中国科技论文在线

上传时间

2004年12月31日

潘立登，颜蒋国

，-0001，（）：

-1年11月30日

本文中我们提出一种跟踪人脸特征点的方法。使用一系列方向、频率、相位各不相同的Gabor小波，对测试序列第一帧中选定的人脸特征点进行小波变换，得到对应点的Jets，并将其作为后续帧的跟踪依据。对含有各种表情的视频序列进行测试，试验结果显示该方法是有效的。

小波， Gabor Jets，弹性匹配，人脸特征，跟踪

68浏览
0点赞
0收藏
0分享
869下载
0

引用

上传时间

2004年12月31日

【期刊论文】改进的催化裂化集总动力学参数估计方法

潘立登，李全善

，-0001，（）：

-1年11月30日

摘要

针对催化裂化复杂反应体系，提出了一种基于NLJ算法改进的随机搜索优化算法NLJ+，该方法引入了优化的中间结果和目标函数的变化来修正搜索范围，从而减少了搜索的随机性。该方法应用于催化裂化集总动力学模型轻燃料油反应网络动力学参数估计，降低了搜索算法对初值和实验误差的要求，保证了收敛稳定性。

催化裂化集总动力学参数估计 NLJ优化方法

79浏览
0点赞
0收藏
0分享
208下载
0

引用

上传时间

2004年12月31日

【期刊论文】催化裂化装置PID控制回路的优化*

潘立登，李全善，王文新，甄新平

，-0001，（）：

-1年11月30日

摘要

针对催化裂化先进控制难于长期投运的缺点，本文提出了一种基于OPC的数据采集技术和NLJ随机搜索算法，应用内模控制原理三者相结合的方法，对催化裂化PID控制回路进行参数优化。实际应用结果表明，该方法操作简洁实用，效果明显，为类似催化裂化装置的复杂控制系统的优化和先进控制提供了一种新思路。

催化裂化 IMC PID OPC NLJ 随机搜索算法方法

65浏览
0点赞
0收藏
0分享
364下载
0

引用

上传时间

2004年12月31日

【期刊论文】常减压蒸馏装置双模型结构RBF神经网络建模及其应用

潘立登，王文新，李荣，徐永新，闻光辉

，-0001，（）：

-1年11月30日

摘要

在原油蒸馏过程中，侧线产品质量是重要的控制指标，也是过程优化模型中的关键约束条件。本文提出双模型结构RBF（Radial Basis Function）神经网络，结合工艺机理和相关分析法，筛选出影响较大的变量，对现场数据，用小波分析法，剔除噪声和故障数据，考虑各输入信号对软仪表影响时间的区别，分别采用不同的滞后时间，建立了常减压蒸馏装置质量软仪表模型，取得较好的结果。

RBF神经网络，软仪表，常减压蒸馏,，双模型结构,，滞后时间

72浏览
0点赞
0收藏
0分享
247下载
0

引用

上传时间

2004年12月31日

【期刊论文】VOCS Removal; Modeling Based on RBF Neural Networks for a Reverse Flow Reactor with Catalytic Combustion of Contaminants

潘立登， Na An，， Lideng Pan， Biaohua Chen*， Chengyue Li， Xuekun Niu

，-0001，（）：

-1年11月30日

摘要

A pilot scale reverse flow reactor for catalytic combustion of volatile organic compounds (VOCS) in contaminated air is studied and modeled. The quasi-steady state model of temperature profile for the reverse flow reactor is developed in terms of RBF (Radial Basis Function) neural networks. The deep knowledge repository with respect to temperature profile is yielded based on the determinant mathematical model, which increases the 'extrapolability' and 'reliability'. Additionally, the model's accuracy is improved by adjusting the model parameters advisably. For predicting and controlling the transient temperature, a real-time prognostic model of temperature profile is built based on dynamic RBF neural networks by using the Time Delay Neural Network (TDNN), which is to save the previous state in the time-delay cell. Simulation results have proved that the models presented in this paper are simple, highly accurate and can satisfy the control requirements.

VOCs， Reverse flow reactor， catalytic combustion， RBF neural networks， dynamic system， on-line correction

50浏览
0点赞
0收藏
0分享
243下载
0

引用