考虑传输能力的含分布式电源配电网扩展规划方法

为灵活性资源提供快速、及时调度的网架传输通道,在规划阶段充分考虑网架结构与分布式电源(DG)规划对配电网传输能力的影响,提出考虑网架通道传输能力的配电网扩展规划及DG选址定容双层优化方法.首先建立了线路负荷裕度指标和潮流均衡度指标用以评价配电网传输能力;其次分析了网架通道传输能力的影响因素,在此基础上构建了配电网扩展规划及DG选址定容双层优化模型,保证了规划方案具有良好的经济性和网架通道传输能力,利用嵌套的混合粒子群优化算法进行优化求解;最后将所提规划方法与只考虑经济性规划方法进行了算例验证.仿真结果表明,所提方法不仅没有增加经济费用,而且所得规划方案网架潮流更均衡,线路负荷裕度更高,传输能力更优.     

考虑不确定性的高速公路光储充电站选址定容

针对高速公路并网光储充电站选址定容中存在的不确定性,提出了一种基于数据驱动的分布式鲁棒优化的两阶段选址定容方法.阶段1基于蒙特卡洛模拟方法得到充电点的位置,利用整数规划模型确定充电站的位置;阶段2兼顾充电站利益及用户满意度,建立基于数据驱动的分布式鲁棒优化定容模型,通过KL(Kullback-Leibler)散度构建以经验概率分布为中心的概率分布模糊集合描述不确定量,利用风险理论将分布式鲁棒优化模型转化为混合整数线性规划问题,进而对充电站内的充电桩数量及光储容量进行优化.最后,通过环形路网对所提方法进行验证并进行敏感度分析.结果表明:所提方法可行、有效;配置光储设备能降低年均寿命成本;通过控制KL散度公差、样本数量、续航里程、充电功率等能有效平衡系统的经济性与鲁棒性.     

基于PCA-RBF网络模型的硫化矿自燃安全性研究

为了更加准确地预测硫化矿自燃安全性,综合考虑硫化矿自燃倾向性及火灾后果严重性,将硫化矿自燃安全性划分为9个等级,并选取矿山含硫量、矿山含碳量、矿石温度、矿石堆放时间、采场人员数量、氧气浓度和采场矿层厚度作为评价因素集。利用主成分分析法（Principal Component Analysis,PCA）对94个采场样本数据进行降维处理,得到包含70%以上原始信息的3个主成分。将降维后的84组数据作为基于径向基函数神经网络（Radial Basis Function Neural Network,RBF）预测模型的训练样本,10组数据作为检验样本进行硫化矿自燃安全性预测。最后分别利用十折交叉验证法和留一法对94组检验样本的自燃安全性预测结果进行检验,得到硫化矿自燃安全性预测准确率分别为92.55%和91.49%。研究结果表明：PCA-RBF网络模型对硫化矿自燃安全性的预测性能良好,且优于未经主成分分析的结果。     

基于图像识别的铜转炉吹炼造渣期渣含Fe预测模型研究

铜转炉吹炼是火法炼铜的关键工序,其终点判断与炉寿、铜产率和直收率紧密相关,目前现有人工经验、仪器测定和物料平衡法等终点判断方法均存在一定的局限性。理论上铜转炉吹炼造渣期终点与渣含Fe是否达标有关,而不同Fe含量渣样呈现不同的图像特征,鉴于此,基于图形识别的特征向量提取原理,分别采用卷积神经网络(CNN)算法与支持向量机(SVM)算法,构建了铜转炉吹炼造渣期渣含Fe预测模型,为图像识别技术在铜转炉吹炼终点判断中的应用奠定数模基础。两种模型的实例分析表明,卷积神经网络的训练集预测准确率98%,测试集预测准确率约50%;支持向量机模型的训练集预测准确率99%,测试集预测准确率62%。     

基于自适应共振理论(ART)网络的机床设备实例的分类

阐述了自适应共振理论(ART)网络的原理及训练算法.利用ART网络良好的自组织,自学习,可塑性强的特点,提出基于神经网络的机床设备实例分类的策略.该方法求解简单快速,容易实现,效率高,在实际工程中具有良好的应用前景.     

基于神经网络的助力搬运装置自适应控制方法研究

为提高助力搬运装置在建筑工地等复杂路况下的适用性,通过对国内外助力系统及其控制方法发展现状的调查和分析,提出一种智能助力控制系统。首先建立控制模型,在智能控制的研究中发现BP神经网络能够对输入信息进行识别并分类处理,且计算较简单,容易实现,但BP神经网络隐含层节点数难以确定、易陷入局部最小值,因此,采用遗传算法对BP神经网络进行优化(GA-BP),并设计具体实现方法。采集平坦、斜坡两种路况的数据,通过人工赋予理想输出数据,将其一部分作为训练数据,对GA-BP神经网络及BP神经网络进行对比训练,另一部分作为验证数据,检验两种网络的训练结果。使用MATLAB进行数据仿真分析,验证GA-BP神经网络控制方法的可行性。试验结果表明:这种控制方法能够有效地解决助力搬运装置在复杂路况下的自适应控制问题。     

高压粉末制样-X射线荧光光谱法测定海洋沉积物中28种组分

常规粉末压片制样是一种简单、高效的绿色环保制样技术,但是应用于某些沉积物样品制备存在样片表面粗糙和粉末容易脱落的问题。实验采用高于常规的压力进行样品制备,建立了X射线荧光光谱法(XRF)分析海洋沉积物样品中包括硫、氧化钠、氧化镁、三氧化二铝、二氧化硅、五氧化二磷、氧化钾、氧化钙、二氧化钛、氧化锰、三氧化二铁、钴、镍、铜、锌、钒、铬、镓、铌、锆、钇、锶、铷、铅、钡、镧、钕和铪在内的28种主、微量组分的方法。探讨了压力为300 kN和1 600 kN时的制样效果,并尝试引入BP神经网络模型利用其非线性拟合能力校正主量组分的基体效应。结果表明,采用1 600 kN压力制备的样片,表面致密、光滑、不龟裂和不掉粉,制样重复性和测试精密度也有较大提高。以55个有证标准物质中17种组分的数据集为训练样本,建立了海洋沉积物样品中主、微量组分的遗传算法-BP神经网络预测模型。按照实验方法对各组分含量相对较低的实际样品连续测试12次,计算得方法的检出限在 0.63～634 μg/g之间;精密度试验结果表明,各组分测定值的相对标准偏差(RSD, n=7)为0.16%～25.1%。方法用于海洋沉积物实际样品分析,其分析结果与国标法的测定结果吻合,能够满足海洋沉积物样品中多种组分准确分析的要求。     

用GA-BP算法研究超音速电弧喷涂JCW-S-AM涂层显微硬度与工艺参数间的关系

采用超音速电弧喷涂设备在不同工艺参数条件下制备JCW-S-AM涂层,利用显微硬度计测定各种涂层的显微硬度.根据测试结果,运用GA-BP算法构建涂层显微硬度与喷涂电压、喷涂电流的关系模型并进行工艺参数优化.研究结果表明:喷涂电压和喷涂电流对涂层显微硬度均有影响,呈现非线性规律,并且电压和电流之间存在交互作用;通过遗传算法优化,获得的最佳喷涂工艺参数为:喷涂电压29V,电流200A.此时JCW-S-AM涂层显微硬度最大.     

矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

CONFIGURATION OF AN ADVANCED INDUSTRIAL CONTROL HIERARCHY FOR COPPER MANUFACTURE

The proposed hierarchical arrangement of the copper plant control is presented.The hierar-chical control in copper manufacture and the recent computer advances in this area are dis-cussed.It is also described how a hierarchical computer network can provide a means for effec-tive integrated central control in this article.