PSO-GA优化ELM的高炉铁水硅含量预测

针对高炉冶炼过程的复杂、多变以及非线性等因素，提出了一种基于粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）相结合来优化极限学习机（Extreme learning machine,ELM）的高炉铁水硅含量预测模型。PSO-GA-ELM预测模型，主要是在PSO算法进行适应度值计算、粒子的速度更新和位置更新时将GA算法中的选择、交叉和变异等操作融入其中，使其输出最优的连接权值和阈值代入到ELM模型中。通过对4种不同的预测模型进行实验验证，结果表明，优化后的PSO-GA-ELM模型在进行铁水硅含量预测时的预测精度、学习能力和泛化性能均高于其他三种预测模型。     

基于MAS的多库协同机制的研究

网络时代各种数据库无处不在。如何使分布广、形式各异的数据库协同工作越来越成为人们关心的问题。该文深入分析了有关分布式数据库协同工作的机制,结合多数据库的工作特点,提出了基于多智体的多库协同技术,使数据库具有更多的智能特性和主动性,在实际工程软件开发中得到了应用,并取得了良好效果。     

供热机组智能控制器的设计

本文主要介绍了面向大规模、多热源城乡集中供热网的计算机监测控制系统而开发研制的集中供热机组智能控制器的设计。它是专门针对热力站计量与控制需求研制的智能化控制装置,采用现代控制理论和基于现场总线的全开放分散式智能集中供热控制系统的关键单元技术。实现最优控制,达到集中供热良好的运行品质,降低热力站运行成本。     

MES与PLC实时通信系统研究

使用MES系统是为了更好地实现生产过程中的可视化监控及生产数据管理,如何更好实现MES系统与PLC及现场设备精准实时通信是各个生产型企业争相研究的热点问题.针对以上问题,通过研究西门子S7-300 PLC与GE公司的MES系统,设计在PLC中与MES实时通信的FB块VDCA,自定义上位机与下位机的通信报文,通过Enternet实现上位机与下位机的实时通信.该设计减少了中间硬件,提高了通信过程中的数据稳定性,可操作性与通用性强,适用于工序多样的自动化生产线,实际运用到了发动机装配生产线,提高了发动机装配效率.     

连续式加热炉的残氧量检测与控制

针对钢铁企业中典型的燃油三段连续式加热炉控制参数中最为复杂的残氧量参数进行了探索和研究,分析了残氧量控制对象的特性、检测点的选取并介绍了用PLC实现的残氧量的控制方法。     

基于AdaBoost-BAS-SVM模型的岩爆预测研究

岩爆是发生在深埋地下高应力岩体开挖工程中的一种动力破坏现象,作为矿山开采过程中的主要工 程地质灾害之一,其等级预测是必须解决的岩石工程的重大问题。综合岩爆预测过程中多因素影响,选取 σθ/σc、 σ c/σt、Wet作为岩爆等级预测指标。通过利用天牛须搜索（BAS）算法解决支持向量机（SVM）中的重要参数 C 与 gamma 择优问题,并引用 AdaBoost 集成学习算法对 BAS-SVM 弱学习器进行强化训练,解决了单一分类器不稳定问题, 最终建立了 AdaBoost-BAS-SVM 岩爆等级预测模型。通过收集到的 194 组实例数据对该模型进行训练测试,并与 SVM、BAS-SVM、AdaBoost-SVM 3 组模型进行结果对比。结果表明：该模型较其他 3 组模型预测准确度更高,其收 敛性能明显提高,可有效、快速地预测岩爆等级。     

锅炉PLC控制系统的后备冗余设计

基于对控制可靠性的考虑,锅炉的系统设计中引入了后备冗余技术,以确保生产过程的不间断控制.以75 t/h锅炉为例介绍了如何利用PLC-5/60C实现后备冗余控制,并对后备系统的硬件构成、工作机制、软件设计及程序调试等问题进行了详细讨论.实践证明,通过处理器、电源、框架、网络、RIO等方面的冗余设计,75 t/h锅炉控制系统的可靠运行得到了保障.     

基于改进果蝇优化BP神经网络的冲击地压预测

针对煤矿开采过程中存在非线性、强耦合性等特点导致的动力灾害难以预测的问题,引入一种候选解的线性生成机制(LGMS)、混沌搜索、粒子群算法(PSO)和模拟退火算法(SA)修正果蝇算法(IFOA),利用改进后的果蝇优化算法良好的搜索全局最优解的能力,自适应地调整BP网络的权值和阈值,建立了煤岩冲击地压灾害预测模型。以唐山开滦煤矿样本数据为例进行仿真验证,结果表明其鲁棒性和测量精度明显提高,且网络具有较强的收敛性能和优化能力。     

基于PCA-SVM的岩爆预测

岩爆是深部地下工程开挖掘进过程中常见的地质灾害,具有显著的随机性、突发性和复杂性,随着深埋工程的增多,岩爆预测的重要性日益凸显。根据岩爆的影响因素、特点及成因,选取了围岩切向应力σθ,单轴抗压强度σc、单轴抗拉强度σt、脆性系数σc/σt、应力系数σθ/σc和冲击倾向性指数Wet等6个主要预测指标。首先用主成分分析法(PCA)对原始数据预处理,不仅消除了指标之间的相关性,而且降低了维度;然后使用粒子群算法(PSO)去优化支持向量机的惩罚c和核函数参数g,建立基于主成分分析和粒子群支向量机(PCA-PSOSVM)的岩爆预测模型,并将PCA-PSOSVM的预测结果与支持向量机(SVM)模型和人工神经网络(ANN)模型的预测结果进行比较。结果表明:PCA-PSOSVM模型的判别准确率比SVM模型和ANN模型高。     

改进锂离子电池主动均衡充电控制方法

电动汽车的主要驱动动力是锂离子电池,当前电池充电均衡技术的不成熟成为制约电动汽车普及化的最大难题,从而严重影响了电动汽车的性能。设计一种以双向Buck-Boost拓扑为主电路的主动均衡控制系统,采用神经网络与无迹卡尔曼滤波器(UKF)相结合的估算方法估计荷电状态(SOC),并以SOC作为主要的均衡判据,提出了一种改进主动均衡控制策略,实现了锂电池组在充电过程中的主动均衡,并通过MATLAB仿真分析。实验结果表明:电池组能够较好地完成各单体电池间的能量均衡,所改进的主动均衡控制方法可以更加有效快速地达到均衡目标,同时能量损耗较少,证明了该方案的可行性。