铜闪速熔炼过程操作模式的智能优化

提出了基于模式分解的铜闪速熔炼操作模式智能优化方法,描述需要在线决策的操作参数.从历史样本集中筛选优化的样本组成模式,采用基于聚类的方法进行模武分解,通过混沌遗传算法对每个模式子集寻求操作模式的优化.将该方法应用于铜闪速熔炼过程,提高了铜闪速的操作水平.     

基于数据驱动的铜闪速熔炼过程操作模式优化及应用

针对铜闪速熔炼过程工艺指标无法在线检测、过程建模及优化控制困难的问题, 研究了基于数据驱动的操作模式优化方法. 论文在铜闪速熔炼过程特点分析的基础上, 定义了基于数据驱动的操作模式优化的基本概念, 提出了基于数据驱动的操作模式优化控制框架, 研究了基于数据的冰铜温度、冰铜品位、渣中铁硅比的工艺指标预测模型、炉况的综合评价模型及闪速熔炼过程的操作模式优化. 基于大量工业运行数据和炉况评价模型构建优化操作模式库, 提出了将模糊C均值聚类与混沌伪并行遗传算法相结合的匹配算法, 从优化操作模式库中寻找与当前工况相匹配的最优操作模式, 从而实现熔炼过程的优化控制. 在铜闪速熔炼生产中的实际应用证明了该方法的有效性.     

铜转炉生产操作模式智能优化

为了提高铜转炉的操作水平,采用操作模式来描述一组需要在线决策的一组操作参数,提出了基于神经网络和带混沌变量的混沌遗传算法的铜转炉生产过程操作模式智能优化方法.首先,从历史样本集中筛选优化的样本;然后采用BP(Back-Propagation)神经网络来学习优化样本集的优化目标与工艺参数的函数关系;最后采用带混沌变量的混沌遗传算法来寻求优化的操作模式.将该方法应用到铜转炉操作参数的实时优化,工业现场运行结果表明,该方法使转炉产量提高了6%,冷料处理量提高了7.8%.     

铜闪速熔炼过程操作模式快速匹配策略

在利用相似模式的归纳与综合实现铜闪速熔炼过程多操作参数同步优化的过程中,针对模式库庞大引起相似模式发现效率低的问题,提出了两级模式快速匹配方法.该方法采用主元分析实现属性权重设定,通过构造模式间相似性度量准则,并在初级匹配准则中引入柯西不等式,以减少计算复杂度,快速缩小次级匹配的搜索范围,提高模式匹配速度. UCI数据集仿真和实际生产数据应用结果验证了该方法的有效性和可行性.     

铜闪速熔炼过程冰铜品位预测模型的研究与应用

针对铜闪速熔炼过程中的冰铜品位在线检测难题,在组元分析的基础上,研究了独立化学反应以及组分间的摩尔数关系,并建立了数学模型;但由于反应机理的复杂性与建模时的简化,冰铜品位预测精度难以满足实际应用的要求．同时基于工业数据,建立了神经网络冰铜品位预测模型,它能很好地描述训练样本数据之间的关系,但泛化能力不强．为克服单一模型的局限性,引入了包含自适应调整隶属度函数的模糊协调器;将数学模型和神经网络模型有机结合,提出了一种冰铜品位智能集成预测模型．工业数据验证了模型的有效性．     

基于T-S模糊神经网络网上智能咨询系统理论应用研究

本文介绍了T-S模糊神经网络理论和改进的T-S模糊神经网络理论及其结构模型.将改进的T-S模糊神经网络理论应用于网上智能医药咨询系统的开发理论研究,为将来现在方兴未艾的网上看病咨询系统提供了理论基础.     

改进的粒子群算法优化TSFNN的交通流预测

为提高T-S模糊神经网络在交通流量预测的准确性,提出了一种改进的粒子群算法优化T-S 模糊神经网络预测交通流量的算法。该算法利用改进粒子群算法通过群体极值进行[t]分布变异,使算法跳出局部收敛,使用改进的粒子群算法优化T-S模糊神经网络,能够优化网络参数配置,进而提高网络的预测精度。利用优化后的T-S模糊神经网络对实测交通流量进行预测,实验仿真表明优化的T-S模糊神经网络可有效提高交通流量预测精度,减小预测误差。     

扩展T-S模糊模型的PSO神经网络优化算法

针对机械设备具有模糊性和非线性的特点,提出了一种利用扩展T-S模糊模型的,自适应PSO算法和BP神经网络相结合的新型智能结构优化算法。通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数。以BP 神经网络隐含层神经元数目为设计变量,提取训练后的均方误差作为评价函数,用改进后的粒子群算法进行寻优。把优化后的网络模型应用于轮盘结构优化中,实验表明,该方法在保证轮盘性能的同时,对其结构进行了重新优化,是一种可行的结构优化方法。     

基于多传感器数据融合的智能小车避障的研究

针对智能小车避障问题,提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中,采用多只超声波传感器和红外线传感器探测障碍物的距离和方向,采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明:此方法能够使智能小车对障碍物的灵活避障和导航行进。     

基于多传感器信息融合的智能小车避障

针对智能小车在不确定坏境下自主避障的情况,采用超声波传感器和红外传感器相结合来感知外界环境信息。将传感器采集到的各种数据利用T-S模糊神经网络进行融合．通过实验仿真表明：此方法能够使智能小车对障碍物灵活避障．     

Optimal control strategy of working condition transition for copper flash smelting process

Because there are large state fluctuation of working conditions, excessive energy consumption caused by manual operation in the dynamic transient procedure for copper flash smelting process. Working conditions of copper flash smelting process must be adjusted to the complex and variable copper concentrate feeding to satisfy the smelting performance. Optimal control strategy based adjustment cost for copper flash smelting working condition transition is proposed, which can achieve the expected working condition by following the optimal working condition transition path. The Cauchy–Schwarz inequality-based two-level matching method is developed to set the expected working condition. Then with minimizing adjustment cost and restricting operation domain to optimize smelting performance indicators, the optimal control problem of working condition transition is converted into a multi-constraints optimization problem with two fixed ends. A Legendre pseudospectral-based optimization method is also presented to obtain the path of optimal working condition transition. The simulation results of actual production data collected are given to verify the effectiveness and feasibility of the proposed strategy.     

铜闪速熔炼炉计算机在线控制策略与方法

闪速熔炼过程反应机理复杂，固、液、气三相共存，影响因素多且耦合严重，人工操作因素影响闪速炉作业状况稳定的问题较为严重。该文在静态数学模型的基础上，提出了一种铜闪速熔炼炉计算机在线控制策略，使之能迅速而准确改变控制参数，稳定生产。运行考核结果表明，本系统控制功能及偏差均达到预期要求。     

混合智能系统在测井储层识别中的应用

介绍混合智能系统,并充分利用该系统在学习、自动模式识别和近似推理方面的优势,采用模糊神经混合方法对石油测井中的储层进行识别。该方法通过对测井数据的学习,运用模糊逻辑与神经网络相结合的混合系统对测井数据进行提取和优化;根据来自不同油井的观测数据,采用一个两阶段的策略决定预测模型的结构和参数,进而对测井储层进行识别。给出了该混合方法预测的初步结果,为油井的开发提供了重要的参考。     

智能集成控制在大功率电弧炉系统中的应用研究

针对冶金行业大功率电弧炉的控制，提出了一种基于模糊控制、神经网络和多目标 优化决策相结合的智能集成控制方案．首先采用变结构模糊神经网络控制来设计温度外环控制器，给三相电极电流平衡内环提供电流指令信号，然后在内环控制中综合各种优化目标，构造优化目标函数，运用多目标模糊优化决策来实现整个系统的平衡．现场数据表明运用该控制方案的系统目前已在广东韶关冶炼厂成功运行．     

人工神经网络在文物分类系统中的应用研究

人工神经网络由于其强大的学习和适应能力,广泛应用于模式识别、模式分类、自动控制、图像处理及智能系统的非线性建模等方面。文中对几种典型的人工神经网络的结构、功能、学习算法进行了综述,详细介绍了人工神经网络在文物分类系统中的应用,比较结果可以得出自组织竞争神经网络的分类效果要优于其它两种神经网络。     

基于智能集成策略的烧结块残硫软测量模型

针对铅锌冶炼烧结过程烧结块残硫估计问题,提出了一个基于智能集成策略的软测量模型,主要包括数学模型、专家规则模型和智能协调器几部分.其中数学模型通过物料平衡方程计算烧结块残硫,方程中的部分不可解参数由神经网络估计给出.专家规则模型对残硫与主要影响因素之间的关系进行了描述.基于模糊逻辑的智能协调器根据生产条件的情况综合各模型的输出作为估计结果.工业实际数据验证表明,智能集成模型的残硫估计误差平均值仅为7.5%,而且真实反映了烧结块残硫的变化趋势,可以为生产操作提供有益的指导.