基于同步扰动随机逼近的混合萤火虫算法

针对标准萤火虫算法(FA)中存在的种群过早收敛、容易陷入局部最优等不足,提出一种以memetic算法为框架、将同步扰动随机逼近和萤火虫算法相结合的混合算法(FA-SPSA),即首先使用萤火虫算法对种群进行全局寻优,然后使用同步扰动随机逼近算法对选出的部分最优个体进行局部搜索,从而增强萤火虫算法跳出局部最优解的能力。通过6个标准测试函数对FA-SPSA算法的性能进行检验,并与标准萤火虫算法、果蝇算法、改进的果蝇算法等其他4种算法进行比较,结果表明,FA-SPSA算法在寻优精度、收敛速度、鲁棒性等方面的性能总体上优于对比算法。     

一种基于规则推理的电熔镁炉智能控制系统

传统的电熔镁炉熔炼过程人工控制方法存在生产过程中能源消耗大、产品品位低、工人劳动强度高等不足.针对上述情况,提出了利用工业现场人工操作经验总结出的控制规则与相关控制理论相结合对电熔镁炉熔炼过程进行自动控制的方法,并使用该方法设计了一种基于规则推理的电熔镁炉智能控制系统,包括电流预设定模型、电流偏差阈值自学习模型和电流平衡调节补偿模型等协调控制电动机.该系统成功应用于国内某电熔镁砂厂,取得了良好的应用效果.     

基于同时扰动随机逼近的“动中通”步进跟踪算法

为了提高动中通系统的跟踪性能,在对动中通系统特性分析的基础上,借鉴参数优化的思想和方法提出了一种基于同时扰动随机逼近的步进跟踪算法,算法的核心思想是利用高效的同时扰动技术对跟踪的梯度进行估计,而且算法仅利用带噪声的信号强度的测量值对梯度进行估计。该算法能够同时驱动天线波束在方位面和俯仰面以接收信号的最陡上升方向即梯度方向跟踪目标卫星。计算机模拟分析结果表明该算法不仅是有效的,而且具有较强的鲁棒性。     

基于神经网络算法的电熔镁控制硬件系统设计

电熔镁炉是一个具有较强非线性、时变性和强耦合性的被控对象,目前普遍采用的是两点式单电极调节方式。本文针对提出的基于神经网络控制思想的电熔镁控制系统进行了硬件系统设计,完成了三相统筹和集散控制硬件平台架构。     

基于信息融合的电熔镁炉熔炼异常工况等级识别

采用多源信息融合思想,提出了电熔镁炉加热熔化异常工况等级的识别方法.在分析加热熔化过程各种异常工况的基础上,提取电流、图像和声音信号特征进行同步序列化和归一化处理,根据各种异常工况的特点选取不同特征,建立了基于支持向量机的轻微半熔化和严重过加热工况识别模型、基于规则推理的中度半熔化和严重半熔化工况识别模型和基于决策树支持向量机的轻微过加热和中度过加热工况识别模型.仿真结果表明,本文方法实现了对半熔化和过加热工况异常等级的有效识别.     

随机扰动下混合时滞混沌系统自适应同步

基于自适应同步原理,同时考虑系统内部参数不确定性和系统外部随机扰动,研究了一类具有混合时变时滞的混沌神经网络的同步问题.利用随机微分方程理论,lyapunov稳定性理论和线性矩阵不等式(LMI)的方法,设计自适应控制器.研究表明本方法能有效地克服干扰对同步所造成的破坏,实现良好的同步效果.最后,数据仿真证明了所给方法的有效性.     

基于改进主观贝叶斯方法识别电熔镁炉异常工况

电熔镁炉熔炼过程信息包含大量的不确定性,基于大数据分析的方法难以应用.为准确识别电熔镁炉熔炼过程的异常工况,提出一种基于改进的主观贝叶斯在线规则推理方法.传统的主观贝叶斯方法参数赋值范围过大,针对这一问题,使用映射函数将参数赋值范围缩小到有限区间,以提高方法的实用性.在规则推理时,使用模糊隶属度函数对观察和证据进行模糊...     

基于非线性共轭梯度的同时扰动随机逼近方法

为了消除黑塞矩阵和步长因子的影响,利用非线性共轭梯度算法计算搜索方向,在混合非线性共轭梯度算法的作用下保证了每次搜索均为下降方向;利用非精确线搜索方法改进SPSA步长计算方法,通过与下降的搜索方向结合,保证了每次迭代时目标函数值的减小,加快了收敛速度.将改进的SPSA算法用于异步电机再励学习系统中,仿真结果证明了其可行性和优越性.     

随机Sprott-F混沌系统的有限时间同步

讨论了随机受扰的Sprott-F混沌系统的有限时间稳定性问题.首先构造了随机受扰的混沌Sprott-F驱动—响应系统模型,接着基于有限时间lyapunov稳定性定理、It8公式和相关假设条件,设计了合适的非线性反馈控制器,通过理论证明了受扰的Sprott-F驱动-响应系统的有限时间稳定性结论.最后利用数值模拟验证了本文所给结论的正确性和所设计的非线性反馈控制器的有效性.     

随机扰动下系统的稳定性问题

主要讨论了了无穷维空间中关于柱布朗运动的随机发展系统的稳定性问题，将Ｈｉｂｅｒｔ空间上的随机发展方程ｄＸｔ＝ＡＸｔｄｔ＋Ｇ（Ｘｔ）ｄＢｔ看作方程ｄＸｔ＝ＡＸｔｄｔ在随机扰动下的动力系统并讨论其解的稳定问题，即所谓的随机动下的系统稳定问题，主要结果有在加有限制的Ｇ（ｘ）的线性增长条件下，较直接得到其发展解的指数稳定性；利用一个积分不等式削弱关于Ｇ（ｘ）的线性增长条件，得到其Ｌ＾２－连续发展解的指数稳     

浮选过程混合智能优化设定控制方法

浮选过程关键工艺指标精矿品位和尾矿品位难于在线测量,且与控制回路输出之间的动态特性具有如下综合复杂性:强非线性、强耦合,难以用精确的数学模型描述,随生产边界条件而变化,因此采用传统的基于数学模型的优化控制方法难以保证品位指标在合格的范围内.通过将基于案例推理的预设定模型与基于RBF神经网络的软测量模型以及基于规则推理的前馈、反馈补偿模型相结合,实现了在工况发生变化时对磁铁矿浮选过程设定值的优化控制.该方法成功应用于某选矿厂浮选过程,应用效果表明了该方法的有效性.     

一种基于BP算法的融合神经网络

针对水电仿真系统水机温度建模中存在非线性动态数学模型问题,提出了一种采用融合神经网络的温度模型·并且为消除应用中神经网络训练速度慢、容易陷入局部极值的影响,采用了可变学习速度的VLBP算法作为更新网络梯度和权值的算法·在该模型的实际应用中,首先设置多个传感器采集温度参数,然后使用采集数据对神经网络进行离线训练,而后使用训练完成的网络对水机温度参数进行实时在线预测·通过现场数据和网络预测数据的对比分析,证明该模型的实际准确率可达96 5%,可以满足实际仿真的要求·     

动态火焰图像分割及在电熔镁炉视频监控中的应用

火焰的颜色、亮度分布、形态变化规律在不同工况下均不相同,表现出多模态的特点;此外,背景环境的反光、气雾、粉尘等干扰使得目标区域和背景高度耦合,因此传统分割算法不能确保在多种工况下的准确性.本文提出将多元图像分析和人工经验相结合的火焰图像分割方法,通过主成分分析方法对图像降维、构造得分柱状图,进而分割出炉口火焰区域.将本文方法应用于电熔镁炉生产的视频监控中,结果验证了该方法的性能.     

电熔镁砂企业生产计划多目标优化

针对大部分电熔镁砂生产企业都是产能有限的小工厂，在销售旺季时会损失超过自身产能的订单；在销售淡季时又容易积压库存的问题，提出了基于需求预测的多目标生产计划优化方法.该方法利用基于季节性自回归求和移动平均（ARIMA）模型向前多步预测市场的需求量，并建立销量与库存累积量的多目标优化模型.设计了关键月度产量计划后推法求解模型得到了决策者满意的优化目标.对预测过程中存在的偏差，利用实时反馈得到的真实销售数据修正预测结果，进而调整优化模型，校正后期产量计划.实际应用效果证明，按所提方法得到的产量计划能够实时地反映市场需求的动态变化，并实现了库存与销量的多目标优化.
     

基于BP神经网络的智能控制器

研究一种新型的智能控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求,其主要特点是提供一个跟踪网络来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果．     

旋流器分级过程的智能控制

旋流器分级过程是二输入三输出系统,难以采用精确的数学模型描述,且存在强耦合、强非线性、边界条件变化频繁等特性.针对上述情况,提出了旋流器分级过程智能控制方法.该方法将建模与控制相集成,将PI控制、模糊控制与规则推理相结合,实现了基于模糊控制算法的泵池液位与旋流器给矿压力串级均匀控制,基于规则推理的异常液位控制,渣浆泵转...