武钢轧辊库存保障体系与零库存储备

介绍武钢轧辊库存保障体系定义、设计要点、具体措施方法,通过建立控制库存储备,对轧辊实行"零库存"管理,并取得显著成果。     

城市生活垃圾热值的特征变量选择方法及预测建模

在垃圾焚烧的过程中,垃圾热值的波动会影响垃圾焚烧的稳定性.为了实现城市生活垃圾热值的实时在线预测以及变化趋势预测,采用模糊神经网络软测量方法,利用焚烧发电厂在线运行数据作为输入,实现垃圾热值的实时预测功能.首先采用互信息方法从若干特征变量中剔除部分无关变量;然后将模糊神经网络和粒子群优化算法结合起来从上述选择出的特征变量中进一步剔除冗余变量,从而确定预测垃圾热值的输入变量,并从中训练出垃圾热值的模糊神经网络预测模型;最后通过采集的样本数据进行性能测试.结果表明该方法有较好的预测准确率和实时性,适用于垃圾热值的在线预测.     

基于文化鲸鱼优化算法的特征权重优化分配方法

为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm,WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm,CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果.以基于案例推理的预测模型为例,使用加州大学欧文分校(University of California Irvine,UCI)标准数据集对特征权重的不同分配方法进行了对比实验,结果表明该方法分配权重后的预测精度最优,在涉及特征权重分配的机器学习领域具有一定应用价值.     

案例推理属性权重的分配模型比较研究

案例推理系统中各属性权重的赋值决定了案例之间的相似度 大小,进而对推理结果的正确与否产生显著影响.以属性加权K-最近邻 相似案例检索为基础,讨论了使用注水原理分配属性权重的机理,并通过建 立权重分配的合理性指标,构造拉格朗日函数对权重进行优 化求解,得到了收敛的注水分配算法.通过五折交叉的模式分类实验 ,分别对属性权重的平均分配法、注水分配算法和遗传算法分配法进行了比较研究,案例推理分类结果证明,在引入注水分配算法后,其分类性能得到有效改善.     

基于案例推理的竖炉故障预报系统

为降低竖望炉焙烧过程的故障发生率,基于故障机理的分析,将过程参量预报与案例推理技术相集成,提出了竖炉焙烧过程的智能故障预报方法.参量量预报模型对不易在线连续测量但能反映故障征兆的关键工艺参数进行实时预报,在此基础上,采用案例推理技术对焙烧过程进行全面分析并给出一些典型故障发生的概率和操作指导.将所建立的故障预报系统成功应用于竖炉焙烧过程的生产实际中,故障发生率明显降低,取得了显著应用成效.     

基于案例推理的PID控制器智能整定方法

针对工程实践中广泛使用的PID控制器参数整定难的问题,提出一种用案例推理技术对PID控制器参数进行智能整定的方法,通过对整定经验案例库进行检索,然后对检索出的结果进行案例重用,从而实现根据系统的性能指标自动完成PID控制器的参数调整,不需要辨识对象的数学模型,且具有自学习功能.仿真结果表明该方法优于传统的整定方法,具有一定的鲁棒性和智能性.     

城市生活垃圾焚烧炉温控制的多目标优化设定方法

为实现城市生活垃圾焚烧(MSWI)过程的炉温稳定并避免炉排温度过高的控制目标,本文提出一种通过炉排温度和一次风温间接控制炉温的多目标优化设定方法.通过融合分解与竞争策略,将WS变换、双向学习、随机交叉、动态高斯变异引入到多目标海鸥优化算法(MOSOA)中,得到一种改进的MOSOA(IMOSOA),根据炉温的设定值、误差等信息对炉排温度和一次风温的设定值进行寻优.实验结果表明IMOSOA的寻优能力显著增强,在干扰影响下,基于IMOSOA的多目标优化设定方法可实现MSWI过程炉温的控制目标,能有效促进垃圾焚烧过程的平稳运行.     

竖炉焙烧过程的智能设定模型

为了改善多目标评价案例推理设定模型在竖炉焙烧过程控制中的性能,运用注水原理分配过程变量的权重和群决策修正方法对多目标评价案例推理设定方法进行改进,得到一种新的智能设定模型.首先引入注水原理构造Lagrange函数对过程变量的权重进行优化分配,再通过案例检索和案例重用得到设定值的建议解,并根据多目标评价模型预测建议解对生产指标的影响效果,最后,对不合理的设定值进行群决策修正.将得到的设定模型应用于竖炉焙烧过程控制中,通过实验测试和对比应用说明了本文方法优于其他方法,能够有效提高多目标评价案例推理设定模型的控制性能.     

基于权重阈值寻优的案例推理分类器特征约简

为提高案例推(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.     

Tennessee-Eastman过程的学习型案例推理故障诊断方法

为了提高Tennessee-Eastman(TE)过程的故障诊断准确率,本文研究一种学习型伪度量(learning pseudo metric,LPM)代替距离度量的案例检索方法,并建立了TE过程的案例推理(case-based reasoning,CBR)故障诊断模型.首先建立LPM度量准则并对LPM模型进行训练,其次度量目标案例与每一个源案例的相似度,从中检索与目标案例相似的同类案例,再采用多数重用原则从同类案例中决策出目标案例的解,最后通过TE过程的运行数据对该方法的性能进行测试,并与典型的CBR和BP(back-propagation)神经网络和支持向量机等方法进行对比,表明本文方法能有效提高故障诊断准确率,在实际化工过程中具有一定的推广应用价值.