基于PSO-LSSVM球磨机负荷参数预测及监测系统开发

针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题,提出一种基于粒子群优化最小二乘支持向量机（PSO-LSSVM）球磨机负荷参数（填充率和料球比）预测方法,并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机（LSSVM）算法中的正则化参数y 和核函数宽度,简化求解过程,提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入,以球磨机筒体内部的填充率和料球比为输出,建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较,该模型的预测精度较高,填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09 %;料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76 %。在线测试结果表明该在线监测系统准确率为64.37 %,且系统运行一次的平均时间为45 s,可实现球磨机负荷参数的实时预测。     

风电推动合浦海水养殖业发展

合浦县位于广西东南端，地处北部湾畔，属东亚大陆季风区域，风力资源十分丰富。全县１６个乡镇，其中沿海乡镇１２个，占７６％，海岸线总长３９３．２公里，大小岛屿众多，拥有浅海滩涂６４万亩。近年来，合浦县大力发展海上事业，意在建“海上合浦”。到目前为止，已开发滩涂２１．３万亩，主要养殖文蛤、珍珠、大蚝、对虾等海产品，年均创经济效益１．５亿元。海水养殖成了合浦县人民的主要收入之一。然而，海边远离电网，养殖户用电非常困难，他们大部分用蓄电瓶解决照明问题。特别是海上的文蛤、珍珠等养殖场，蓄电瓶每隔２—３天，就…     

开发可再生能源解决无电人口用电

通过合浦县沼气、风能、太阳能等可再生能源的开发利用,探讨解决无电人口生活和生产用电的模式,从而造福村民,促进美丽乡村的创建.     

用电子表在APPLEⅡ机上实现时间显示

随着APPLE Ⅱ微型计算机系统的推广使用,广大用户都希望有一套APPLE Ⅱ时间显示系统.本文开发了一套简易时间显示系统,用APPLE Ⅱ6522VIA采集电子表时间代码并显示标准时间.给电子表芯片装上电源,开机即可显示当时时间,之后机器可做别的工作而不影响时间的显示.本系统成本低,易于调试,是一个较理想的时间显示系统.     

领域对抗与分类差异的变工况球磨机负荷识别

在变工况球磨机负荷识别过程中,针对域适应方法在源域和目标域的特征迁移中没有考虑目标域样本而导致域适应效果不好的问题,本文提出一种基于领域对抗与分类差异的域适应方法。该方法使用域对抗训练方式实现源域和目标域之间的特征的对齐;同时,引入两个分类器用于检测远离目标域中的样本,利用最大化和最小化分类器之间的不一致性,实现目标域和源域特征的自适应匹配,达到更好的域适应效果。为了验证训练分类器误差的方法能够考虑类内边界提高目标域上的负荷识别准确率,设计了迁移实验分析其差异损失函数对模型迁移性能的影响,实验表明,当分类器损失值大于0.02时预测模型的准确率会下降0.8%～1.2%,且较未引入分类器差异损失模型的负荷精度高,可达到95.78%。通过与两类经典的迁移方法进行对比,验证了该方法在变工况下磨机负荷识别应用中的优势。