西门子WinAC在LF炉电极控制系统中的应用

以钢包精炼炉（LF炉）电极系统为对象,采用西门子基于PC的控制器WinAC实现智能控制,运用现场总线技术和开放的开发工具WinAC ODK,确保了电极系统的实时性和可靠性。     

基于正则化RBF神经网络的钢包精炼炉电极系统智能建模

通过RBF神经网络和模糊推理系统的比较，得出正则化RBF神经网络的输出特性，在此基础上利用改进的最近邻聚类算法确定网络的隐层节点个数和高斯函数中心，并估计输出层权值。仿真结果表明了所提方案的有效性。     

PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

炉温的实时预测技术对高炉运转具有重要意义。在高炉炼铁过程中,通常以铁水硅含量来表征高炉热状态。针对硅含量预测效率和精度不足的问题,提出主成分分析和粒子群改进的极限学习机相结合的方法对高炉铁水硅含量进行预测。由于影响铁水硅含量的因素众多,且各因素之间相互影响,通过主成分分析对影响硅含量的输入变量进行降维处理。利用粒子群算法来优化极限学习机的权值和阈值,并以均方根误差作为适应度函数建立预测模型。将提取出的主成分作为模型输入,铁水硅含量作为模型输出。最后比较了极限学习机算法和粒子群改进的极限学习机,实验结果表明改进后的预测模型提高了硅含量预测的准确度,上述方法可为高炉的生产操作提供参考。     

ASP.NET应用程序安全缺陷及预防策略

安全是Web应用程序的核心.许多Web应用程序是基于Windows的IIS服务,然而IIS机制过于简单,ASP.NET应用程序必须引入更多的安全机制.着重分析应用程序的一些安全缺陷,并通过实例提出一些预防策略.     

基于MATLAB的自适应模糊PID控制系统计算机仿真

在分析自适应模糊控制及PID参数变化对系统性能影响的基础上,提出在动态过程中对PID参数进行整定。仿真研究表明,控制质量得到了提高。     

多层建筑应急疏散仿真

以多层建筑为背景,研究应急疏散问题,基于改进的路径规划算法,并将多智能体技术应用在模型间的通信交流上.采用机器人感知周围环境,通过设置机器人个数以及初始位置,对灾情中室内被困人员进行智能搜救,并采集现场实时数据,作出决策分析.机器人实时感知现场状况的变化,引导人员疏散,并将实时数据传输给施救人员,采取进一步救援措施.结果表明,该三维仿真技术为有效减少人员疏散中的伤亡和最佳救援方案的制定提供了参考,具有一定的现实指导意义.     

基于稀疏表示和决策融合的图像分类方法

利用多个稀疏表示分类器融合的决策信息对图像进行分类,可避免单个特征对图像分类的影响。提出一种自适应调节权重的多稀疏分类器融合图像分类方法。对原始图像分别提取3组不同特征,并训练出各自稀疏表示分类器;根据各个子分类器的准确率,通过迭代计算自适应确定各分类器最终权重;融合各子分类器的输出结果进行最终类别判断。基于Cifar-10图像数据集进行多组实验,结果表明,相对仅提取单特征的图像分类方法,该方法有效提高了图像分类准确率。     

一类基于贝叶斯信息准则的k均值聚类算法

典型k-均值算法中的聚类数k必须是事先给定的确定值,然而,实际应用中k很难被精确地确定。同时该算法对初始聚类中心的依赖性而导致聚类结果可能陷入局部极小,使得该算法对一些实际问题无效。采用基于密度聚类算法(DBSCAN),在筛选局部代表点时结合贝叶斯信息准则(BIC),得到少量精准反映局部数据分布的BIC核心点。然后,以BIC核心点为初始聚类中心,BIC核心点数量为类别数,对全局数据进行k-均值聚类。实验结果表明,优化的k-均值算法是一种有效可行的聚类算法。     

基于GA-BP的烧结风箱阀门预测模型

在烧结点火过程中,风箱压力应维持在目标范围内,使炉膛保持微负压状态。在实际烧结生产中,目标范围内的风箱压力所需的阀门开度难以预测,错误的调节风箱阀门常常使风箱内部压力不符合烧结生产要求,难以达到烧结微负压点火的要求。为此,文章使用遗传算法(GA)对BP神经网络进行优化,提出了一种烧结风箱阀门预测模型,用钢厂的实际烧结数据对其进行训练,并将几种预测模型的预测结果进行对比。实验结果表明,GA-BP预测模型的预测效果优于传统的BP预测模型以及拟合预测模型,该模型可以较为准确地预测风箱压力达到目标范围所需的阀门开度,为烧结现场的风箱阀门开度智能控制提供了可靠的理论支持,能够很好地满足生产需求。     

基于Visual C++的高速数据采集及其应用

本文分析了高速数据采集系统的结构,并以16位高速A／D数据采集器DAQ-2010为例,介绍了在VC 环境下实现高速数据采集的方法。