基于PSO-BP神经网络的高炉煤气受入量的预测

以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验。研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题。     

基于粒子群支持向量机的钢板损伤位置识别

基于光纤布拉格光栅(FBG)构建的传感器网络,将粒子群(PSO)算法与最小二乘支持向量机(LSSVM)相结合,应用于304钢板损伤识别研究中。以FBG中心波长变化量的信息特征为输入量,钢板结构损伤位置为输出量,构建基于LSSVM的损伤识别预测模型,并与相同条件下构建的反向传播(BP)神经网络预测模型进行对比验证。采用PSO算法优化LSSVM损伤识别模型的核函数参数σ和正则化参数γ,实现钢板结构的损伤位置识别。在300mm×300mm×1mm钢板实验区域,对34组样本进行了损伤位置识别测试。结果表明,33组损伤位置得到了准确识别,准确率达97.06%。这表明PSO优化后的LSSVM的损伤识别预测模型具有自诊断功能。     

基于LSSVM的六价铬含量预测模型

设计一种六价铬自动测量系统,为提高测量的准确度,使用最小二乘支持向量机(LSSVM)算法建立预测模型,并使用混合蛙跳算法优化LSSVM算法的参数,可避免算法收敛于局部最优,增强算法的泛化能力,减少算法对异常样本的预测偏差,提高精度。通过对神经网络模型及LSSVM模型进行仿真对比,结果显示LSSVM模型的六价铬含量预测误差更小。     

一种基于GA-BP神经网络结合PCA的LCD显示器光谱特征化模型

为实现LCD显示器的光谱特征化,本文提出一种基于遗传算法优化(Genetic Algorithm,GA)的BP神经网络(GABP)结合PCA(Principal component analysis)的光谱特征化模型。首先对显示器色空间进行子空间划分,同时采用PCA对光谱数据进行降维,接着在各子空间中采用遗传算法对BP神经网络的权值阈值进行优化,建立显示器驱动值与光谱数据之间的神经网络模型,实现了显示器的光谱特征化。实验结果表明子空间划分后,在子空间中进行模型参数的优化有利于模型整体精度的提高,GA的优化有效改善了BP神经网络的极值问题,提高了模型的精度,PCA在不影响模型精度的同时提高了算法的运行效率。由此说明该模型是一种高精度显示器特征化模型。     

组合核函数优化的稀疏最小二乘支持向量机

针对传统最小二乘支持向量机(LSSVM)稀疏性较差的问题,在传统支持向量机的基础上提出了新的LSSVM模型,并对其进行优化。利用选主元Cholesky分解,进行迭代操作,简化求解过程;利用径向基-卡方组合核函数,提高核函数的稀疏性;最后利用遗传算法,对组合核函数与支持向量机的参数寻优,解决了传统LSSVM在大样本情况下稀疏性较差,求解时间过长的问题,提高了LSSVM的泛性与精确度。仿真实验证明了所提出的模型是有效的。     

一种基于半监督AdaBoost模型树的FPGA性能表征方法

提出了一种基于半监督自适应增强(Ada Boost)模型树的建模方法,用于现场可编程门阵列(FPGA)的性能表征。该方法以半监督学习方式,构建了FPGA性能关于FPGA架构参数的解析模型,同时采用Ada Boost算法提高FPGA性能模型的预测精确度。使用VTR(Verilog To Routing)电路集,基于该方法构建的性能模型在预测FPGA上实现的应用电路面积时,平均相对误差(MRE)为4.42%;预测延时的MRE为1.63%;预测面积延时积时,MRE为5.06%。与全监督模型树算法以及现有的半监督模型树算法相比较,该方法构建的FPGA实现面积模型的预测精确度分别提高了39%,26%。实验结果显示,该方法在确保较少的时间开销前提下,构建了具有高预测精确度的FPGA性能模型,提供了一种高效的FPGA性能表征方法。     

基于几何模型与神经网络的人体参数拟合研究

远程服装私人定制体现人工智能性,客户只需要上传几张图像,定制系统便可根据图像分析结果远程判定其尺码参数,定制合身服装。因此,利用二维图像获取人体尺寸用于服装定制是当前的研究热点,但是普遍存在参数拟合精确度不足、部分尺寸参数拟合算法缺乏的问题。就此,文章提出基于几何模型的尺寸拟合算法,对于部分尺寸采用神经网络拟合的方法。与已有算法相比,所提算法在精确度和合格率(相对误差在5%以内的比率)方面更有优势,保证各尺寸平均相对误差在5%以内,平均绝对误差不超过2 cm。所提算法灵活运用几何模型和神经网络两种方法,提高了尺寸拟合的精确度。     

一种基于EDDL的非侵入式负荷检测模型

针对目前非侵入式负荷检测时存在检测精确度低的问题,提出一种基于事件驱动-深度学习(EDDL)的负荷检测模型。通过零交叉检测电流数据,基于事件驱动机制从大量数据中发现关键事件;将包含关键事件的电流序列转换至图像空间,并代入基于深度学习的负荷检测模型,从而实现端对端的非侵入式负荷检测。实验结果表明,与多分类支持向量机(MSVM)、前馈神经网络(FNN)、卷积神经网络(CNN)和长短时记忆网络(LSTM)模型相比,所提EDDL模型综合性能更优,检测准确率和精确度分别为94.67%和91.76%。仿真结果验证了所提模型可基于事件驱动机制挖掘电流数据,并基于深度学习模型有效提取电流数据特征,从而实现高精确度的非侵入式电力负荷检测。该模型对非侵入式电力负荷检测研究具有一定借鉴作用。     

基于深度LSTM辅助卷积网络的新型自动调制分类

自动调制分类在无线频谱异常检测和无线电环境感知中将发挥重要作用。随着深度学习算法的突破,调制分类任务可利用神经网络达到前所未有的高分类精确度。文中提出了一种新颖的神经网络,称为长短期卷积深度神经网络(LCDNN)。该网络创造性地结合了长短期记忆网络(LSTM)、卷积神经网络(CNN)和深度网络体系结构的优点。该模型无需人工提取特征,并可直接从训练数据集中的原始时域幅度和相位样本中学习。仿真结果表明,该模型在高信噪比下的分类精确度达到93.5%。此外,对模型的噪声敏感性进行了研究,并证明在一定信噪比范围内,LCDNN模型较现有的基础模型在噪声破坏方面更具弹性。最后,为降低模型计算的复杂度,提出了一种结构更为简洁的LCDNN模型,该模型仅使用原始LCDNN模型的0.6%的参数即可实现高精确度的分类准确率。     

遗传算法优化BP神经网络的大功率LED结温预测

将遗传算法(GA)与BP神经网络相结合,对研发的120W LED双进双出的射流冲击水冷散热系统中LED阵列的结温进行预测。采用GA优化BP网络的权值和阈值,利用BP算法训练网络,改善了单独使用BP网络容易陷入局部极小值和收敛速度慢的缺点。并且在训练过程中为了使网络输出有足够长的空间,改进了GA的数据处理。结果表明,经GA优化的BP神经网络较使用Levenberg-Marquardt(LM)算法优化的BP神经网络的大功率LED结温预测精确度提高了14.14%,且预测效果较稳定。GA和BP神经网络相结合的结温预测模型较传统的结温测量方法更能掌握散热结构设计的主动性,对大功率LED寿命的延长有较高的实用价值。     

A hybrid neural network model for predicting silicon content

The silicon content of the hot metal in the blast furnace ironmaking process normally reflects the thermal state of the furnace and affects the fuel rate. In this paper a hybrid neural network model is proposed to predict the silicon contentn steps ahead. A time-delay neural network, which has self-loops to represent dynamics, is adopted here. The learning procedure of this network has been divided into two states. A BP algorithm with forgetting factor is first introduced to find the appropriate structure of the network. The temporal difference (TD) method with forgetting factor is then used forn-step-ahead prediction. The results show that the method can perform satisfactoryn-step-ahead prediction and is suited for implementation.     

高炉开炉装料计算软件的设计

高炉开炉装料计算工作繁琐、复杂,手工计算耗费时间长、容易出错,难以得到最佳方案,影响高炉顺利开炉。通过高炉开炉装料计算软件的开发实践,介绍了装料计算模型的建模步骤;讨论了软件的功能需求;阐述了选用三层网络结构的原因,从而描述了装料计算软件的设计方法。软件投入运行后,能够快速、准确地计算、分析开炉数据,取得了满意的效果。     

Preparation and characterization of perovskite-type Titania-bearing blast furnace slag photocatalyst

Perovskite-type titania-bearing blast furnace slag (TBBFS) photocatalysts were prepared by the high-energy ball milling method at different calcination temperatures. The particle size and ultraviolet light-absorption capacity of titania-bearing blast furnace slag powders increased with increase in the calcination temperature. Its photocatalytic activity was checked through the photocatalytic reduction of Cr(VI) as a model compound under ultraviolet–visible light irradiation. Titania-bearing blast furnace slag powders calcined at 700 °C showed a higher catalytic activity compared to other titania-bearing blast furnace slag catalysts, indicating that the increase in calcination temperature could improve their photocatalytic activities.     

基于WSN分区监测的高炉煤气洗涤设备安全研究

针对目前高炉煤气设备安全状况存在的问题,在无线传感器网络的基础上,提出了一种基于WSN的分区监测的改进算法,用于监测管理高炉煤气洗涤设施。将无线传感器节点按照一定的方式布置在设备中,形成监测网络采集数据,通过算法进行控制分析数据,传达相应的操作指令或发出危险警报。根据仿真图形显示可更加快速地检测出问题,有效提高了对高炉煤气洗涤设备安全数据的分析与预警。     

LSSVM模型下的LCVR相位延迟特性标定方法

为了标定液晶相位可变延迟器(Liquid Crystal Variable Retarder,LCVR)的相位延迟特性,在25℃、405 nm波长下,利用搭建的测量装置采集了141组实验样本,其中71组样本为训练集,70组样本为预测集,利用最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)和支持向量机(Support Vector Machines,SVM)算法建立LCVR相位延迟量和驱动电压相关数学模型。实验表明,GASVR、PSOSVR、LSSVM方法下最大波长偏差分别为0.013 6、0.013 7和0.004 5,均方误差提高两倍,通过比较,说明该模型能快速准确地预测LCVR工作范围内全部波长、全部电压值下的相位延迟。该方法可作为LCVR相位延迟特性标定的有效手段。     

基于网络通信的高炉喷煤智能控制系统

本文介绍了高炉喷煤智能控制系统的网络构成及实现,解决了传统高炉喷煤控制系统采用物理连接方式之间进行数据交换所存在的问题。实践证明,该控制系统通信速率高、数据传输稳定,控制线路简单,进一步提高了高炉喷煤的自动控制水平。     

提高热电偶使用寿命的研究

本文着重介绍了高炉热风炉混风温度检测用热电偶损坏故障分析以及如何提高混风温度检测用热电偶的使用寿命.     

神经网络在高炉中的应用

文章介绍了神经网络在高炉中的应用,将导致高炉操作炉型异常及炉温分布异常的征兆作为输入量,分别采用不同的子神经网络,完成不同侧面高炉异常运行模式的识别.用决策级融合网络得出综合决策结论,能够充分利用不同信息源的信息,提高了决策结论的确定性,从而获得对高炉运行状态的最优估计与判决.在理论研究和仿真验证基础上,基于MATLAB及VB软件技术建立了高炉智能操作决策系统的工程应用方法,为高炉智能操作决策系统的在线应用作了技术上的准备.     

利用波长调制光谱的燃烧场温度原位测量

针对高炉煤气成分复杂、燃烧效率低、燃烧稳定性差的问题,提出了基于波长调制光谱（Wavelength Modulation Spectroscopy,WMS）的高炉煤气燃烧场温度测量方法。WMS具有抗噪声能力强、测量精度高和灵敏度好的特点,适用于高炉煤气燃烧场的温度测量。基于可调谐二极管激光吸收光谱技术的测量特点,以H2O为目标气体,选取波长位于1 391.67 nm和1 397.75 nm的吸收谱线,通过两个激光器时分复用的方式获取两条目标吸收谱线,对黑体炉和平面火焰燃烧炉进行温度测量,达到了实验验证的目的。实验结果表明,所提检测方案对高炉煤气所在500~2 000 K温度范围内都有较高的测量灵敏度,检测结果线性度优于99%。现场实验验证系统可满足高炉煤气的温度场测量等原位在线测量的应用,为后续的燃烧优化和节能减排奠定了基础。     

人工鱼群优化最小二乘支持向量机的视频字幕定位

征选择是视频字幕定位的关键,为了提高视频字幕定位正确率,提出一种人工鱼群算法(AFSA)和最小二乘支持向量机(LSSVM)相融合的视频字幕定位模型(AFSA-LSSVM)。首先提取视频字幕特征,然后通过模拟鱼群的觅食、聚群及追尾行为找到最优视频字幕特征子集,最后采用LSSVM建立最优视频字幕定位模型,并进行仿真对比实验。结果表明,相对其它视频字幕定位模型,AFSA-LSSVM提高了视频字幕定位正确率和效率,可为后续视频内容的安全分析提供技术支持.