公开(公告)号：CN110975597B

公开(公告)日：2022-03-01

申请号：CN201910976755.8

申请日：2019-10-15

Applicant: 杭州电子科技大学 ,  浙江邦业科技股份有限公司

Inventor： 于征 ,  张日东 ,  袁亦斌 ,  吴胜 ,  王璟琳

IPC: B01D53/86 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  B01D53/56

Abstract: 本发明涉及一种水泥脱硝的神经网络混合优化方法。本发明首先采集水泥脱硝过程中影响出口浓度的多个变量，利用主成分分析对数据做预处理，降低数据维度，其次使用遗传算法和LM算法对神经网络的中心、宽度和权值进行优化得到神经网络预测模型，最后预处理的数据输入到模型中，使模型预测的准确率提高。不同于传统的神经网络预测方法，本发明结合数据处理、神经网络参数优化，提高了预测精度。

公开(公告)号：CN110975597A

公开(公告)日：2020-04-10

申请号：CN201910976755.8

申请日：2019-10-15

Applicant: 杭州电子科技大学 ,  浙江邦业科技股份有限公司

Inventor： 于征 ,  张日东 ,  袁亦斌 ,  吴胜 ,  王璟琳

IPC: B01D53/86 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  B01D53/56

Abstract: 本发明涉及一种水泥脱硝的神经网络混合优化方法。本发明首先采集水泥脱硝过程中影响出口浓度的多个变量，利用主成分分析对数据做预处理，降低数据维度，其次使用遗传算法和LM算法对神经网络的中心、宽度和权值进行优化得到神经网络预测模型，最后预处理的数据输入到模型中，使模型预测的准确率提高。不同于传统的神经网络预测方法，本发明结合数据处理、神经网络参数优化，提高了预测精度。

公开(公告)号：CN108803338A

公开(公告)日：2018-11-13

申请号：CN201810685600.4

申请日：2018-06-28

Applicant: 杭州电子科技大学

Inventor： 侯平智 ,  于征 ,  胡晓敏 ,  王立敏 ,  张日东

IPC: G05B13/04

CPC classification number: G05B13/042

Abstract: 本发明公开了一种化工多阶段批次过程迭代学习控制方法。本发明首先建立多阶段批次过程的切换系统模型，然后基于切换系统模型，进一步设计出多阶段批次过程的迭代学习控制器，获得稳定子系统的最小平均停留时间和不稳定子系统的最大平均停留时间，最后根据不稳定子系统的最大平均停留时间，将切换步骤向前推进，消除异步切换并且避免了子系统的不稳定。不同于传统的控制方法，本发明通过选择分段二次函数来分析多阶段批次过程的子系统稳定性。

公开(公告)号：CN111178627A

公开(公告)日：2020-05-19

申请号：CN201911394404.2

申请日：2019-12-30

Applicant: 杭州电子科技大学

Inventor： 于征 ,  张日东 ,  吴胜

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于SPCA的神经网络混合优化预测方法。本发明首先采集化工过程中影响重要变量的过程变量，利用串行主成分分析方法对数据做预处理，结合主成分分析和核主成分分析方法处理线性和非线性混合数据，降低数据维度，其次使用RBF神经网络作为预测模型，结合LM算法和遗传算法对预测模型的参数进行优化，提高预测模型的性能，最后将预处理后的数据放入优化后的预测模型中，进行预测。不同于传统的方法，本发明有处理线性和非线性混合数据的能力，且结合优化算法，能够提高预测模型精度。

公开(公告)号：CN108681317A

公开(公告)日：2018-10-19

申请号：CN201810760548.4

申请日：2018-07-11

Applicant: 杭州电子科技大学

Inventor： 侯平智 ,  于征 ,  邹洪波 ,  张日东

IPC: G05B19/418

CPC classification number: Y02P90/02 ,  G05B19/41885 ,  G05B2219/32339

Abstract: 本发明公开了一种化工批次过程鲁棒学习控制方法，包括如下步骤：步骤1、建立以预测值形式表示的闭环系统模型；步骤2、设计被控对象的批次处理控制器。该方法首先根据给定的系统模型设计鲁棒学习控制量，然后通过引入状态误差和输出误差，将系统的原始模型转化成以预测值形式表示的闭环系统模型，进一步根据设计的最优化性能指标和李雅普诺夫稳定性理论，给出了线性矩阵不等式表示的闭环系统鲁棒渐进稳定的充分条件和最优控制律表达形式。不同于传统的控制方法，本方法设计了无限时域的性能指标，使系统能够在不超过给定值的情况下克服由最小状态能量和输入增量引起的最大扰动。

公开(公告)号：CN111178627B

公开(公告)日：2022-05-31

申请号：CN201911394404.2

申请日：2019-12-30

Applicant: 杭州电子科技大学

Inventor： 于征 ,  张日东 ,  吴胜

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于SPCA的神经网络混合优化预测方法。本发明首先采集化工过程中影响重要变量的过程变量，利用串行主成分分析方法对数据做预处理，结合主成分分析和核主成分分析方法处理线性和非线性混合数据，降低数据维度，其次使用RBF神经网络作为预测模型，结合LM算法和遗传算法对预测模型的参数进行优化，提高预测模型的性能，最后将预处理后的数据放入优化后的预测模型中，进行预测。不同于传统的方法，本发明有处理线性和非线性混合数据的能力，且结合优化算法，能够提高预测模型精度。