针对以往递归神经网络(RNN)训练算法难,连续搅拌反应釜(CSTR)的强非线性等问题,将回声状态网络(echo state network,ESN)方法应用于模型不确定的CSTR系统辨识中.ESN具有较强的非线性逼近能力和良好的短期记忆能力,且只需要训练网络输出...针对以往递归神经网络(RNN)训练算法难,连续搅拌反应釜(CSTR)的强非线性等问题,将回声状态网络(echo state network,ESN)方法应用于模型不确定的CSTR系统辨识中.ESN具有较强的非线性逼近能力和良好的短期记忆能力,且只需要训练网络输出权值,简化了网络训练算法.仿真结果表明,在相同条件下,与带动量的BP(back propagation)神经网络、BP-MLP(back propagation multilayer perceptron)神经网络、最小二乘支持向量机(LS-SVM)、模糊神经网络(FNN)、GAP-RBF神经网络、MGAP-RBF神经网络相比,ESN能给出相当好的性能,表现出较高的辨识精度,ESN比带动量的BP、BP-MLP、LS-SVM神经网络的逼近精度提高了4个数量级,表明了该方法的有效性.展开更多
CMAC(Cerebellar Model Articulation Controller或Cerebellar Model Arithmetic Computer)神经元网络是由Albus提出的一种表达复杂非线性函数的表格查询的自适应系统。本文将CMAC应用到具体的连续搅拌反应釜(CSTR)系统的学习控制研究中...CMAC(Cerebellar Model Articulation Controller或Cerebellar Model Arithmetic Computer)神经元网络是由Albus提出的一种表达复杂非线性函数的表格查询的自适应系统。本文将CMAC应用到具体的连续搅拌反应釜(CSTR)系统的学习控制研究中,仿真结果表明,该学习控制策略具有较强的自学习能力且容易实现,对于改善非线性控制的性能,不失为一种有益的尝试。展开更多
为提高传统微生物燃料电池(MFC)在低温条件下的效率,实现实验装置放大化.本实验将连续搅拌反应系统(CSTR)与双极室微生物燃料电池系统相结合,连续流处理糖蜜废水,并间接回收金属单质,处理模拟电镀废水,考察系统的产电性能和废水处理效果...为提高传统微生物燃料电池(MFC)在低温条件下的效率,实现实验装置放大化.本实验将连续搅拌反应系统(CSTR)与双极室微生物燃料电池系统相结合,连续流处理糖蜜废水,并间接回收金属单质,处理模拟电镀废水,考察系统的产电性能和废水处理效果.结果表明,当系统稳定运行后,最高电压及功率密度分别可达到340 m V和58.65 m W·m-2.20 d后,系统COD去除率明显增加,最高COD去除率可达到81%.实验运行10 d后,银离子开始析出,最高去除率可达到90%左右.展开更多
文摘CMAC(Cerebellar Model Articulation Controller或Cerebellar Model Arithmetic Computer)神经元网络是由Albus提出的一种表达复杂非线性函数的表格查询的自适应系统。本文将CMAC应用到具体的连续搅拌反应釜(CSTR)系统的学习控制研究中,仿真结果表明,该学习控制策略具有较强的自学习能力且容易实现,对于改善非线性控制的性能,不失为一种有益的尝试。
文摘为提高传统微生物燃料电池(MFC)在低温条件下的效率,实现实验装置放大化.本实验将连续搅拌反应系统(CSTR)与双极室微生物燃料电池系统相结合,连续流处理糖蜜废水,并间接回收金属单质,处理模拟电镀废水,考察系统的产电性能和废水处理效果.结果表明,当系统稳定运行后,最高电压及功率密度分别可达到340 m V和58.65 m W·m-2.20 d后,系统COD去除率明显增加,最高COD去除率可达到81%.实验运行10 d后,银离子开始析出,最高去除率可达到90%左右.
