基于支持向量机的煤灰结渣特性判别

在研究燃煤煤灰成分与其结渣特性之间关系的基础上,提出了基于支持向量机算法的煤灰结渣特性判别模型。该模型将煤灰成分作为输入量,煤灰结渣特性作为输出量,并用离子群优化算法对支持向量机参数进行优化。最后用实测数据对模型进行校验,结果表明,基于支持向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法。支持向量机判别速度快,准确率高,有利于提高动力配煤经济性以及锅炉运行安全性。     

电站锅炉用煤常规结渣指标的模糊综合评判

运用常规结渣指标在判别电站锅炉用煤结渣特性时存在着较强的主观性,导致判别结果分歧较大.为此,提出了常规结渣指标的模糊综合评判方法,并将之用于8个煤种的结渣特性判别,所得评判结果与实际结渣状况相符.文中还强调了隶属函数的建立及权重集的选择对模糊综合评判的影响.     

多种模糊综合评判模型在燃煤结渣特性判别上的应用

应用模糊数学方法对燃煤结渣特性加以评判有助于提高判别准确率。本文主要探讨了四种模糊综合评判模型在燃煤结渣特性判别上的应用。在所示例子中，模型M（A，V）的准确率最高。     

电站燃煤结渣特性的模糊模式识别

目前国内外普遍采用的单一煤灰结渣特性指标分辨率较低,有时甚至出现按某一准则判别的结果与实际结渣程度相矛盾的情况。本文运用模糊数学的方法对电站燃煤的结渣特性进行了模式识别,用以综合判定燃煤的结渣性能,可作为锅炉运行和设计部门预测炉内结渣程度的依据。     

330MW燃煤机组燃烧内蒙西部煤结渣性能的分析研究

文章通过对内蒙西部达电用煤的研究，采用了RTSQ综合判别法对内蒙西部煤的结渣特性进行判别，提出了降低结渣程度的设计与运行措施。     

软计算方法在煤灰结渣特性评判中的应用

基于软计算理论,提出了一种煤灰结渣特性的神经-模糊评判模型。此模型来源于实际观测数据,可靠性高,能够更有效的判别锅炉炉膛结渣特性。     

层燃锅炉脱硫掺烧的结渣研究

层燃煤掺烧脱硫剂对炉排煤层结渣有重要影响,经过X射线衍射试验和差热分析试验,得出结渣的重要特性,同时对掺烧结渣的判别指数进行讨论。     

褐煤混煤结渣和NO_x排放特性试验研究

在一个容量为640MJ／h,配有独立的制粉系统和烟气取样分析系统的一维半工业的化热态试验台上,对革榻厂经常燃用的四种褐煤及春混煤的结渣和NOx排放特性进行了研究,焦渣比和灰熔点对混煤的结渣程度进行了判别,发现混煤的结渣特性与掺混煤种的结渣特性有很大的不同而NOx的生成量与煤种的氮含量基本呈线性关系。     

我国动力用煤结渣特性的试验研究

本文针对目前国内外推荐的结渣指数分辨率低、并不完全适用于我国煤种的实际情况,在国内近250个煤种的灰渣特性资科基础上,引用了最优分割数学模型对我国动力用煤的结渣指数进行了分割,并且结合用重力筛分、高温显微镜研究煤质结渣特性的实验方法,提出了适合我国煤种的新的判别方法。     

煤的结渣特性磁力分析的研究

从煤的物理特性研究煤灰结渣特性,煤中所含各类物质中,铁化合物具有最低的熔化温度,易在炉膛内燃烧中产生结焦。本文提出了一种根据磁铁对煤的磁力吸附百分比来判别不同煤种煤的结渣倾向的新方法,并对这种方法的机理和应用进行了深入分析。这种方法实现了煤的结渣特性的现场快速测量。     

基于粗糙集理论的火焰图像处理与状态识别

针对全炉膛火焰检测的主要问题,提出了一种基于粗糙集理论的火焰状态识别方法。该方法利用粗糙集理论的分类原则,得到火焰燃烧的高温区域,结合其它火焰图像的特征量,用基于粗糙集的知识决策系统建立火焰状态识别规则,构建全炉膛燃烧状态识别的基本模型,判断燃烧状态。由于决策表的简单属性表达,有利于操作人员的理解并为调整锅炉燃烧提供操作指导。现场试验表明,火焰图像的特征量与燃烧的好坏有密切关系。通过属性集的定量分类实现输出量的定性识别,系统状态识别准确可靠。     

扩展粗集模型在碾压混凝土坝变形分析中的应用

影响碾压混凝土坝变形的因素众多,影响程度也各不相同,为将扩展粗集模型应用到碾压混凝土坝变形分析中,以确定影响碾压混凝土坝变形的主要因素,提出扩展粗集模型在碾压混凝土坝变形中的计算步骤,并通过实例计算验证了该方法的有效可行性。     

基于粗糙集理论的旋转机械故障诊断方法

粗糙集理论是一种新的数据分析和处理方法，使用粗糙集理论可以对决策表进行简化，去除冗余属性。该文针对旋转机械故障诊断问题，计算旋转机械振动故障数据库中的频域征兆，使用粗糙集理论对其进行约简，根据约简的结果生成规则。利用得到的规则对故障样例进行诊断。结果表明：使用粗糙集理论可以在保留分类能力不变的前提下，去掉诊断中的不重要的要素，保留重要的要素，从而可以简化对诊断信息的需求。对故障样例的诊断结果也表明：得到的规则基本上是可信的。表5参8     

基于异构粗糙神经网络集成的故障诊断研究

将粗糙集与神经网络集成相结合,提出一种基于异构粗糙神经网络集成进行故障检测的方法。首先利用粗糙集的属性约简能力,从给定数据集中去除冗余信息;然后基于负相关学习理论构造多个异构成员神经网络,最后组合多个训练好的异构神经网络进行故障诊断。该方法不仅显著提高了神经网络的泛化能力,而且无需预先确定神经网络的拓扑结构,简单易用。设计了四种不同的诊断器在柴油机供油系统的标准样本集上进行的诊断测试实验,结果表明,基于异构粗糙神经网络集成的故障诊断方法具有最好的诊断正确率。     

基于粗糙集理论的炉膛出口氧量最优值确定

炉膛出口氧量作为炉膛送风控制系统的重要参数,其改变会影响炉膛燃烧和锅炉效率.针对氧量最优值确定的问题,提出了改进的粗糙集启发式属性约减算法,并以某火电机组为例,综合考虑与供电煤耗率密切相关的参数,详细介绍了氧量最优值确定的过程.计算得到的氧量最优值与机理分析和实际情况一致,可以提高锅炉效率和供电煤耗率,并可以提高机组经济性.     

基于粗糙集的施工成本动态控制方法及应用

针对工程项目施工成本控制效率低、缺乏主动性与预见性的问题,提出基于粗糙集的施工成本动态控制模型,即在粗糙集理论框架下,以历史各期成本偏差信息为对象构建成本决策系统,根据可辨识矩阵的属性重要度评估各成本控制指标的重要程度;利用属性约简和规则提取算法获取各成本指标与总成本之间的变动规则,制定控制策略;同时,可将当期的成本信息并入下期决策系统,及时补充信息参与分析,以实现成本的动态控制。案例分析结果表明,该模型可通过对实际成本统计信息的分析获得成本指标权重与成本预测规则,且计算结果符合成本控制的一般规律,能够为施工企业的成本控制决策提供客观指导。     

基于粗糙集理论的多效应量融合评价模型及应用

针对目前大坝监测多效应量分析中指标筛选和权重确立方面存在的不足,将粗糙集理论引入高拱坝多效应量数据融合中,提出了基于粗糙集理论的多效应量的大坝安全监测评价模型并应用于某高拱坝中,分析结果与实际运行情况基本相吻合,从而证明了该方法的有效性,为大坝安全监测系统综合评价实践提供了可资借鉴的方法。     

基于粗糙集和神经网络的电力系统操作点状态评估

为提高电力系统的安全可靠性,提出一种基于粗糙集和神经网络融合的电力系统操作点状态评估方法。首先用SOM神经网络对电力数据离散化,再应用粗糙集约简算法产生知识约简的决策规则表,最后应用RBF神经网络评估约简后的电力系统状态。实例测试结果表明,提出的方法合理有效,能够较好地满足操作员对电力系统状态评估的要求。     

粗集理论在水力机械故障诊断中的应用潜力分析

粗集理论是一种处理模糊性和不精确问题的新型数学工具,为分析和处理不完备信息提供了有力的分析手段。文中对近年来粗集理论在机械故障诊断应用方面作了介绍及评述,并将此方法推广到水力机械故障诊断方面,重点阐述了粗集理论与常见的数据挖掘、人工神经网络、支持向量机等软计算方法的融合,这将为解决水力机械故障诊断中的难题提供一种新的思路和方法。     

获取知识的一种新方法_粗糙集_Rough Set

旋转机械故障诊断的一个困难问题是诊断规则的获取。提出获取知识的一种方法－粗糙集（RS）,RS能自动地从旋转机械的大量信息中有效地获取诊断知识,并能减少误诊与漏诊现象。文中介绍了RS的原理与方法并给出应用实例。