基于雷达的高炉料线形状融合测量与补偿算法

不采用传统接触力模型自下而上的高炉料面形状计算方法,而是根据土坡力学颗粒物质堆积理论,提出了新的基于堆积法的高炉料线形状融合计算方法,直接对料面形状进行计算.围绕高炉多环布料的炉料堆积特点,结合炉顶六点阵列雷达,获得了料面形状计算的边界条件,弥补了传统料型计算靠十字测温加机械探尺的经验估算.新方法通过高炉布料规律及炉料颗粒的物理堆积插值方法,采用贝叶斯数据融合方法和分段三次Hermite插值,结合布料体积约束条件,完成了理论计算与测量修正的结合.实测结果表明:料面形状融合法比传统单独的料面估算法,测量精度提高4.8%,料面分辨率提高27.2%,使布料控制可以更加精准和有针对性.      

基于模糊粒度计算的文本聚类研究

典型的文本聚类算法是一种硬划分,但是实际上由于中文文本的多样性和大量性更适合进行软划分,模糊集理论的提出为这种软划分提供了有力的分析工具。传统的模糊聚类方法大都是通过对隶属度的矩阵逐步迭代得到模糊等价矩阵或模糊划分的方法实现聚类,这个过程需要大量的存储空间。基于模糊粒度计算的文本聚类算法是在文档集合的模糊粒度空间上给定一个归一化的距离函数d（d_i,d_j）,对距离小于粒度d_λ的文本进行动态聚类。通过实验证明此方法在解决文本聚类问题时具有降低计算复杂度和空间复杂度,适于大量文本的聚类处理。     

串罐式无钟高炉炉顶炉料运动的离散元分析

建立了串罐式无钟炉顶装料系统全模型,应用离散单元法对炉料从皮带到炉喉运动的全过程进行数值计算,考察了皮带上上下料罐内的粒度偏析,对比了料罐内是否安装石盒对料罐内炉料分布、料罐装料和卸料时炉料运动及布料时料流粒度变化的影响. 结果表明,皮带上小颗粒向料层下部渗透,皮带末端料层下部平均粒度比上部小. 炉料沿上料罐周向、径向和纵向存在粒度偏析;沿下料罐径向和纵向存在粒度偏析,周向上分布较均匀,相对粒度变化的标准差为0.03. 料罐内安装石盒对周向和纵向粒度分布影响较小,石盒附近小颗粒渗透影响径向粒度分布,料面基本水平,料罐卸料呈活塞流;无石盒时料面形成堆尖,料罐卸料呈漏斗流. 布料时料流粒度变化受料罐内料流运动和炉料分布影响,料罐内不安装石盒时料流粒度变化的标准差为7.15,安装石盒时为10.42,料流粒度变化更明显.     

模糊C均值聚类算法在高炉料面分类中的应用

通过对多雷达扫描得到的高炉料面进行数据处理,根据数据的特征,分别采用模糊C均值聚类和特征加权模糊C均值聚类算法对料面数据进行分类,建立标准料面模型库.再通过模糊模式识别中贴近度的方法把待分类的目标料面与模型库相匹配,为后续的布料控制提供依据.该算法在某2500 m3高炉上进行了实验,取得良好的效果.仿真结果表明了其有效性.      

基于多点雷达和最小二乘法估计高炉料面形状

利用多点雷达数据,使用最小二乘法对高炉的料面形状进行估计.首先,采用三段曲线描述料面形状,其中包括两段直线一段二次曲线.其次,利用炉料分布规律对三段曲线的具体参数进行约束,使得料面形状的估计更为合理.然后,利用多点雷达数据和最小二乘法估计料面形状,实现料面的实时动态显示.利用某钢厂的实际雷达测量数据,证实了该方法的有效性.      

多变量自校正控制计算机辅助设计及其应用

本文首先介绍了最小方差型和极点配置型的六种多变量自校正控制算法并进行了比较研究,给出了选择自校正控制算法的参考意见。然后介绍了包含这六种算法在内的多变量自适应控制系统计算机辅助设计软件包的设计思想、程序结构、功能和特点以及在罩式退火炉微型计算机温控系统这一工程项目中的应用情况。     

一种基于粒子群参数优化的改进蚁群算法

蚁群算法是一种应用广泛、性能优良的智能优化算法,其求解效果与参数选取息息相关.鉴于此,针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出一种新的解决方案.该方案给出一种全局异步与精英策略相结合的信息素更新方式,且通过大量统计实验可以在较大程度上减少蚁群算法被粒子群算法调用一次所需的迭代代数.仿真实验表明,所提出算法在求解较大规模旅行商问题时具有明显的速度优势.     

禁忌免疫网络算法及其在函数优化中的应用

基于人工免疫网络算法（aiNet）,借鉴禁忌搜索算法的机制,提出一种禁忌人工免疫网络算法（TS-aiNet）.在算法中引入禁忌表,禁忌那些在网络迭代中亲和度不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态,增加一个记忆表,用于保存成熟的记忆细胞,改进了高斯变异方式,以保证多样化的有效搜索.通过对多个典型系统仿真分析该方法的收敛性,并与克隆选择算法和aiNet算法进行比较分析.结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

一种引入通信的多移动机器人编队方法*

提出以视觉跟踪为基础并引入通信进行多机器人的编队控制方法,根据需要编写了一种新的通信协议,采用闭环l-Φ实现编队算法.这种多机器人编队控制避免了视觉系统的局限,能够更好地在复杂未知环境中协作完成任务,解决了编队控制的无反馈和实时性不高的问题,使得机器人能够准确迅速地进行跟踪和通信编队,一起顺利达到目标点.试验结果证明了该方法的有效性.