带退化因子的人工代谢算法在多对象物流配送优化中的应用

在多对象优化的物流配送中,需要对配送对象实行均衡调度。本文提出了一种含退化因子的人工代谢算法。每一种配送对象对应了不同的代谢底物,每一种配送对象的优先级对应了相应的催化酶,每一次配送对应一次代谢过程。为了降低代谢算法的复杂度,完成配送任务后,初始化时形成的催化酶需要有规律地退出代谢体系。通过对代谢算子等参数的分析,为人工酶设立了不同等级的退化因子。根据对酶优先级的辨识,按照代谢优化的进程,使已完成寻优搜索的代谢路径有序地退出本次代谢网络,提高整个代谢网络运行效率,为后续的物流配送路径缩小搜索空间,实现多对象配送过程的优化。     

Hammerstein-Wiener模型最小二乘向量机辨识及其应用

借鉴最小二乘支持向量机求解的思路,文中提出了辨识多输入-单输出Hammerstein-Wiener模型的方法.引入共线性约束假设,将辨识问题转换为有约束的优化问题,从而辨识出Hammerstein-Wiener模型的参数.基于Hammerstein-Wiener模型,我们建立了一个多输入-单输出的滚动预测模型,对铜转炉造渣S2期吹炼所需总氧量进行了预测,其相对均方根误差为12.1%.仿真结果表明,该模型预测准确、具有较好的应用价值.     

基于满意优化的氧化铝生料浆调配方法

提出了基于多目标满意优化的生料浆调配智能优化方法.该方法以满意度函数反映决策者对性能指标的评价,以综合满意度函数反映决策者对多目标协调的要求,构建氧化铝生料浆调配的满意优化模型,并通过自适应调整交叉概率和变异概率的改进遗传算法求解满意优化问题.所得优化结果更能反映决策者对实际工艺指标的评价,大幅度提高计算效率,减少生料浆质量指标的波动.基于工业运行数据的计算结果表明了该方法的有效性和实用性.     

基于模型参考自适应Smith预估器的反馈式AGC厚度控制系统

针对具有纯时间延迟特性的反馈式AGC(automatic gauge contro1)系统,利用Smith预估器对纯时间延迟具有补偿作用的原理,建立了模型参考白适应Smith预估器反馈式AGC控制系统模型,给出了控制系统结构.推导了自适应调节律和设计算法,结合预估器模型,计算得到轧件出口厚度偏差值的表达式.仿真结果表明,模型参考自适应Smith预估器反馈式AGC系统对铝薄板带材轧制出口厚度偏差控制具有很好的控制效果,解决了反馈式AGC厚度控制由于纯时间延迟特性对控制性能产生很大影响的问题,消除了出口厚度波动现象,响应速度加快,可以满足高精度铝薄板带材轧制生产的控制要求.     

基于图像特征提取的浮选关键参数智能预测算法

针对矿物浮选过程中回收率参数难以在线检测的问题,提出了一种智能预测算法．首先采用相对红色分量提取泡沫颜色特征,采用改进面积重构变换与分水岭方法分割泡沫图像并提取尺寸特征;然后在此基础上,通过斯密特正交化对最小二乘支持向量机（ＬＳＳＶＭ）核矩阵进行简约,利用核偏最小二乘方法进行回归计算,得到具有稀疏性的ＬＳＳＶＭ 预测模型．实验结果表明,该预测算法能有效地对矿物回收率进行预测．     

高精度铝薄板带材可逆冷轧机厚度的协调控制策略

分析研究了冷轧机AGC 的主要控制方式,并应用轧机弹跳特性对轧机辊缝进行补偿,得到高精度铝 薄板带材可逆冷轧机厚度协调控制策略．仿真结果表明厚度协调控制策略能满足高精度铝薄板带材生产精度要求, 显著提高了控制系统性能．     

基于模糊专家规则的离散事件辨识及其在交通诱导中的应用

传统离散事件动态系统中的离散事件状态的转换具有不确定性,其不确定性主要来自状态转向发生时刻的不确定性,而所转向的状态一般具有确定性。本文对具有状态转向时刻和转向状态的二重不确定性的离散事件动态系统进行了讨论,用模糊专家系统来对未来状态和状态迁移时刻二重不确定性的离散事件动态系统进行评价,并以智能交通系统中车辆诱导技术为例,说明了此类模糊专家规则的应用价值。本文提出了一种模拟淬火算法,通过模拟物质加温后急剧冷却的过程来求得目标函数的局部极值,以模拟淬火算法的转向概率作为模糊专家系统中的规则选择概率。该方法有效地保证了事件转换的实时性,提高了交通疏导的效率。     

基于人工代谢系统的物流管理

本文提出了一种人工代谢算法。通过对算法的模型和相关参数进行定义,阐述了基于人工代谢系统在物流调度中的应用实例。文中给出了一个供应链的拓扑结构图,运用人工代谢算法的原理对物流配送和逆向物流的过程进行了讨论,并对该配送网络进行了相关性能的分析。通过调节相关参数,给出了相应的物流优化配送路径。通过对物流网络的分析表明：在人工代谢算法下,物流网络的配送效率得到了较大提高。网络负荷的均衡性得到了很大改善。     

球磨机性能预测模型的研究与应用

基于模型的计算机仿真有助于磨机回路的优化,模型的校正和参数的获得需要对实际系统进行实验以获得数据,但对于球磨机这样一个大型设备这需要相当多的样本并且成本昂贵.为解决这个问题,JKMRC用小型实验室磨机的测试结果校准数学模型用以预测大型磨机的性能.本文对此模型进行了介绍,并对模型中的功耗部分进行了改进,将最新的功耗研究成果成功融入JKMRC模型.最后将两个模型针对现场数据的仿真结果进行了对比和验证,结果表明改进模型能够更加精确的预测磨机性能.     

基于时序关联矩阵的高炉冶炼过程多重关联时延估计方法

高炉冶炼过程由炉料传输反应时间和冶炼单元在空间和时间分布上的差异带来的变量时延影响了数据的准确性和真实因果关系,因此有效地估计过程变量间的时延信息,并在时序上配准数据,是后续过程建模、优化控制与性能评估的核心.考虑到变量间时延的多重关联性,提出了一种基于时序关联矩阵的时延参数估计方法.首先,根据过程变量的时延参数在时空上重构对应的时序关联矩阵,并引入灰色关联分析量化时序矩阵的多重关联相关性;接着,考虑到穷举所有时序关联矩阵的时间复杂度,提出了一种双尺度协同搜索策略的动态多群粒子群算法用于快速寻找最优的时延参数,提出的粒子群算法能兼顾全局探索能力和局部探测能力并跳出局部最优解;最后,基于一个数值仿真和某钢铁厂2#高炉的工业实验验证了所提时延参数估计方法的可行性和有效性,且通过所提方法在时序上重构的数据能有效提高后续硅含量软测量模型性能.