【摘 要】
：
球磨机负荷的实时可靠测量是改善磨矿产品质量、节能降耗的关键和前提。针对传统磨机负 荷检测方法存在的测量精度低、性能不稳定等缺陷，建立一种基于简体振动频谱特征提取的选择性ELM集 成方法。该方法针对球磨机振动频谱高维、共线性特征，采用核主元分析(KPCA)提取非线性振动谱特征， 克服输入维数过高产生的维数灾难问题。该方法在频谱特征空间内选用学习速度快、泛化性好的ELM作为 集成模型的个体，可以有效克
【机 构】
：
东北大学流程工业自动化教育部重点实验室 沈阳 110004;沈阳化工大学化工过程控制技术省重点实验室 沈阳 110042
论文部分内容阅读
球磨机负荷的实时可靠测量是改善磨矿产品质量、节能降耗的关键和前提。针对传统磨机负 荷检测方法存在的测量精度低、性能不稳定等缺陷，建立一种基于简体振动频谱特征提取的选择性ELM集 成方法。该方法针对球磨机振动频谱高维、共线性特征，采用核主元分析(KPCA)提取非线性振动谱特征， 克服输入维数过高产生的维数灾难问题。该方法在频谱特征空间内选用学习速度快、泛化性好的ELM作为 集成模型的个体，可以有效克服单-ELM模型存在的仿真结果不稳定问题，基于GA遗传算法的子模型后续 选择排除部分劣势个体，生成维数小、泛化能力强的集成模型，进一步降低计算复杂性、改进集成模型的 泛化性能。实验结果表明所提方法对于磨机内部矿浆浓度、料球比、充填率等关键参数的实时预测具有更 高的精度和稳定性。
其他文献
本文将在参考相关文献资料的基础上，通过对窄量程热电阻温度探头表老化数据采集并分 析，识别出加速老化因素，在此基础上进行了老化机理分析。通过建立寿命评估模型，计算出了 加速老化因子；并根据电站的实际情况提出了具体的管理对策建议，对后续我国开展安全壳内核 级仪表的老化评估和管理提供重要借鉴和参考。
针对常规解析法建立无轴承永磁同步电机磁链模型的局限性，提出了一种贝叶斯证据 框架下最小二乘支持向量机的无轴承永磁同步电机磁链建模方法。通过贝叶斯证据框架推断准 则1确定模型的权向量w，通过贝叶斯证据框架推断准则2确定模型的正则化参数σ，通过贝 叶斯证据框架推断准则3确定模型的核参数(6)，进而建立了基于贝叶斯证据框架下最小二乘支 持向量机的无轴承永磁同步电机磁链模型。仿真结果表明，贝叶斯证据框架下
针对交通流量混沌时间序列多步预测的问题，提出了一种基于混沌机理的小波神经网络(WNN)快速学习算法。通过将混沌 理论和小波分析结合，建立了交通流量时间序列WNN模型；阐述了混沌学习算法的机理，设计了交通流量WNN混沌时间序列自适应 学习算法。仿真试验结果表明，该算法的多步预测性能明显优于应用BP网络和非混沌算法的小波神经网络。
针对网络参数的不确定性和链路带宽的时变性，设计了一种主动队列管理(AQM)算法， 该算法将可获得的链路带宽作为标称值，而不可获得的未知的时变链路带宽作为干扰信号，以状 态空间的形式描述TCP/AQM模型，用时间域H∞控制方法解决网络拥塞问题．NS2仿真结果表 明，该算法在往返时间时变和具有扰动业务流情况下，能够快速收敛于期望队列长度，且性能优于 已有的控制算法。
研究一类含有变时滞的随机中立型神经网络的全局渐进稳定性问题，通过构造一个新的 Lyapunov-Krasovskii泛函和不等式技术，得到了基于线性矩阵不等式表示的与时滞大小有关的时 滞稳定的充分判据，该判据考虑了一类含有分布式时滞和随机扰动项并且激活函数是常量（正数、 负数、和零）的中立型神经网络，与现有文献相比，其更具有一般性和较少保守性，最后，通过2个 算例分析，验证了所得结果是有效的。
针对执行机构性能下降或出现故障，提出了对执行机构故障具有完整性且满足H∞扰动 衰减指标的状态反馈鲁棒控制设计方法，该方法采用线性矩阵不等式(LMD方法，分析了圆盘极点 指标与H∞指标的相容性，并在相容指标约束下给出了鲁棒H∞控制器存在的充分条件和设计步 骤，将鲁棒控制方法应用于卫星姿态控制系统，并进行了数值仿真，结果表明，该方法对卫星姿态控 制系统执行机构性能下降或者故障状态下具有较好的鲁棒性，能
为了改善交流异步电机无速度传感器控制系统低速运行时转速脉动的问题，采用直接磁 场定向控制算法，该算法利用电流模型磁链观测器与反电势积分模型相结合的方法对电机转子磁 链的幅值和相位进行检测，并通过电流模型对转子转速进行辨识构成速度反馈回路，仿真结果表 明，所采用的异步电机直接磁场定向控制可以提高电机的动态响应速度，使电机有较好的参数不敏 感性，能够在低速运行时取得较好的动静态性能，电流模型与反电势积
风能作为一种清洁的、储量极为丰富的可再生能源，是新能源领域中最重要的能源之 一。对风电厂风速进行比较准确的预测有利于电力系统调度部门提前调整调度计划，有效降低 风电对电网安全的影响。本文将遗传算法和BP神经网络相结合，用于建立短期风速预测模型。 首先采用自相关性分析找出对预测值影响最大的几个历史时刻风速，以历史时刻的风速、温度、 湿度和气压作为BP神经网络预测模型的输入变量；然后利用遗传算法的全局
双层结构预测控制已经成为预测控制工业应用的主要模式，上层稳态优化模块结合过 程经济目标或跟踪优化计算最优设定点，动态控制模块负责实时动态地对设定点进行跟踪。由 于积分过程是开环不稳定的，因而其稳态模型不存在无法进行稳态优化。本文在分析开环稳定 过程稳态优化方法技术特点的基础上，提出了适用于积分过程稳态优化的“点”模型以及稳定 性条件，由此建立了积分过程的稳态优化数学模型。在稳态优化的问题求解过程中
支持向量回归等数据驱动建模方法已被用于高炉过程中铁水硅含量的预报。由于建模 数据包含测量噪声和离群点，需要对其进行有效的预处理以提高模型质量。提出一种结合两层 变量空间分析的预处理方法。首先用多变量修剪法在原始变量空间预处理；并提出支持向量聚 类(Support Vector Clustering，SVC)的预处理方法，将建模数据映射到高维特征空间，然后构 造一超球体来排除离群点。SVC无需像传统