的混合核函数。软测量模型的相关参数,即混合核的权系数、核参数及和KLELM模型的惩罚参数通过进化算法同时优化选择。最后采用基于近红外谱(NIR)数据建立的软测量模型验证了所提方法的有效性。
- 张德全魏忠军汤健赵立杰
- 关键词：软测量混合核函数进化算法
- 基于EMD和选择性集成学习算法的磨机负荷参数软测量被引量：40
- 2014年
- 针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负荷参数映射关系难以描述等问题,提出了基于经验模态分解(Empirical mode decomposition,EMD)技术和选择性集成学习算法分析筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒体振动及振声信号组成的复杂性;然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组成成分,即本征模态函数(Intrinsic mode function,IMF);接着在频域内基于互信息(Mutual information,MI)方法分析并选择IMF频谱特征;最后采用基于核偏最小二乘(Kernel partial least square,KPLS)建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性.
- 汤健柴天佑丛秋梅苑明哲赵立杰刘卓余文
- 关键词：经验模态分解
- 基于变粒度仿反馈机制的人体健康状态智能认知方法研究
- 为模拟人类认知事物时反复推敲比对的过程,探索了一种基于变粒度仿反馈机制的智能模式分类认知方法和计算模型。首先,从模式分类的角度给出了认知结果误差α熵、α熵序列相似度和认知信息粒度误差的认知结果评价指标定义与计算方法,设计...
- 陈克琼王建平李帷韬赵丽欣
- 关键词：生物电阻抗
- 文献传递
- 基于AGA和BB优化的多源多尺度频谱数据驱动集成建模
- 准确测量与重型旋转机械相关的难以检测过程参数是实现工业过程优化运行和优化控制的关键之一。本文面向机械振动和振声信号,提出了基于自适应遗传算法（AGA）和分支定界（BB）算法优化的多源多尺度频谱数据驱动集成建模方法。首先采...
- 汤健贾美英刘岗吴志伟刘卓孙春来
- 关键词：数据驱动
- 文献传递
- 基于选择性融合多尺度筒体振动频谱的磨机负荷参数建模
- 高耗能机械设备球磨机内与磨矿质量和效率指标密切相关的负荷参数难以机理建模和直接检测。采用具有灵敏高、抗干扰性强等优点和非线性、非稳态及多尺度等特性的筒体振动信号进行磨机负荷间接测量是新兴研究热点。针对目前基于经验模态分解...
- 汤健柴天佑刘卓余文赵立杰
- 关键词：磨机负荷
- 文献传递
