排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
针对炼钢厂天车任务具有时序性、冲突性和不确定性的特点,提出一种基于贝叶斯公式的天车调度方法. 首先,解析炼钢厂内天车任务的产生规律,构建天车调度过程的贝叶斯网络;然后,计算各类天车任务产生的时空概率分布;最后,根据可用天车数量匹配运输任务,动态生成天车调度方案.基于天车调度仿真系统,利用某炼钢厂10900条实际的天车任务数据,对该天车调度方法测试表明,所提出方法可在规定时间内有效地完成所有天车任务;与人工调度方法相比,完成任务总时间、天车避让次数、由于天车避让导致额外的运输时间均明显减少.在提高 天车运行效率的同时,减少天车碰撞的安全风险. 相似文献
2.
为提高蒸汽管网仿真计算、辅助调度、故障诊断等理论的实用性,基于管网水力热力联合计算模型,提出了一种基于改进遗传算法的蒸汽管网压降系数辨识方法。实例验证表明,该方法有效提高了管网计算模型的计算精度,增强了其解决实际工程问题的能力,对提高企业节能效果、加快流程工业节能减排建设具有一定的指导意义。 相似文献
3.
蒸气管网是具有典型大时滞特点的非线性网络系统结构,提高管网运行预测能力,对管网的安全高效运行有很好的指导意义。贝叶斯神经网络具有良好的泛化能力和准确计算能力,在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。实例验证表明,模型计算结果和泛化能力均有良好表现,优于传统BP算法计算性能,可提高企业蒸气管网运行管理水平,对流程工业节能减排建设有一定的帮助。 相似文献
4.
5.
6.
研究了Keras深度学习框架下的BP神经网络在热轧带钢力学性能预测中的应用。首先采用主成分分析PCA对原始数据进行降维,再利用Keras深度学习框架下优化函数及参数对BP神经网络进行优化,最终建立原始化学成分和热轧生产工艺参数与带钢力学性能之间的关系。验证结果表明,模型取得了较高的预测精度,对于抗拉强度,预测值与实际值的相对误差绝对值在10%以内的样本占比93. 4%;对于屈服强度,预测值与实际值的相对误差绝对值在10%以内的样本占比92. 1%;对于伸长率,预测值与实际值的相对误差绝对值在10%以内的样本占比90. 5%。因此,通过验证,预测结果对热轧现场具有较好的指导意义。 相似文献
1