排序方式: 共有108条查询结果,搜索用时 15 毫秒
31.
电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展.借助某电厂1000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机(LSSVM)模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优.结果表明:在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0.028%和2.16%,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导. 相似文献
32.
目的提高TA2钛合金的耐磨减摩性能,并研究添加WS_2对激光熔覆Ti/TiC耐磨复合涂层的影响。方法以Ti+TiC和Ti+TiC+WS_2两种复合粉末为预置原料,采用激光熔覆技术在TA2合金表面制备出两类复合涂层,并采用X射线衍射仪(XRD)、扫描电镜(SEM)、能谱仪(EDS)、硬度计和摩擦磨损试验机,系统地分析了添加WS_2前后涂层的物相、组织、显微硬度及摩擦学性能。结果 Ti+TiC复合粉末的激光熔覆涂层的主要物相包含α-Ti和TiC,涂层的显微硬度为1162HV0.5。WS_2添加后,涂层中生成了新增强相(Ti,W)C_(1-x)及自润滑相Ti2SC和少量的TiS,涂层的显微硬度为1052.3HV0.5,约为TA2基体(180HV0.5)的5倍;此外,涂层的磨损率由未添加WS_2时的5.38×10~(-5) mm~3/(N·m)上升到15.98×10-5 mm~3/(N·m),耐磨性能有所下降但仍远低于基体(磨损率为66.63×10~(-5)mm~3/(N·m)),同时摩擦系数显著下降,由之前的0.49下降到0.34;同时,Si_3N_4对磨球磨损表面光滑,没有明显塑性变形,其磨损机理为轻微的塑性变形和粘着磨损。结论添加WS_2的复合涂层相对于基体依然具有良好的耐磨性能,同时由于新生的自润滑相Ti_2SC、TiS的润滑效果,涂层表现出良好的自润滑耐磨性能。 相似文献
33.
基于虚拟DCS的激励式仿真系统分析与设计 总被引:6,自引:1,他引:5
设计了基于虚拟DCS的激励式仿真系统,分析了激励式仿真系统的特点,对激励式仿真模式与传统仿真模式进行了逻辑结构和功能比较,介绍了系统的软硬件组成和之间的对应关系以及软件开发中的主要技术环节,并在LN2000的基础上实现了激励式仿真系统的开发。 相似文献
34.
实时历史数据库是火电厂SIS系统的核心。因此,一个优秀的实时历史数据库对于火电厂的监控与监测有着重要的意义。实时历史数据库的测点信息容量大,不易操作,需要一个有效的机制来管理。Berkeley DB是一种嵌入式数据库,它轻便灵活,可伸缩,直接通过API函数操作。将Berkeley DB应用于实时历史数据库软件的开发,用于管理和操作测点信息,缩短了开发周期,提高了系统的稳定性和可靠性。实验结果显示取得了很好的效果。 相似文献
35.
分级聚类支持向量机在汽轮机故障诊断中的应用 总被引:10,自引:2,他引:10
在两类支持向量机的基础上,综合分级聚类和决策树的思想构造多类支持向量机,从而简化了分类器结构,减少了分类器数量,避免了拒绝分类区的出现,并加快了训练和识别速度。在小样本情况下对多类汽轮发电机组故障进行了诊断研究,结果表明该方法能够正确地对故障进行识别。 相似文献
36.
基于支持向量回归的时间序列预测 总被引:24,自引:2,他引:24
该文简要介绍了时间序列预测的研究状况以及支持向量回归的基本原理,将支持向量回归用于对Box-Jenkins煤气炉时间序列的预测,并同其他前馈网络——BP神经网络、自适应特征空间扩张神经网络进行比较,仿真结果表明,BP神经网络和自适应特征空间扩张神经网络在预测性能上比较接近,而支持向量回归在预测性能方面明显优于这两种方法,为进行模型辨识与建模研究奠定基础.文章最后分析了支持向量回归优于BP神经网络和自适应特征空间扩张神经网络的机理. 相似文献
37.
从控制角度看 ,造成工业对象难于控制的主要原因是对象的大滞后及模型的不确定性。一方面 ,由于大多数工业过程在不同程度上都存在着纯迟延 ,控制信号迟延一定时间后才能反映到被调量上 ,造成含有滞后环节的闭环控制系统存在较大的超调和较长的调节时间 ;另一方面 ,由于工业对象一般没有确定的模型 ,其对象特性与运行工况有较大关系 ,使得基于精确模型的控制算法难于应用到实际的生产过程中。为此 ,国内外许多学者对纯迟延对象的控制算法进行了大量的研究。 195 9年 ,O .J .Smith提出了著名的Smith预估控制器 ,从理论上解决了纯… 相似文献
38.
针对遥感图像中感兴趣目标特征不明显、背景信息复杂、小目标居多导致的目标检测精度较低的问题,本文提出了一种改进YOLOv5s的遥感图像目标检测算法(Swin-YOLOv5s)。首先,在骨干特征提取网络的卷积块中加入轻量级通道注意力结构,抑制无关信息的干扰;其次,在多尺度特征融合的基础上进行跨尺度连接和上下文信息加权操作来加强待检测目标的特征提取,将融合后的特征图组成新的特征金字塔;最后,在特征融合的过程中引入Swin Transformer网络结构和坐标注意力机制,进一步增强小目标的语义信息和全局感知能力。将本文提出的算法在DOTA数据集和RSOD数据集上进行消融实验,结果表明,本文提出的算法能够明显提高遥感图像目标检测的平均准确率。 相似文献
39.
为了有效解决输电线路多金具检测过程中存在的目标密集和目标间相互遮挡的问题,提出了融合外部知识的多目标解耦检测方法(external knowledge decoupling R-CNN, EKD R-CNN)。首先通过深入分析金具数据集的领域规则和图像信息,提取出共现和空间知识;然后使用图神经网络方法建立共现和空间知识推理模型,将外部知识进行实例化表达;最后使用解耦模块将金具检测任务以非耦合的方式进行训练和学习。在实验阶段,对具有14类金具的数据集,进行多种定性和定量实验。对比实验表明,EKD R-CNN的检测效果优于其他先进目标检测模型,与原有基线模型相比,准确率提高6.6%;定性实验表明算法能够解决目标遮挡的问题,实现密集目标的检测;消融实验表明,每种模块对模型的检测效果均有一定的提升。 相似文献
40.