城门山铜矿浓密机智能控制系统设计开发

城门山选矿厂由于建设初期条件不完善,浓密脱水工序未配套相关自控系统,操作工人需定期巡视生产流程,现场人工操作设备,工人劳动强度大,效率低。人工操作的随意性和滞后性无法保证生产流程的平稳,浓密机底流放矿的浓度时高时低,对后续压滤工序产生较大影响。根据现场实际,采集了流程关键变量,开发了浓密脱水自控控制系统,在线监视设备的运行。根据PLS建模方法,对较难直接测量的底流浓度进行了智能预测软测量。结合操作工人工作经验,开发了专家控制系统,自动控制阀门放矿,保证了底流浓度的平稳。     

酒钢UCM冷轧机组辊系设计研究

辊系设计是轧机设计的关键因素之一,对酒钢UCM六辊五机架碳钢冷轧机组辊系进行了研究,通过对轧辊尺寸、形状及排列方式的计算分析,并与其他类型轧机的辊系进行了比较,使得各类型轧机优缺点更加明确,设计思路更为明晰。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

基于SVM的电压扰动识别研究

针对电力系统中出现的电压暂升(暂降、暂断)以及谐波、电压脉冲和电压闪变这六种常见电压扰动进行建模,将特征量输入到SVM进行电能质量扰动多类分类。首先采用相应小波包分解算法将电能质量中某一频段内的信号分解到特定频段上,其次在这些特定频段上提取特征向量,最后针对该特征向量构造相应支持向量机分类器。结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

超高强梁类零件凸包的辊冲成形工艺分析

针对超高强钢梁类零件的凸包特征,基于ABAQUS仿真平台建立了凸包辊冲成形仿真分析模型,对不同圆角半径的凸包进行辊冲成形分析。结果表明,辊冲可安全成形凸包,当凸包的圆角半径增大时,其辊冲成形最大Mises应力和最大应变、最大减薄率均减小,凸包最小安全成形圆角半径R为6mm。     

拉深模进气不畅导致制件变形的解决方案

针对顶盖或机盖外板因模具进气不畅造成制件变形的问题,对其产生原因进行分析并分类,归纳总结了此类问题常用的解决方案,在此基础上提出了2种针对模具结构的改进方法,采取在凸模与压边圈之间增加弹性元件或往下模和制件之间吹气的方法,解决了制件因模具进气不畅导致的变形问题。该方法简单易实现,对模具后期的生产和保养影响小,对制件的外观质量不产生其他不良影响。     

基于DAE-BP神经网络的股票预测研究

股票指标数据种类多、维度高，且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格，首先构建了基于受限布尔兹曼机的深度自编码器，实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明，深度自编码器提取特征的能力优于主成分分析法和因子分析法；相比较使用降维前的数据，使用编码后的数据用预测股票价格，模型可以减少计算开销，并且获得更高的预测精度。     

高泥质氧化矿尾矿膏体排放技术在干旱地区的应用

介绍了新疆滴水铜矿采用膏体技术堆存浮选尾矿的工艺流程、设备配置及生产情况。浮选尾矿细颗粒含量很高(-20μm级别的物料占66.63%),具备形成膏体的必要条件。尾矿制备成膏体进行堆存,对尾矿库的安全、尾水的回用意义重大,尤其在南疆缺水地区。