公开(公告)号：CN119511732A

公开(公告)日：2025-02-25

申请号：CN202411675564.5

申请日：2024-11-21

Applicant: 北京工业大学

Inventor： 韩红桂 ,  冯成成 ,  孙浩源 ,  刘峥 ,  乔俊飞

IPC: G05B13/04

Abstract: 本发明提出了一种基于自适应模糊终端滑模的城市污水处理过程控制方法，实现了溶解氧浓度和硝态氮浓度的准确控制。该方法设计了自适应预估模糊神经网络预测生化反应过程中溶解氧浓度和硝态氮浓度的动态变化，建立了基于预估误差的权值自适应更新机制以及基于终端滑模面的模糊终端滑模控制器，实现了对溶解氧浓度和硝态氮浓度的精准控制；通过设计自适应切换增益机制来降低抖振现象对系统稳定性的影响，解决城市污水处理过程中控制系统不稳定的问题。实验结果表明该方法能够实现溶解氧浓度和硝态氮浓度的准确控制，保证城市污水处理过程的平稳高效运行。

公开(公告)号：CN115903519A

公开(公告)日：2023-04-04

申请号：CN202211693362.4

申请日：2022-12-28

Applicant: 北京工业大学

Inventor： 韩红桂 ,  冯成成 ,  孙浩源 ,  刘峥 ,  乔俊飞

IPC: G05B13/04

Abstract: 本发明提出了一种基于自组织模糊终端滑模控制的溶解氧有限时间控制方法，实现了溶解氧浓度的精确控制。该方法设计了基于规则密度和重要性的自组织模糊神经网络预测生化反应过程中溶解氧浓度的动态变化，建立了基于积分终端滑模面的终端滑模控制器，实现对溶解氧浓度的有限时间精准控制；通过设计自适应律和鲁棒控制项来降低不确定性和预测误差对控制性能的影响，解决溶解氧控制精度较低的问题。实验结果表明该方法能够在有限时间内实现溶解氧浓度的精准控制。

公开(公告)号：CN118821008A

公开(公告)日：2024-10-22

申请号：CN202410812537.1

申请日：2024-06-22

Applicant: 北京工业大学

Inventor： 韩红桂 ,  李蒙蒙 ,  冯成成 ,  侯莹 ,  王晶晶 ,  刘峥 ,  高慧慧

IPC: G06F18/2433 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明提出了一种基于深度学习的研究生教育数据异常检测方法。针对研究生教育培养过程中统计数据复杂多变、难以建立精确检测模型的难题，本发明通过深度学习技术，构建了一个高效的异常数据检测模型。该模型基于深度残差卷积神经网络，能够通过有效提取数据中的深层特征来准确识别异常数据。为了进一步提高模型的检测精度，本发明还引入了迁徙学习算法，通过对模型参数的优化校正，使得模型更加适应不同场景下的数据变化。这一技术的应用，不仅能够保证研究生教育培养过程数据的准确性，还能够提高异常数据的检测精度，为研究生教育培养提供了有力的技术支持。

公开(公告)号：CN117406596A

公开(公告)日：2024-01-16

申请号：CN202311355452.7

申请日：2023-10-18

Applicant: 北京工业大学

Inventor： 韩红桂 ,  冯成成 ,  孙浩源 ,  刘峥 ,  乔俊飞

IPC: G05B13/04

Abstract: 本发明提出了一种基于滑模观测器的溶解氧智能鲁棒控制方法，实现了溶解氧浓度的准确控制。该方法设计了自适应预估模糊神经网络预测生化反应过程中溶解氧浓度的动态变化，提出了滑模观测器主动抑制生化反应过程中的干扰，建立了基于滑模观测器和自适应模糊神经网络的智能鲁棒控制器，实现对溶解氧浓度的准确控制；通过设计预估器获得溶解氧浓度的预估值，根据预估误差设计自适应律来降低预测误差对控制性能的影响，解决溶解氧控制精度较低的问题。实验结果表明该方法能够实现溶解氧浓度的准确控制。