基于OPNET Simulator的低压电力线载波通信路由算法仿真

为了提高低压电力线载波通信的可靠性,以基于传输矩阵的动态路由算法为例,探讨基于OPNET Simulator的低压电力线载波通信路由算法。探讨数据帧设计、进程建模、节点建模和网络结构建模的方法,由仿真结果可以分别确定创建传输矩阵所需时间与传输速率和节点数量之间的关系。     

基于决策树的三组元精馏序列结构最优合成规则识别

针对三组元精馏系统结构的优化合成,提出一种数据驱动的基于信息熵最小化的分类回归决策树（CART）模型。三组元精馏优化数据采用文献中严格模拟优化的结果,数据包含4种三组元混合物、34种进料组成以及7个候选精馏序列结构的最优化设计结果,生成数据集用来训练CART决策树。由决策树训练结果给出了三组元精馏结构最优设计决策规则,模型测试结果显示本文提出的决策树模型对数据集范围内三组元物系精馏结构决策的准确率为88.2%,同时表明了影响三组元最优精馏序列的主要影响因素及其重要性。     

基于kNN算法的智能电网5G海量接入数据异常检测

为了更好适应智能电网高维数据异常识别,提出了一种加权kNN数据异常值检测识别方法,该方法使用Z阶曲线来识别kNN。利用Z阶曲线,提出了一种加权kNN异常数据检测方法。用信息熵衡量所有属性的重要性,用Z阶曲线对高维数据进行编码并映射为Z值。实验结果表明,智能电网集群计算节点的数量越多,算法的运行速度就越短。发电数据异常检测准确率达到最高99.2%,较随机森林算法提高8.165%。且kNN算法的运行时间均优于随机森林算法运行时间,最小算法运行时间为4 s,进一步表明kNN算法可有效检测智能电网5G海量接入数据。     

变压器绝缘老化状态评估方法研究

针对传统拉曼老化模型对变压器绝缘老化状态评估准确率的问题,提出一种基于多维缩放（MDS）算法的特征降维结合改进BP神经网络的老化评估方法。首先以在250 mW激光功率、0.5s积分时间环境下获取的拉曼光谱作为数据来源,然后对该数据进行预处理和多维缩放降维,提取主要特征成分,最后通过改进BP神经网络进行变压器老化状态评估。结果表明,在10:1和15:1的单一油纸样本中,本模型的评估准确率分别为97.7%、98.3%;混合油纸样本中,模型评估准确率为96.4%。且相较于糠醛判别方法,本模型的判别结果与聚合度判别结果更为接近。由此说明,采用本模型可实现不同变压器油纸状态下的拉曼光谱老化评估,很大程度上提升了变压器老化状态的评估准确率,进一步验证了本模型的可靠性和准确性。     

基于信息熵的油田注水管网系统的可靠性分析

基于信息熵的概念提出了管段熵和节点熵并且应用于油田注水管网。管段熵量度当管网中包括该管段在内的任意管段破裂时通过该管段的流量的不确定性,节点熵量度的是当管网中任意的一条管段断开时该节点的压力的不确定性。最大熵反映实际工况下系统实现其最佳潜力的能力,反映系统的可靠性。通过对于整个系统信息熵的分析,合理的改造管网结构,提高系统可靠性。     

改进多智能体蚁群算法在电力系统无功优化中的应用

提出利用一种改进的优化算法——多智能体蚁群算法来实现电力系统无功优化,其主要思想是将基于排序加权的蚁群算法加以改进,并与多智能体系统结合,构建多智能体蚁群算法,并应用到电力系统中。该算法提高了收敛速度和计算准确度,而且有效地避免了提早陷入局部极优值,较快地收敛到全局最优解。将该算法应用在IEEE30节点系统上进行无功优化,仿真结果验证此算法的可靠性和有效性。     

基于Dragon描述符与改进的决策树-遗传算法的反应溶剂设计方法

反应溶剂被广泛应用于液-液均相有机合成中,能够大幅度提高反应速率与选择性,有助于绿色合成新工艺路线的开发。提出了一种基于Dragon描述符与SMILES (simplified molecular-input line-entry system)编码的计算机辅助(computer-aided molecular design, CAMD)反应溶剂设计方法。首先,利用决策树-遗传算法构建可定量预测反应速率常数k的反应动力学模型;基于构建的反应动力学模型,提出了集成决策树-遗传算法与CAMD设计方法,通过SMILES分子编码算法生成同分异构体,并利用Dragon软件计算描述符大小,建立由目标函数与约束方程组成的混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型,进一步采用分解算法对模型进行优化求解,从而实现反应溶剂设计目标;最后,以Diels-Alder反应为例,验证了该方法的可行性与有效性。     

基于无向加权的智能用电指挥系统重要节点检测技术研究

针对智能用电指挥信息运维系统网络易遭受网络攻击威胁。研究建立无向加权网络度量模型,并与非凸二次规划模型相结合,进一步提高计算复杂度与节点距离,以提高节点检测效率。试验结果表明,与随机森林算法相比,所提出算法显著改变系统节点检测的算法复杂度。迭代次数500次及1 000次时,无向加权网络模型算法的容错率较高,最大容错率分别为65%、71%,可以有效检测智能用电指挥信息运维系统节点。当节点距离大于60时,对算法准确率影响较小,而运行时间也随节点距离增加而不断增加,因此建议节点距离控制在50～60之间,以满足智能用电指挥信息运维系统节点检测准确率。     

气田地面集输管网参数优化设计

气田集输管网参数优选是气田地面工程规划设计的关键,开展集输管网参数优化可以有效降低集气系统投资。针对气田常用管网结构和工艺流程,考虑伴热带传热对于管道工艺计算的影响,建立了以管网建设费用最小为目标,以温压平衡、经济流速、节点流量平衡等为约束条件的气田集输管网参数优化数学模型,根据模型的结构特点设计了粒子群智能求解算法,结合C#语言和Access数据库开发了优化设计软件。实例验证得出,模型及算法正确,粒子群求解算法可靠性和收敛性良好,优化软件稳定高效。     

基于负载均衡的Kubernetes改进优化算法研究

为了改善Kubernetes资源调度算法的负载均衡性，针对传统的Kubernetes默认调度算法只考虑了节点的CPU利用率和内存利用率，未考虑磁盘IO利用率和网络带宽利用率的问题，提出一种基于鸽群算法的Kubernetes资源调度算法。选择CPU、内存、磁盘IO和网络带宽平均资源利用率标准差作为适应度函数，通过鸽群算法的调度分配实现资源的最佳分配。研究结果表明，PIO-Kubernetes算法提高了集群负载能力，并且具有更强的并行处理能力。     

改进鲸鱼算法在桁架结构优化中的应用

针对鲸鱼算法(WOA)在面对桁架结构优化问题上容易陷入局部最优和收敛精度低的缺点,在原始鲸鱼算法的基础上,引入信息熵,提出了信息熵的改进鲸鱼优化算法。信息熵本身是一种不确定的度量,利用信息熵在路径选择时调控鲸鱼搜索的范围,克服基本鲸鱼优化算法的不足,使算法的全局收敛速度得到提高。选取了2个经典的桁架结构优化问题进行求解并与其他算法对比,结果表明:基于信息熵改进的鲸鱼算法在桁架结构优化设计中优于其他算法,运行更少的迭代次数达到目标函数。     

基于高斯过程回归的注塑质量多目标优化方法

以车灯导光条为研究对象,建立有限元仿真模型,利用高斯过程回归与人工神经网络建立代理模型,并以此作为多目标遗传算法寻优的适应度函数.结果表明:基于代理模型的多目标优化方法可有效快速地获得较佳的成型工艺参数组合;相比人工神经网络算法,高斯过程回归算法更适合小样本复杂数据.研究得到的最佳工艺参数组合为:注射时间2.3 s,熔...     

InTouch在无线超滤监控系统中的应用

设计了基于西门子S7-300和组态软件InTouch的上位机监控系统,同时为了便于评估新的基于无线传感器网络的控制系统与传统工业网络控制系统的优劣,使用FSGateWay构建OPC通信平台使两上位机通信获取所需数据,并实现历史数据的存储。经数据分析证实了无线传感器网络在控制系统中信息传输的可靠性。     

InTouch Application in Ultrafiltration Wireless Monitoring System

设计了基于西门子S7-300和组态软件InTouch的上位机监控系统,同时为了便于评估新的基于无线传感器网络的控制系统与传统工业网络控制系统的优劣,使用FSGateWay构建OPC通信平台使两上位机通信获取所需数据,并实现历史数据的存储.经数据分析证实了无线传感器网络在控制系统中信息传输的可靠性.     

基于多模型智能组合算法的锅炉炉膛温度建模

炉膛温度是表征锅炉燃烧状态的重要参数,但是影响炉膛温度的参数多、机理复杂,导致难以建立准确的预测模型。针对这一问题,提出一种多模型智能组合算法(multi-model intelligent combination algorithm, MICA)实现对炉膛温度的建模预测。首先,对实际运行生产数据进行小波降噪,并结合机理分析和分类回归树（classification and regression tree,CART）算法选取预测模型输入参数。然后,通过多种数据驱动方法构建锅炉炉膛温度预测模型。最后,采用决策树C4.5算法建立多模型智能组合预测模型。基于实际生产数据的实验结果表明,所提出算法能够建立准确的炉膛温度预测模型。     

基于软测量的设备异常识别技术研究

针用各类传感器监测系统运行过程中的异常是企业常用方法,但由于技术障碍或成本原因已无法满足工厂在复杂环境下对设备运行稳定性、可靠性更高的要求。设备异常识别技术作为智能制造的重要技术组成部分,已成为设备异常识别的研究热点。本文通过引入软测量的技术,基于企业工艺数据、设备运行机电数据、过程实时数据等,结合数据管理、软测量模型建立和异常结果发布等相关技术,设计了设备异常识别系统模型。在实例分析中,采用GA-BP算法实现了设备状态的实时监测以及异常识别,验证了软测量技术在设备异常识别系统中算法实现的可行性。     

基于智能优化算法的软测量模型建模样本优选及应用

根据目标工况合理选择训练样本,是建立软测量模型的关键。传统的训练集样本选择方法难以充分利用因变量信息,而且难以综合考虑样本对模型的影响。为了解决上述问题,本文提出一种基于智能优化算法的训练集样本选择模型,定义了损失函数和样本压缩率,通过权重因子将二者融合为多目标适应度函数,可调整优化算法的寻优方向,使算法能够同时对建模样本组合结构与样本数量寻优,因此极大提高了所选建模样本的质量。为了验证方法的有效性,以汽油调和过程中采集的汽油近红外光谱-研究法辛烷值数据以及柴油近红外基准数据为例,与偏最小二乘、局部权重偏最小二乘等多种方法进行了比较研究,并分析了建模样本对软测量模型的影响。结果表明,本文方法在大规模降低训练集样本规模的同时能够保证软测量模型的精度和泛化性,非常适合工业应用。     

基于模糊评判技术的储备资源优化模型及仿真试验

在市场需要导向下,为提升电力企业管理培训评估效果,设计基于模糊综合评判技术下电力营销优化配置模型评估方法,有效评估培训课程质量。利用数据库搜集电力营销企业管理相关资料;通过数据访问层采集与存储培训评估相关的数据;业务实体层利用系统管理模块根据存储的数据构建评估指标体系,培训评估管理技术模块依据指标体系通过模糊综合评判方法完成培训评估,按照欧式距离定义指标权重分配方案选择方法,获取最佳指标权重;通过外观和规则层控制不同级别用户查看评估结果权限,由用户界面层为用户呈现评估结果。实验表明,该系统可有效提升企业管理培训评估效果。     

智能轮胎的垂向力预测应用研究

选用MEMS加速度传感器搭建智能轮胎的硬件测试系统,并利用该系统实现对轮胎垂向力的预测。为了获取各种工况下的智能轮胎传感器数据,同时对预测算法进行验证,分别进行了转鼓台架试验和实车试验。结果表明,基于智能轮胎的垂向力预测算法具有较高的精度,可以满足工程应用要求。     

余热锅炉单相受热面动态建模与模型参数优化

作为余热利用环节中最重要的部分,余热锅炉的启动、变工况运行和停机特性直接决定锅炉的寿命及效率。基于工质热力学性质和质量、动量及能量守恒方程,以Matlab/Simulink为平台,构建了余热锅炉单相受热面的动态仿真模型。结合某水泥厂自主设计的直流余热锅炉实验数据,基于遗传算法和粒子群算法,对动态模型进行了参数优化。结果表明,经过优化后,余热锅炉动态模型与实验数据匹配程度高,模拟与实验结果的误差为0.93%~4.39%。因此,本文所建立的单相受热面变工况动态模型可以准确反映余热锅炉受热面动态特性。两种算法的对比表明,粒子群算法适应度函数收敛更优;在收敛迭代次数上,粒子群算法在54~64代达到收敛,遗传算法在93代后达到收敛。粒子群算法在参数优化方面优于遗传算法。