基于特征约简与选择性集成算法的城市固废焚烧过程二噁英排放浓度软测量

城市固废焚烧(MSWI)排放的污染物二噁英(DXN)对生态环境与人类健康具有极大危害,其浓度的实时检测对MSWI过程运行优化和城市污染控制至关重要.具有痕量特性的DXN排放浓度不能实时检测,机理模型难以构建,并且其与过程变量间的映射关系复杂.针对上述问题,本文提出了一种基于特征约简和选择性集成算法的DXN排放浓度软测量方法.首先,对在线采集的MSWI过程变量和离线化验的DXN排放浓度数据进行预处理,获得具有小样本高维特性的建模样本;接着,基于变量投影重要性(VIP)值和特征约简比率值确定模型输入特征;最后,基于操纵训练样本的集成构造策略构建自适应确定核参数的选择性集成模型.采用国外文献和国内工业MSWI过程的DXN排放浓度数据仿真验证了所提方法的有效性.     

基于选择性极限学习机集成的磨机负荷软测量

针对传统磨机负荷检测方法存在的测量精度低、性能不稳定等缺陷,建立一种基于筒体振动信号频谱特征提取的选择性极限学习机（ELM）集成方法.采用核主元分析（KPCA）提取振动信号频谱特征,避免输入信号维数过高引发维数灾难.在非线性频谱特征空间内选用学习速度快、泛化性好的ELM建立集成模型个体,有效克服了单一ELM个体模型存在的运行结果不稳定问题.基于遗传算法（GA）的子模型后续选择方法进一步排除部分劣势个体,构建泛化能力强的简约集成模型,降低计算复杂性.实验结果表明:该方法对于矿浆浓度、料球比、充填率磨机负荷参数具有较高的精度和稳定性.     

城市污水处理工艺调试方法简述

工艺调试是关系到污水处理厂能否正常运行及效益能 否充分发挥的重要工作,它具有技术性强、难度高等特点,需要具备污 水处理知识和长期运行经验的专业人员或专业机构来实施。     

焊接钻模套的制造与检测

我厂用自制的专机加工曲轴上的斜油孔（见图1）,必须用钻模套导向。钻模套安装在钻模架里（见图2）,这样要求钻模套就比较长。由于钻模套在热处理时产生变形,热处理后的内孔加工,都是很难控制和不好加工的问题。为此,我们用焊接钻模套的方法,解决了这个问题。     

城市分质供水的雏议

随着人们生活水平的不断提高,鉴于健康卫生等诸多原因,人们的要求正在逐渐提高。因此在我国一些城市已掀起了一股饮用纯水、蒸馏水、优质水的热潮。而伴之以生产经营饮用水的企业亦应时而生。尤其在上海,出现了许多的纯水站、优质水供应站等,除生产罐装饮用水外,有的已发展到在小区住宅中敷设管道为用户输送纳水及优质水,以供人们直接饮用。在部分家庭中实现了分质供水。一、高纯水：高纯水指的是水中所有物质的阴、阳离子基本上均已除去,含盐量小于0．05mg/l,电阻率小于10M/cm。处理流程如下：二纯水：现在市场上销售的所谓“太空…     

电子细胞的研究现状与展望

电子细胞是利用计算机电子信息技术等先进手段,模拟再现细胞内外部生命活动的现象和过程,并用于探索细胞生命活动的潜在规律.它是一种人工生命复杂系统,代表了生命科学和信息科学的交叉学科前沿,有十分重要的作用.本文综述了电子细胞的研究发展,就其研究内容、实例、与其关系密切的学科领域、以及它的作用和意义进行了扼要阐述,最后,对它的发展做出展望和建议.     

基于自适应多核潜结构映射选择性集成模型的磨机负荷参数预测

磨机负荷参数是影响选矿流程产品质量和产量的难以检测关键过程变量.磨机研磨产生的多源机械信号频谱与磨机负荷参数间存在复杂的非线性映射关系.核潜结构映射(KPLS)算法适合构建基于频谱数据的磨机负荷参数预测(MLPF)模型.针对上述难点,本文提出一种面向MLPF的自适应多核潜结构映射选择性集成(SEN)模型.首先,基于经验模态分解(EEMD)和时频变换技术处理多源机械信号,得到基于不同时间尺度候选子信号的频谱数据;接着,采用KPLS和分支定界选择性集成(BBSEN)算法,构建基于多尺度频谱的候选子子模型和SEN子模型;最后,从候选子子模型和SEN子模型中优选获得不同时间尺度的候选子信号模型,并再次采用BBSEN算法优选集成子信号模型并加权组合,构建最终的MLPF模型.基于实验球磨机的实际运行数据仿真验证了所提方法的有效性.     

面向智能回收装置的废旧手机深度森林识别

手机更新速度的日益加快使得面向废旧手机(UMP)的智能回收装置研制成为典型城市再生资源回收再利用领域的研究热点,其首先需要解决的难题是如何基于有限图像样本实现UMP的精准识别。针对上述问题,提出了面向智能回收装置的UMP深度森林识别模型。首先,对UMP图像进行预处理以消除背景信息;接着,提取多尺度梯度直方图特征以获得有效信息;最后,将通过多粒度扫描获取高维特征作为级联森林的输入,并基于自适应网络深度构建非神经网络模式的UMP识别模型。基于电信设备认证中心的典型数据集和回收装置拍摄图像数据集验证了所提方法的有效性。     

基于主动学习机制GAN的MSWI过程二噁英排放风险预警模型

针对构建城市固废焚烧(municipal solid waste incineration, MSWI)过程剧毒污染物二噁英(dioxin, DXN)排放风险预警模型的样本极为稀少的问题，提出一种基于主动学习机制生成对抗网络(generative adversarial network, GAN)的DXN排放风险预警建模方法.首先，以DXN风险等级作为条件信息使得GAN生成候选虚拟样本；然后，利用基于最大均值差异和多视角可视化分布信息的主动学习机制进行虚拟样本的初筛和评估，以获得期望虚拟样本；最后，基于混合样本构建DXN排放风险预警模型.通过基准数据集和MSWI过程数据集验证了所提方法的有效性.基于主动学习机制GAN的DXN排放风险预警建模方法可以有效解决样本稀少的问题，提高模型精度.