基于模糊神经网络的无毒提金控制系统研究

针对无毒提金工艺过程的特性,提出了基于遗传算法的模糊神经网络控制算法。采用了遗传算法离线全局优化和 BP算法在线局步调整相结合的方式优化模糊神经网络的参数,以及改进的Elman动态递归神经网络进行工艺系统辨识。仿真试验验证了该控制方案的优越性,对解决无毒提金工业过程中的控制问题具有重要意义。     

污水源热泵系统负荷预测模型研究

由于污水源热泵系统负荷时间序列固有的复杂性和不规则性,其负荷预测有模型构建复杂、负荷预测准确度低和过拟合等问题,为解决这一难题并提高预测精度,提出了DE-ELM-Markov模型。该模型集成了差分算法(DE)、极限学习机(ELM)和Markov误差修正。使用住宅楼真实数据对提出的模型进行测试。结果表明,提出的模型可有效地解决模型构建复杂和过拟合等问题,并准确预测住宅楼负荷。     

采样周期干扰对离散线性系统的影响

针对实际控制系统中普通存在的采样周期干扰问题,详细讨论了该现象对系统参数以及系统状态的影响,得到了采样周期干扰为白噪声时,对离散线性系统状态的影响．本文结合这一结论给出了相应的系统的滤波理论基础,并提供了系统滤波器的结构     

分布式PSODE算法的冰蓄冷空调系统优化控制研究

文章针对集中式控制架构在暖通空调方面应用存在的问题,提出了1种基于分散控制结构的分布式多目标差分进化改进的粒子群(D-MOPSODE,Decentralized Multi-objective Particle Swarm Optimization Improved by Differential Evolution)优化算法,以冰蓄冷空调系统能耗、运行费用和能耗损失为目标,求解冷机逐时部分负荷率和冰槽供冷比例。提高冷机运行效率科学规划蓄冰量和冷机-冰槽负荷分配,达到冰蓄冷空调系统经济节能的运行效益。西安某大型商场为实验环境进行实例验证,结果表明文章提出的D-MOPSODE算法是1种高效的分布式优化算法,在冰蓄冷空调系统负荷分配问题的求解中能够取得显著的节能效果。相比于传统控制策略和PSO算法,D-MOPSODE算法具有收敛性好,稳定性高,鲁棒性强、求解精度高等优点。     

无线通信技术的脚手架安全监测系统初探

为解决我国脚手架事故频发且伤亡惨重问题,结合当前我国工程施工中发生的重大脚手架事故,本文在分析事故原因的同时,以扣件式钢管脚手架为例,提出用无线监测技术对脚手架的荷载受力进行监测,采集数据分析,对于超重情况适时警报,建立完善长效的安全监测体系,减少施工过程中的安全隐患.     

无线通信技术的脚手架安全监测系统初探

为解决我国脚手架事故频发且伤亡惨重问题，结合当前我国工程施工中发生的重大脚手架事故，本文在分析事故原因的同时，以扣件式钢管脚手架为例，提出用无线监测技术对脚手架的荷载受力进行监测，采集数据分析．对于超重情况适时警报，建立完善长效的安全监测体系，减少施工过程中的安全隐患。     

混凝土碳化深度模型与仿真研究

采用PSO-BP神经网络建立各影响因素与部分碳化区长度的关系模型,通过MATLAB仿真软件对模型进行训练,逐步改善影响部分碳化区长度的各因素权值,使网络样本的实际输出与期望输出误差和均方差达到最小。试验验证了该模型的逼真性、可行性与强健性。结果表明,该模型能够对钢筋混凝土部分碳化区长度进行预测,为混凝土结构耐久性设计、评估和寿命预测提供科学指导。     

基于AGA-PPGE的大型公共建筑室内环境质量评价

针对大型公共建筑室内环境质量问题,基于投影寻踪（PP）和加速遗传算法（AGA）,建立大型公共建筑室内环境质量评价模型。通过对实例的分析与评价,验证模型的可行性和有效性。     

锅炉热水供热系统能耗机器学习诊断模型

供热系统能耗诊断是一个难点。提出一种基于机器学习算法的能耗诊断标准模型结构,通过聚类或分类算法,从采集的诊断数据中筛选出节能特性较好的运行数据,基于回归模型建立能耗诊断模型对被诊断数据进行诊断。研究发现:1)经K-means聚类筛选数据并基于贝叶斯正则化训练的人工神经网络建立拟合模型,R值分别达到了0.975 6、0.970 5、0.921 4和0.910 1,模型拟合度较高;2)模型经过3个被诊断数据集验证,经过筛选的数据建立诊断模型,节能率指标分别10.7%、17%和4%,累积误差指标达到了-149 498.67、-86 526、-4 052.27kW,诊断效果优于未经聚类的数据建立的模型;3)对诊断结果进行分析,发现供热系统二次换热端热水流量变频节能控制措施节能效率较低,一次供热端热水流量人工调节是造成能耗过高的主要原因。这种数据建模诊断的方式是基于输入、输出变量之间的物理响应关系而不受数据时间特性的影响。