针铁矿法沉铁过程亚铁离子浓度预测

针对针铁矿法沉铁过程出口亚铁离子浓度离线化验获得,存在很大滞后性,难以实现沉铁过程实时控制的问题,研究反应器出口亚铁离子浓度在线预测方法.本文在分析沉铁过程化学反应机理的基础上,考虑铜离子对反应过程的影响,结合连续搅拌反应器（Continuous stirred tank reactor,CSTR）特性,建立了针铁矿法沉铁过程的机理模型,并提出了基于信息交换的双粒子群搜索算法（Double particle swarm optimization,DPSO）优化选择机理模型的参数,构建基于最小二乘支持向量机（Least squares support vector machine,LS-SVM）的机理模型输出误差的补偿模型,采用并联补集成方式建立了亚铁离子浓度的集成预测模型.工业现场数据验证了所建模型能有效地反映亚铁离子浓度的变化趋势,为针铁矿法沉铁过程的优化控制奠定了基础.     

局部颜色特征与工艺参数融合的铜浮选入矿类型识别

针对铜浮选过程中矿源变化频繁而造成的浮选工况难以识别、生产过程不稳定等问题,在分析铜浮选流程特点的基础上,提出了一种局部颜色特征与关键工艺参数融合的铜浮选入矿类型识别方法.首先采用多元图像处理方法提取泡沫图像局部颜色特征,然后采用混合滤波、时间配准算法将其与关键工艺参数进行数据融合,最后用融合后的混合特征进行模糊聚类,得到隶属度矩阵和聚类中心.工业数据仿真结果验证了本文所提方法的有效性.     

生物技术专业分子水平课程的教学研究

根据培养目标要求,针对生物技术专业分子水平课程进行研究,适当调整相关课程教学计划和教学内容,改进实验教学,提高教学效果。     

Intelligent prediction model of matte grade in copper flash smelting process

Due to the importance of detecting the matte grade in the copper flash smelting process, the mechanism model was established according to the multi-phase and multi-component mathematic model. Meanwhile this procedure was a complicated production process with characteristics of large time delay, nonlinearity and so on. A fuzzy neural network model was set up through a great deal of production data. Besides a novel constrained gradient descent algorithm used to update the parameters was put forward to improve the parameters learning efficiency. Ultimately the self-adaptive combination technology was adopted to paralleled integrate two models in order to obtain the prediction model of the matte grade. Industrial data validation shows that the intelligently integrated model is more precise than a single model. It can not only predict the matte grade exactly but also provide optimal control of the copper flash smelting process with potent guidance.     

湿法炼锌沉铁过程氧化速率优化控制

湿法炼锌沉铁过程针铁矿沉淀形成的条件要求苛刻, 亚铁离子的氧化速率必须控制在合理的范围内才能保证溶液中的铁离子以针铁矿形式除去. 本文在沉铁过程动态模型的基础上, 根据针铁矿沉淀形成的条件和结合流程工艺要求, 优化设定每个反应器出口的亚铁离子浓度, 进而建立针铁矿法沉铁过程氧化速率优化控制模型. 采用控制参数化方法将最优控制求解问题转化为非线性规划, 通过状态转移优化算法求取最优的氧气和氧化锌控制率, 以合理控制沉铁过程亚铁离子的氧化速率. 仿真结果表明, 优化控制模型计算所得的控制量不仅可以保证反应过程的氧化速率符合生成针铁矿沉淀的条件, 而且可以稳定生产流程.     

TBR架构GPU中三角形高效光栅化

目的 在基于分块渲染(TBR)架构的GPU中,三角形光栅化的速度对芯片的性能影响很大,采用传统的光栅化方法会产生大量多余的像素,无法发挥TBR架构的优势.方法 提出了一种该架构下的高效三角形光栅化算法,该算法充分利用了分块渲染的特点,通过预处理计算出三角形在每一个块内的绘制参数,得出三角形与块边界的位置关系,并将其随三角形的分块信息一起写入存储器,在光栅化阶段采用了Bresenham算法,利用生成的三角形边得到在每一个块内的扫描水平线,进而生成水平线上的每一个像素.结果 经过理论分析,该算法的光栅化效率可以达到83%以上,甚至接近100%,在FPGA原型验证系统上对该算法进行了功能和性能的验证.结论 提出的三角形光栅化算法,能够适应TBR的架构,实际测试像素填充率与频率高一倍的ATI M9相当,因此该算法能够达到较高的光栅化效率.     

基于时序关联矩阵的高炉冶炼过程多重关联时延估计方法

高炉冶炼过程由炉料传输反应时间和冶炼单元在空间和时间分布上的差异带来的变量时延影响了数据的准确性和真实因果关系,因此有效地估计过程变量间的时延信息,并在时序上配准数据,是后续过程建模、优化控制与性能评估的核心.考虑到变量间时延的多重关联性,提出了一种基于时序关联矩阵的时延参数估计方法.首先,根据过程变量的时延参数在时空上重构对应的时序关联矩阵,并引入灰色关联分析量化时序矩阵的多重关联相关性;接着,考虑到穷举所有时序关联矩阵的时间复杂度,提出了一种双尺度协同搜索策略的动态多群粒子群算法用于快速寻找最优的时延参数,提出的粒子群算法能兼顾全局探索能力和局部探测能力并跳出局部最优解;最后,基于一个数值仿真和某钢铁厂2#高炉的工业实验验证了所提时延参数估计方法的可行性和有效性,且通过所提方法在时序上重构的数据能有效提高后续硅含量软测量模型性能.     

FSNet: 基于频率特性的烟雾图像分割网络

烟雾图像分割是对烟雾进行识别与精准定位的基础, 是火灾预警的重要手段. 针对烟雾分割时存在过分割、欠分割以及边界拟合粗糙的问题, 本文提出一种基于频率分离特性的烟雾图像分割网络. 所提出的频率分离模块将特征图中的烟雾区域分离为低频主体部分和高频边界部分, 同时基于多任务学习设计多模块权重自适应损失函数对烟雾整体、主体、边界分别监督学习, 起到细化烟雾边界和改善烟雾整体分割结果的作用; 此外, 结合可变形卷积提出改进的空洞空间金字塔池化模块以解决其信息利用率低和特征关联性差的问题. 在对比实验中, FSNet的烟雾交并比为76.55%, 比基线网络提高了4.25%. 可视化分割结果可以看出, FSNet能有效缓解过分割、欠分割, 所得烟雾边界更平滑, 烟雾图像分割的整体性能获得较大提升.     

基于WCGAN的矿物浮选泡沫图像光照不变颜色提取

浮选泡沫表面颜色是选矿生产指标(精矿品位)最为快速便捷的直接指示器. 然而, 泡沫图像信号因受多种可变光照的交叉干扰而不可避免存在严重色偏, 导致浮选指标难以准确评估. 本文将传统的基于光照估计的图像颜色恒常问题转换为一种结构保持的图到图颜色(风格)转移问题, 提出一种基于Wasserstein距离的循环生成对抗网络(Wasserstein distance-based cycle generative adversarial network, WCGAN)用于泡沫图像光照不变颜色特征在线监测. 在标准颜色恒常数据集和实际的工业铝土矿浮选过程进行实验验证, 结果表明, WCGAN能有效实现各种未知光照条件下(色偏)图像到基准光照条件下的颜色转换, 转换速度快且具有模型在线更新功能. 与传统的基于生成对抗学习的颜色转换模型相比, WCGAN能更好地保持泡沫图像的轮廓和表面纹理等结构信息, 为基于机器视觉的矿物浮选过程生产指标的在线监测提供了有效的客观评价信息.     

非相称多时滞奇异系统的有记忆状态反馈控制

针对一类非相称多时滞奇异系统, 研究其时滞相关稳定性问题. 给出了易于数值检验的时滞无关正则条件. 基于Lyapunov-Krasovskii泛函方法和广义积分引理给出了系统时滞相关稳定的充分条件. 本文的主要思想是利用矩阵不等式方法, 设计有记忆状态反馈控制器, 使相应的闭环系统时滞无关正则、无脉冲、渐进稳定, 并直接给出了有记忆状态反馈控制器参数化的表达形式. 最后通过数值仿真验证了所提方法的有效性.