-
公开(公告)号:CN107944173B
公开(公告)日:2021-10-15
申请号:CN201711269844.6
申请日:2017-12-05
申请人: 北京工业大学
摘要: 本发明公开一种基于选择性集成最小二乘支撑向量机的二噁英软测量系统,首先,基于先验知识给出数量为K的候选核参数集和数量为R的候选惩罚参数集。接着,采用LSSVM算法构建基于这些候选核参数和候选惩罚参数的数量为K×R的候选子子模型集合。然后,采用基于分支定界(BB)和自适应加权(AWF)的SEN(BBSEN‑AWF)算法对具有相同核参数和不同惩罚参数的候选子子模型进行选择和合并,进而得到数量为K的候选SEN子模型集合。最后,对数量为K的候选SEN子模型集合再次采用BBSEN‑AWF算法,获得基于SEN‑LSSVM的DXN软测量模型。
-
公开(公告)号:CN113156074A
公开(公告)日:2021-07-23
申请号:CN202110196095.9
申请日:2021-02-22
申请人: 北京工业大学
摘要: 本发明提出了一种基于模糊迁徙的出水总氮检测方法,针对污水处理过程数据量不足的情况下,难以获得精确检测模型的问题。本发明采用主成分分析算法提取特征变量并建立基于模糊神经网络的检测模型,通过参考模型获取知识,并设计粒子滤波算法对知识进行校正,利用污水处理过程的知识和数据完成检测模型的参数调整,实现出水总氮的精准检测,解决了传统模糊神经网络在数据不足的情况下泛化能力较差的问题,具有较好的学习效率和预测精度,能够保证电子产品回收的高效稳定运行。
-
公开(公告)号:CN107798676B
公开(公告)日:2021-05-07
申请号:CN201710992803.3
申请日:2017-10-23
申请人: 北京工业大学
IPC分类号: G06T7/00
摘要: 本发明公开了一种基于多尺度分析法建立的新无参考图像质量感知方法。该方法能有效评估基于深度图像绘制技术合成图像的质量。本发明考虑到基于深度图像绘制技术合成图像的参考图像通常不可获得,利用深度图像绘制技术造成几何失真破坏自然图像自相似特性,并且破坏程度随图像尺寸缩小而趋于减小的先验知识建立了无参考图像多尺度分析质量感知方法。根据利用主流数据库来对方法进行性能测试的结果,本发明的性能和现有的评估方法相比有较大优势。值得注意的是,由于目前很少有关于深度图像绘制技术合成图像的无参考评估方法的研究,本发明填补了这方面的空白,为将来无参考图像质量感知算法的提高开辟了一个方向。
-
公开(公告)号:CN112591887A
公开(公告)日:2021-04-02
申请号:CN202011221211.X
申请日:2020-11-03
申请人: 北京工业大学
摘要: 一种基于核主成分分析和贝叶斯网络的污泥膨胀诊断方法属于智能诊断技术领域。针对污水处理过程中污泥膨胀现象难以准确检测以及污泥膨胀原因变量难以准确辨识的问题,本发明设计了一种基于核主成分分析和贝叶斯网络的污泥膨胀诊断方法,设计基于核主成分分析的检测模型,完成污泥膨胀现象的检测,设计基于贝叶斯网络的诊断模型,辨识引发污泥膨胀的根本原因变量。结果表明该智能诊断方法能够的准确检测污泥膨胀现象并且可以辨识引发污泥膨胀的根本原因变量,提高了污水处理的质量和效率,保障了污水处理过程的安全稳定运行。
-
公开(公告)号:CN110135057B
公开(公告)日:2021-03-02
申请号:CN201910397710.5
申请日:2019-05-14
申请人: 北京工业大学
IPC分类号: G06F30/27
摘要: 基于多层特征选择的固废焚烧过程二噁英排放浓度软测量方法属于软测量领域。本文提出基于多层特征选择的MSWI过程DXN排放浓度软测量方法。首先,从单特征与DXN相关性视角,结合相关系数和互信息构建综合评价值指标,实现MSWI多个子系统过程变量的第1层特征选择;接着,从多特征冗余性和特征选择鲁棒性视角,多次运行基于GA‑PLS的特征选择算法,实现第2层特征选择;最后,结合上层选择特征的统计频次、模型预测性能及机理知识进行第3层特征选择,构建得到DXN排放浓度软测量模型。结合某焚烧厂的多年DXN检测数据验证了所提方法的有效性。
-
公开(公告)号:CN112418005A
公开(公告)日:2021-02-26
申请号:CN202011226816.8
申请日:2020-11-06
申请人: 北京工业大学
摘要: 本发明公开了一种基于反向辐射注意力金字塔网络的烟雾多分类识别方法,判断放空火炬工作状态。该网络首先由三个串联的金字塔模块构成,这三个金字塔块由3、4和5个基本卷积模块组成。然后,在每个金字塔模块中引入注意机制进行特征滤波。最后,通过反向辐射连接各金字塔模块的所有前馈输出,系统全面融合低、中、高层特征。基于反向辐射注意力金字塔网络的烟雾多分类识别方法属于大气环境保护领域和机器学习领域。
-
公开(公告)号:CN112346338A
公开(公告)日:2021-02-09
申请号:CN202011080017.4
申请日:2020-10-10
申请人: 北京工业大学
IPC分类号: G05B13/04
摘要: 本发明提出了一种基于模糊神经网络的污水处理过程分层模型预测控制方法,实现了污水处理过程中溶解氧浓度和硝态氮浓度的在线分层控制。针对污水处理过程中时间尺度差异性,溶解氧浓度和硝态氮浓度难以精确控制的特点,该控制方法根据不同的时间尺度,建立了分层模型预测控制结构,按照不同频率控制溶解氧浓度和硝态氮浓度,符合实际污水处理厂的运行特点,能够有效提高控制效果,解决了当前多变量模型预测控制操作性能较差的问题。实验结果表明该方法能够获得较好的操作性能,能够按照不同时间尺度以不同频率实现溶解氧浓度和硝态氮浓度精确在线控制。
-
-
公开(公告)号:CN112183719A
公开(公告)日:2021-01-05
申请号:CN202010964415.6
申请日:2020-09-15
申请人: 北京工业大学
摘要: 一种基于多目标优化‑模糊神经网络的出水总氮智能检测方法属于污水处理领域,针对污水处理过程中出水总氮浓度难以实时检测、预测结果精确度低的问题。该智能检测方法针对网络的多级学习目标函数,采用具有全局优化能力的多目标粒子群优化算法优化网络结构和参数,建立合适的模糊神经网络检测模型,解决了基于单一目标函数的模糊神经网络泛化能力较差的问题;实验结果表明该方法提高了出水总氮的预测精度,保障在污水处理过程中出水总氮实能够实时准确地获得,同时保证了污水处理厂中低成本的需求。
-
公开(公告)号:CN111797363A
公开(公告)日:2020-10-20
申请号:CN202010705687.4
申请日:2020-07-21
申请人: 北京工业大学
摘要: 本发明提供一种基于数据的污水处理系统自学习轨迹跟踪方法,利用DHP结构实现非仿射非线性系统的自学习最优跟踪控制算法,并将该方法应用于暴雨天气下的污水处理过程控制。在本发明中,采用数值方法求解与期望轨迹对应的稳定控制,进而建立基于迭代DHP求解非仿射系统最优控制律的数据驱动自学习方法;将该方法应用于溶解氧和硝态氮的浓度控制,以达到污水处理系统良好的轨迹跟踪效果。
-
-
-
-
-
-
-
-
-