修正的HS谱共轭梯度方法

本文研究了无约束全局优化问题的求解问题,结合谱梯度算法的优点给出了一类求解该问题的HS谱共轭梯度算法.在这类算法中我们利用非精确的线搜索,得到了一些算例,并给出了计算结果和典型算法的一些比较.     

各向异性外问题的有限元并行Schwarz算法

对于无界区域各向异性常数系数椭圆型偏微分方程研究了一种有限元并行Schwarz算法.基于Dryja和Widlund的子结构思想,借助于共轭梯度法实现其计算并行,并得出有限元并行Schwarz算法收敛到有限元解.最后,再通过Lions投影在变权因子下改进了并行Schwarz算法并分析了其收敛性.     

面向物联网业务绿色接入的异构蜂窝网络优化

物联网是未来赛博使能业务的重要支撑平台。蜂窝网络则被认为是广泛分布在部署区域中的物联网终端数据接入的主要渠道，尤其在广域覆盖方面具有难以替代的价值。在满足覆盖要求的条件下，降低蜂窝网络基站的下行发射功率在绿色通信方面具有重要的研究意义。由此提出了一种基于优化目标平滑近似和均方根传播策略的梯度下降算法，在满足物联网业务覆盖率的条件下最小化基站的总下行发射功率。首先，使用罚函数方法将复杂约束条件的异构蜂窝网络优化问题转化为简单约束形式的优化问题；其次，将不可导的目标函数通过平滑近似转化为可导形式，并给出其对天线下倾角和下行功率参数的梯度解析形式；最后，使用均方根传播梯度下降算法进行转化后的目标函数优化。仿真实验结果表明该算法可以在满足覆盖率指标的条件下最小化基站的总下行发射功率，与现有元启发算法和普通梯度下降算法相比，具有良好的收敛速度，并能更好地抑制优化过程中振荡。      

烧结配料智能优化方法探讨

针对烧结配料的优化问题,由物理模型得出数学模型,探讨了数学模型的求解方法.根据线性规划法、蒙特卡洛法和遗传算法各自的特点,通过改变约束条件后对比、分析求解结果,分别从最优解精度、约束条件、应用范围以及求解效率四个方面进行对比.重点分析了遗传算法的惩罚函数,提出了按照优先级处理约束条件的新方法,指出了遗传算法在配料优化中的潜在应用价值.     

中厚板四辊轧机机架优化设计的遗传算法

针对中厚板四辊轧机机架以刚度为目标函数的优化问题,提出用遗传算法进行优化设计。用上、下横梁的高度和厚度、立柱的宽度和厚度及窗口的宽度和高度组成一个种群进行编码、繁殖、交叉等操作,并在计算机上实现编程运算。通过与用惩罚函数法所获得的最优解的比较,表明该算法在本优化设计中的有效性。     

退火炉内罩中气体流动及钢卷传热的数值模拟

摘要：轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini batch策略的Adam优化算法进行参数寻优,采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。     

基于热损失率目标的板坯连铸凝固传热过程多目标优化

基于构形理论,以板坯热损失率、表面温度梯度、矫直点表面温度、表面极限温度和液芯长度组成的惩罚函数为优化目标,在二冷总供水流量一定的条件下对板坯连铸凝固传热过程进行优化,得到二冷区各区段最佳水量分配比,分析水量分配比、二冷总供水流量和拉坯速度对复合函数(板坯热损失率和表面温度梯度的线性加权函数)、热损失率目标、表面温度梯度目标和板坯表面温度的影响。结果表明:与初始水量分配比结果相比,水量分配比优化后的复合函数、热损失率目标和表面温度梯度目标分别降低35.04%,2.14%和59.48%;优化后的二冷区出口温度和空冷区末端温度分别提高6.79%和1.59%。最佳水量分配比方案在提高板坯蓄能的同时也提高了板坯的质量。     

基于深度学习的热连轧轧制力预测

轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini-batch策略的Adam优化算法进行参数寻优,采用Early-stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。     

基于深度学习的热连轧轧制力预测

摘要：轧制力预报一直是热连轧过程控制模型的核心，浅层神经网络对复杂函数的表示能力有限，而深度学习模型通过学习一种深层非线性网络结构，实现复杂函数逼近。利用深度学习框架TensorFlow，构建了一种深度前馈神经网络轧制力模型，采用BP算法计算网络损失函数的梯度，运用融入Mini batch策略的Adam优化算法进行参数寻优，采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略，针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验，对比分析了4种不同结构的前馈网络预测精度。结果表明，相比于传统SIMS轧制力模型，深度神经网络可实现轧制力的高精度预测，针对所有机架的预测精度平均提升21.11%。     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.      

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度.     

DYMBAL系统的研究及其应用

介绍了用于大冶铁矿物料平衡计算的DYMBAL软件系统。根据所建立的平衡约束条件及目标函数,利用共轭方向算法并结合Lagrange乘子法对产率进行优化,调整各测定值使目标函数值最小。实际应用表明DYMBAL系统计算结果可靠,可用于现有生产流程的物料平衡计算。     

综合等负荷函数法在中厚板规程分配中的应用

基于综合等负荷函数法及中厚板轧制的特点，用两层迭代算法来分配中厚板轧制规程。外层对总轧制道次数进行迭代求解，内层采用二分法对综合负荷函数值差别最大的两个道次进行调整。该算法克服了综合等负荷函数法在中厚板轧制中应用的主要障碍，适用于实时中厚板轧制过程控制系统。     

嵌入式冶金系统下数据结构优化存储设计

通过优化冶金控制系统的数据存储算法,提高冶金系统的控制性能和吞吐性能。传统方法对嵌入式冶金系统下数据结构优化存储方法采用K-L特征压缩方法,随着冶金控制数据的高负荷增长,数据存储的开销较大,冶金控制性能不好。提出一种基于最佳基函数自适应匹配的嵌入式冶金系统下数据结构优化存储算法。进行了嵌入式冶金系统的数据存储模型分析,采用匹配投影法进行存储开销负载量的降维处理,基于最佳基函数自适应匹配搜索最佳的存储空间投影基,实现数据结构优化存储。仿真结果表明,采用该算法能有效节省了数据存储开销,提高了数据存储空间,提高了嵌入式冶金系统的控制能力和数据交互存储能力     

基于过程神经网络的步态模式自动分类

为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式下时序加速度信号的自动分类.同时,针对传统梯度下降法难于收敛和局部极小等问题,提出采用粒子群优化算法对网络的权函数和权系数进行学习.实验证明了该方案的正确性和有效性.     

关于条件极值的两点思考

认为现行高等数学教材关于多元函数条件极值的处理存在值得商榷之处.实例分析多元函数条件极值的拉格朗日乘数法和代人法.指出它们都必须受条件函数梯度非零的限制.利用已知目标函数和条件函数的一阶、二阶偏导数可以判定拉格朗日乘数法所得出的可能极值点处是取极大值还是极小值.由此可得判定条件极值的一个充分条件.     

基于传热反问题的高炉炉衬单层侵蚀模型

基于传热反问题,建立了高炉炉衬侵蚀过程的数学模型,确定了模型的边界条件,并采用共轭梯度法将反问题分解为三个问题:正问题、灵敏度问题和伴随问题进行求解.通过不同形状函数的反演结果证明了其可行性,并分别研究初始猜测形状曲线、测点数等对反演结果的影响.研究结果表明,初始猜测曲线的选取对反演结果影响很小,充分说明该方法不受初始猜测曲线的限制,具有较好的通用性.而测点数的选取对反演结果有一定的影响,测点数越多,曲线特征被捕捉的越好.但在保证得到曲线特征的前提下,较少的测点数也能得到比较满意的反演结果,平均相对误差控制在3%以内.      

基于粒子群算法的冷连轧张力优化计算

针对冷连轧机高速轧制过程中带钢容易发生打滑的现象,分析了这种打滑现象的物理过程,建立了打滑因子的数学模型,用来表征打滑现象发生的概率。应用该模型研究了基于粒子群优化算法的冷连轧机架间张力优化算法。采用某钢厂现场轧制数据进行了优化算法的仿真试验,结果表明,经过优化后的打滑因子明显减小,打滑现象发生的概率显著降低,通过张力的优化可以很好地控制打滑现象的发生。     

PC轧机机座的优化设计

对PC轧机机座进行了优化设计,建立了以机座弹跳值与机架重量的加权和最小为目标函数,包括7个设计变量,22个约束条件的优化设计数学模型.利用惩罚函数法进行了计算,得出了最优的设计方案,该方案与原设计相比,机座重量减少23.566%,机座弹跳值降低6.348%.     

综合等负荷函数法的逆向算法

讨论了“综合等负荷函数法”的改进,将原有正向迭,改为温度－厚度的正反向交叉迭代,并通过在迭代中过程中人为增加负荷余量和采用新的迭代参数,极大地改善了目标函数性态和算法的稳定性,为该方法的实时在线应用奠定了坚实的基础。