改进遗传算法在无刷直流电机调速系统PID参数优化中的应用

文章针对传统PID整定方式在无刷直流电机控制系统中存在的不足,采用了改进遗传算法对无刷直流电机调速系统PID参数进行优化.将微粒群算法应用于遗传算法的变异操作中,改善了单纯遗传算法的早熟收敛,提高了算法的收敛速度,使算法有更强的寻优能力.通过matlab进行了仿真,得到了目标函数值的优化过程曲线及系统的阶跃响应曲线,仿真结果表明系统得到了较好的控制效果,也验证了改进遗传算法解决参数优化问题的可行性和优越性.     

基于改进变异粒子群算法的TDOA/AOA定位研究

针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。     

回转窑的热量及长度计算(2)

燃料在回转窑中燃烧时并不是全部析出热都用于加热燃烧产品:热燃烧过程中的部分热在燃烧带范围内以辐射的方式传给与其毗邻的带,由于燃烧产物的再循环而进入点火带。因此,燃烧带的气流的实际温度低于理论温度。窑的其它各带也自相邻的低温带以辐射方式散热。     

节能热处理

一、节能热处理一般说来,热处理炉大致分为间歇式和连续式两种。在间歇式热处理炉中,大型台车炉燃烧燃料所产生的热量中65～90%消耗或损失于热处理件之外。即热效率为10～35%,这里所说的热效率用Y=Q_1有效热量     

管棒材拆捆机器人系统与轨迹规划研究

为了实现管棒材拆捆过程的自动化,搭建了一种拆捆机器人系统,根据作业要求设计出一种用于拆捆的末端执行器,实现了绑丝的自动抽取和剪切。采用三次样条插值函数,构造机器人各关节运动轨迹曲线,实现关节位移、速度、加速度和加加速度的连续性,确保绑丝抽取过程的平滑稳定。在满足机器人各关节最大约束的前提下,提出一种改进的DE-PSO混合算法对时间最优值进行求解,通过与单一算法进行比较,该算法寻优精度有较大改进,特别是在高维度下效果更加突出。最后,根据算法所得结果,在MATLAB下仿真得到各关节运动变化曲线图,仿真结果表明了算法的稳定性和准确性。     

铸造工厂工业炉废热回收利用

在铸造工厂中,如能充分回收利用炉窑的废热,这对节能是有重要意义的。从铸铁工厂各部门能源消耗的比率看,用于各种加热的能源占全部能耗的81％,而其中用于熔化金属的占52％。所以,日本在回收利用这部分废热方面,进行了大量工作,并取得了显著效果。废热回收利用的意义,不仅在于热能的回收,而且还能获得其它方面的效果。例如,废热回收利用于预热燃料燃烧用空气,改善了燃烧状况,节约燃料,增快了燃烧速度。反过     

富氧燃烧条件下钢坯加热特性的数值模拟

以某轧钢厂步进式加热炉为研究对象,利用Fluent软件对炉内气相流动与燃烧和钢坯加热过程建立数学模型,并开发了用户自定义函数处理钢坯移动。炉膛内气体流动采用Realizable k-ε模型,燃烧过程采用非预混燃烧模型,辐射传热采用DO模型来计算。通过所建立的数学模型,模拟研究了氧气体积分数为21%～35%的助燃气体与燃料燃烧对钢坯加热特性的影响。结果表明,随着氧气浓度的增加,燃烧区的烟气温度逐渐升高,导致钢坯具有更快的升温速率;由于富氧燃烧在燃烧区产生了更均匀的温度场,因此在氧气浓度为35%时,钢坯的黑印温差仅为15 K,比空气工况下的黑印温差低了20 K;当助燃气体中氧气体积分数从21%增加至35%时,钢坯的辐射传热量也随之增加,加热炉热效率从41.1%提高至48.4%。     

循环流化床部分技术在链条炉排上的应用

主要介绍应用循环流化床技术中的循环部分,回收链条炉排下落下的细小燃料及小颗粒未完全燃烧的灰渣和除尘器下落的飞灰进行二次燃烧。以减少机械未完全燃烧损失,增加锅炉热效率。     

基于差分进化的六自由度并联机构运动学正解

6自由度摇摆台因其具有刚度大、承载能力强、惯性小、位置误差不积累、易于力反馈控制等优点得到了越来越深入的研究与应用。通过分析6自由度并联机构的结构与运动学模型,提出了一种具有全局寻优的基于差分进化的位置正解方法。差分进化方法在充分借鉴遗传进化算法的思想基础上,采用了3个基因的相对信息,可以较好地提升算法的全局寻优能力,而且算法采用实数编码方式更容易在实践中应用。仿真表明了该算法对求解问题起到了很好的全局优化作用。     

融合模拟退火策略的萤火虫优化算法

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明：改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。