近代算法在工程领域中的应用研究

论文题目: 近代算法在工程领域中的应用研究

论文类型: 博士论文

论文专业: 应用数学

作者: 周明华

导师: 汪国昭

关键词: 一氧化碳,催化,贵金属,遗传算法,最小二乘拟合,样条曲线,曲线,二氧化碳,提纯,人工神经网络,拟合,生物医学光学,拟分布密度函数,荧光寿命法成像技术,荧光衰减过程,超限插值,艺术曲面造型,插值

文献来源: 浙江大学

发表年度: 2005

论文摘要: 本文作者利用现代优化算法和超限插值方法分别对于化学工程、生物物理、艺术曲面造型等领域的问题进行了深入研究。分别回顾了遗传算法、人工神经网络、B样条曲线插值拟合及超限插值的发展历史及其各自特点。以贵金属为催化剂的一氧化碳催化速率是化学工程催化研究中一个重要研究方向。考虑用B样条曲线拟合一氧化碳催化速率数据使得最小二乘拟合误差最小。一般有两种考虑，一种是保持B样条基函数的节点不变，选择参数使得拟合较优。参数的选择方法包括均匀取值、累加弦长法、centripetal model、Gauss-Newton迭代法等。另一种则是先确定好参数值(一般用累加弦长法)，然后再用某一算法计算出节点，使得拟合较优。文中同时把两者统一考虑，用遗传算法同时求出参数、节点使得拟合在最小二乘误差意义下最优。与Gauss-Newton迭代法、Piegl算法相比本方法具有较好的鲁棒性(拟合曲线与初始值无关)、较高的精度及控制顶点少等优点。实验结果说明采用遗传算法应用B样条曲线拟合一氧化碳催化速率，得到的曲线逼近效果更好，一氧化碳催化速率过程的描述更为准确。为提高提纯塔二氧化碳出口纯度，需要建立其与进料纯度、进塔温度、塔顶压力、塔顶温度、加热温度、塔釜压力、塔釜温度七个因素之间的模型。根据实际生产数据运用人工神经网络方法建立了二氧化碳出口纯度与这七个因素之间的非线性模型。用该方法建立的非线性模型能有效地描述二氧化碳纯度与各因素之间的关系，同时通过训练好的网络能找到生产二氧化碳具有较高纯度的最佳控制点，得到了令人满意的效果。与用传统方法的线性回归模型、对数回归模型建立起来的模型相比，用人工神经网络方法建立的模型具有处理非线性模型能力强，鲁棒性好，拟合精度高，计算速度快，预测、控制能力强等优点。荧光寿命法成像技术(FLIM)是一种非常有效、功能强大且能用来分析复杂生物组织和细胞分子的成像技术。传统的荧光寿命成像的数据分析是采取按某些具有不同寿命、离散的单参量指数模型来描述荧光衰减过程。在像生物组织这样既复杂又不均匀的样品中，虽然多参量指数模型能提供比单参量指数

论文目录:

摘要

ABSTRACT

第一章绪论

1.1 遗传算法历史及发展概况

1.1.1 遗传算法的编码

1.1.2 遗传算法收敛性和参数调整

1.1.3 遗传算法的策略

1.1.4 遗传算法的特点

1.2 人工神经网络发展的历史及发展概况

1.3 B样条曲线插值拟合发展概况

1.4 超限插值历史及发展概况

1.5 本文的主要研究内容

第二章基于遗传算法的B样条曲线的一氧化碳催化速率的最小二乘拟合

2.1 引言

2.2 B样条曲线拟合方法

2.3 基于实数编码的遗传算法介绍

2.3.1 算法结构

2.3.2 选择算子

2.3.3 交叉算子

2.3.4 变异算子

2.3.5 实数编码的优点

2.4 具体算法实现

2.4.1 编码及初始种群的选取

2.4.2 适值的取法

2.4.3 选择

2.4.4 交叉

2.4.5 变异

2.5 实验与结果分析

2.6 小结

第三章神经网络在二氧化碳提纯塔建模中的研究

3.1 引言

3.2 方法研究及应用

3.2.1 BP神经网络

3.2.2 改进的BP算法

3.3 模型建立

3.3.1 样本确立及数据处理

3.3.2 网络结构的确立

3.3.3 传递函数的确立

3.3.4 网络训练

3.4 模型检验及寻优

3.4.1 检验

3.4.2 寻优

3.4.3 模型结果分析

3.5 小结

第四章拟Weibull分布密度函数、神经网络在荧光寿命成像中的应用研究

4.1 引言

4.2 理论分析

4.2.1 生物组织的荧光发光机理

4.2.2 拟Weibull分布密度函数模型的导入

4.3 实验与计算

4.3.1 实验数据的获得

4.3.2 数据计算

4.3.3 结果比较与分析

4.4 基于神经网络原理的荧光寿命成像研究

4.5 小结

第五章超限插值在一类艺术曲面造型中的应用

5.1 引言

5.2 超限插值方法介绍

5.3 艺术曲面造型实例

5.3.1 插值交叉线

5.3.2 Hermite插值的艺术曲面实例

5.3.3 计算效率的比较

5.4 小结

第六章总结与展望

6.1 全文总结

6.2 今后研究工作展望

参考文献

攻读博士期间完成的论文

致谢

发布时间: 2006-09-05

参考文献

[1].结合知识和神经网络的文本表示方法的研究[D]. 李一鸣.浙江大学2018
[2].文本否定范围识别技术研究及其应用[D]. LYDIA LAZIB.哈尔滨工业大学2018
[3].基于深度学习的交互式问答技术研究[D]. 周小强.哈尔滨工业大学2017
[4].基于脉冲神经网络的纹理图像识别研究[D]. 张振敏.福建师范大学2016
[5].基于深度卷积神经网络多尺度共享与子块级联的物体识别[D]. 姜晓恒.天津大学2017
[6].基于深度学习的手语识别技术研究[D]. 黄杰.中国科学技术大学2018
[7].深度卷积神经网络中反馈机制的计算建模及应用研究[D]. 曹春水.中国科学技术大学2018
[8].基于视频的人类行为识别方法研究[D]. 刘志康.中国科学技术大学2018
[9].正交回归神经网络及其在控制系统中的应用[D]. 诸勇.浙江大学1998
[10].基于卷积神经网络的计算机视觉关键技术研究[D]. 李彦冬.电子科技大学2017

近代算法在工程领域中的应用研究

猜你喜欢