组态软件在PLC教学中的探索

文章分析了PLC教学现状的缺陷,提出了结合组态软件加深对PLC学习的进一步理解,并通过具体的往返小车的实验说明该种教学方法实现的可能性。     

莱钢620mm带钢卷取远程控制改造

莱钢620mm带钢卷取系统采用远程网络化控制,基于西门子S7-300PLC,使用Profibus-DP总线实现数控装置与主站的通讯,利用ET200MPLC分站实现控制系统的集成和各控制站之间资源的共享,降低了设备故障率、减少了停机时间。     

基于多工况识别的焦炉燃烧过程多模态模糊专家控制(上)

针对焦炉燃烧过程的多工况特征,提出一种具有分析层和控制层的火道温度多模态模糊专家控制方法.分析层对燃烧过程的荒煤气温度进行在线分析,采用多传感器信息融合的二次决策方法识别燃烧过程的实时工况.在控制层,针对各种工况,设计了基于修正因子的多模态模糊控制模型,处理不同工况下的火道温度控制;同时建立在线切换专家规则库,实现对应各工况的控制系统的模态切换.控制方法实际应用效果良好,为焦炉燃烧过程的智能控制提供了新的途径.     

基于视频流连续性的快速运动目标检测方法*

提出了一种基于视频流连续性的快速运动目标检测算法。对于背景模型的建立,在原有像素归类背景重构算法的基础上,基于视频流的连续性,选择性使用训练阶段背景至少在50%的时间内可以被观测到的前提假设,提出了一种改进的快速背景重构算法,在准确建立背景模型的同时,有效地减少了运算时间。对于运动阴影的干扰,采用基于RGB色度比例的色度差分算法,能快速有效地去除运动阴影,最终实现运动目标的快速提取。实验结果证实了所提算法的有效性。     

无料钟高炉布料模型的研究与应用

针对高炉炉内料面的分布特征．通过分析和考虑无料钟高炉布料的影响因素及其特点,结合数学知识和计算机技术,建立了无料钟高炉布料模型。该模型在某钢铁企业的450m^3小型高炉中得到了实际应用,实现了无料钟高炉布料过程的实时监视,指导操作工对炉料分布进行合理调整,从而提高了料柱的透气性指数．降低了焦比,改善了高炉冶炼状况。这对实时了解高炉炉内料面的分布情况,指导高炉的优化操作具有十分重要的意义。     

基于T-S模糊模型非线性网络控制系统改进H∞跟踪控制

研究一类非线性网络控制系统改进H∞跟踪控制问题, 该类网络控制系统中非线性被控对象和被跟踪对象分别采用Takagi-Sugeno(T-S)模糊模型和线性稳定参考模型描述. 首先通过综合考虑网络中的数据传输时滞和数据丢包影响, 采用输入时滞法和并行分布补偿技术, 建立基于零阶保持器刷新时刻的系统状态跟踪误差模型. 然后利用改进的自由权矩阵方法, 并结合Lyapunov直接法给出系统满足H∞跟踪性能的充分条件以及模糊控制器的设计方法. 最后仿真实例表明本文方法的有效性和相比已有方法的优越性.     

锌对Sn3.5Ag0.5Cu钎料合金微结构及性能的影响

运用莱卡显微镜、X射线衍射仪等仪器设备,研究了添加元素Zn对Sn3.5Ag0.5Cu钎料合金微结构及性能的影响.结果表明,Zn与Cu、Ag形成化合物AgZn、CuZn3,能显著细化Sn3.5Ag0.5Cu钎料组织;添加元素Zn后的Sn3.5Ag0.5Cu钎料合金的显微硬度提高11%,蠕变抗力也得到明显提高;运用键参数函数理论分析了Zn对Sn3.5Ag0.5Cu钎料合金微结构及性能影响的作用机理.[作者单位].5Cu钎料;组织;性能;键参数函数     

三角型瓦楞纸板衬垫的静态压缩性能与结构模型研究

通过正交和单因素试验,分析了三角型瓦楞纸板衬垫结构的失效形式,研究了各结构参数对静态压缩性能的影响,构建了该种衬垫的结构模型,为瓦楞纸板衬垫的优化设计和包装开发提供支持。     

进出口食品中亚硫酸盐测定方法的探讨

亚硫酸盐是一种用途广泛的食品添加剂,若摄入过多则对人体的健康产生损害。本文对国内外食品中亚硫酸盐的常用检验方法进行深入探讨,比较了各类检测方法的优缺点,并在检疫工作实际中加以灵活应用,效果良好。     

增强Q学习在非确定马尔可夫系统寻优问题中的应用

增强学习属于机器学习的一种,它通过与环境的交互获得策略的改进,其在线学习和自适应学习的特点使其成为解决策略寻优问题有力的工具。多智能体系统是人工智能领域的一个研究热点,对于多智能体学习技术的研究需要建立在系统环境模型的基础之上,由于多个智能体的存在,智能体之间的相互影响使得多智能体系统高度复杂,多智能体系统环境属于非确定马尔可夫模型,因此直接把基于马尔可夫模型的增强学习技术引入多智能体系统是不合适的。论文基于智能体间独立的学习机制,提出了一种改进的多智能体Q学习算法,使其适用于非确定马尔可夫环境,并对该学习技术在多智能体系统RoboCup中的应用进行了研究,实验证明了该学习技术的有效性与泛化能力,最后简要给出了多智能体增强学习研究的方向及进一步的工作。