变频调速在塔机起升机构中的应用

阐述了变频调速技术在塔式起重机起升机构中的应用,对变频器和PLC变频调速控制系统进行了全面分析,最后得出了变频器选型要求。     

基于PSO-LSSVM的水分仪称重传感器非线性补偿研究

水分仪称重传感器的输出与待烘干物重量存在一定的非线性关系,且烘干失重法对传感器工作环境温度影响也会造成称重传感器输出的非线性变化。在分析传统应片式传感器非线性输出的产生机理基础上,提出一种基于变异粒子群-最小二乘支持向量机(PSO-LSSVM)的新型称重传感器非线性补偿方案:首先采用噪声协方差可变的卡尔曼滤波算法对称重传感器输出数据进行滤波,减小噪声的影响;再将滤波后的数值与环境温度值作为回归参量,建立基于LSSVM算法的水分仪称重模型;利用变异PSO算法对模型进行参数寻优。实验表明,在220 g/0.001 g水分仪中采用本方法对传感器输出进行非线性补偿后,称量精度明显优于国家检定规程标准;此外,该方法满足在小训练样本条件下,具有很好的泛化性。     

基于PSO-LSSVM的双压凝汽器真空建模

凝汽器真空状态反映了凝汽器的工作运行状态,是保证火力发电机组安全运行的重要参数.文中结合凝汽器的工作原理,建立了基于PSO-LSSVM的凝汽器真空预测模型,并对某1000MW超临界机组的双压凝汽器真空进行预测,同时将预测结果与PSO-BP模型和PSO-Elman模型进行了对比.结果表明,使用的PSO-LSSVM模型具有更高的精度和更快的收敛速度,为机组的性能诊断、参数寻优提供了依据理论,具有一定的工程应用价值.     

基于CPSO-LSSVM的多传感器数据融合

文中提出了一种新的基于混沌算法优化的粒子群(CPSO)算法,该算法在种群初始化时应用混沌算法优化粒子的初始位置,扩大粒子的有效搜索范围,在陷入局部最优时应用混沌算法遍历整个搜索空间,跳出局部最优.仿真实验证明该算法寻优性能优于当前其他PSO算法.利用CPSO对LSSVM的参数进行优化选择,建立多传感器数据融合模型.将该模型应用于压力的检测,实验证明了该方法优于当前其他主要方法.     

航空发动机油样光谱分析的PSO-LSSVM组合预测方法

油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障。根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化。最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle SwarmOptimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度。     

基于Ansys柔性附着动臂塔式起重机起升激励载荷响应分析

以某型号柔性附着动臂式塔式起重机为研究对象,建立了与实体结构相对应的有限元模型,进行了在起升激励载荷作用下的瞬态响应分析,给出了分析结果,为后续更深入的研究打下基础。     

起重机起升机构变频器参数的优化

起重机起升机构的启动是一个从静止到稳定运行的过程,传统的电气控制方式会对机械结构造成一定的冲击.通过一个工程实例,深入分析起升机构变频器启动时的各项参数曲线,并结合现场运行条件,经过多次调试,得出了起升机构变频器的优化参数.该参数最大程度上减小了启动过程中机械结构之间的冲击,可为电气工程师现场调试提供参考.     

粒子群优化算法在改善传感器稳定性中的应用

针对最小二乘支持向量机在建立传感器回归模型时,其惩罚因子及核函数参数难以确定的问题,提出了利用粒子群算法对模型参数进行优化选取的方法,以提高模型的预测准确度及建模效率,并与遍历优化方法进行比较。实验结果表明,采用粒子群算法进行参数优化所用时间约为1621s,得到的模型预测结果均方误差为1.24×10-6;而采用遍历优化所用时间约为21599s,所得模型预测结果均方误差为2.74×10-5。采用粒子群算法进行参数优化使得建模效率和建立的模型预测准确度提高了一个数量级。测试样本计算表明,经过粒子群算法优化之后建立的传感器回归模型使得传感器的温度灵敏度系数及电流灵敏度系数比建模前降低了大约97%,比采用遍历优化方法降低了约85%,传感器的稳定性得到了大幅度改善。该方法切实有效,具有一定的发掘空间和实际应用价值。     

一种改进的最小二乘支持向量机算法及其在硅酸盐分析仪中的应用

硅酸盐分析仪在多组分同时测定时,测定数据的解析属于典型的小样本问题,在标准LSSVM算法的基础上,结合粒子群优化算法优化LSSVM超参数。实验结果表明,该算法与单项组分测定结果一致,效率却大大提高。     

塔式起重机起升机构失控事故的检验与分析

结合对QTZ80(Q5512)型塔式起重机首次安装使用时所发生的起升机构失控事故的检验,对可能导致该类型事故的供电电源质量及其保护、电磁离合器直流电路及其欠电流保护、减速器的润滑与电磁离合器的维护、机械制动器制动性能、涡流制动器欠电流保护、司机违规换挡及严重超载等原因作了多方面的深层次分析,对设计、制造、使用、维护提出了持续改进的建议.     

基于起升机构分析的铸造起重机小车架优化研究

由于基于传统强度、刚度理论优化的铸造起重机小车架仍具有较大刚度,为了实现小车架轻量化,降低制造成本,将小车架变形量与起升机构传动系统建立联系,引入轴线歪斜角作为小车架结构优化的刚度约束条件,并通过优化结果给出小车架刚度设计推荐值.文中以225 t铸造起重机小车架为例,建立以小车架主要部件板厚为设计变量、以许用应力和轴线...     

基于CPSO与LSSVM融合的发酵过程软测量建模

发酵过程是一个复杂的时变、非线性、强耦合过程.发酵过程中的关键参量菌体浓度通常难以用传统物理传感器实时在线检测.为了测量该参数,将CPSO算法与LSSVM相结合构建发酵过程软测量模型.模型采用CPSO算法优化LSSVM软测量模型参数,克服了常规交叉验证法选取参数的耗时和盲目性.仿真结果表明,CPSO-LSSVM软测量模型较LSSVM软测量模型更能在较短的时间内获得较高的收敛精度,其平均误差为2.05％,说明该软测量模型可用于发酵过程不可在线测量的菌体浓度的实时在线软测量,并且预测精度高,预测速度快,预测能力强.该软测量建模方法也为发酵过程其他关键参量的实时在线测量提供了新的途径.     

基于VC++的起重机起升机构可靠度软件开发

在分析了大量起重机起升机构事故的基础上,采用系统可靠性分析方法中的故障树分析方法,基于VC++平台研发了起重机起升机构可靠性分析软件.通过对起重机起升机构可靠性进行计算,定量评价出起升机构的实时可靠性     

基于粒子群优化的VB-LSSVM算法研究辛烷值预测建模

针对现有红外线分析仪表无法实现阶段在线检测车用汽油调合中,MMT抗爆剂对辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化算法的矢量基最小二乘支持向量机方法,首先以粒子群优化的方法来选取最小二乘支持向量机的模型参数,然后用矢量基判据选择支持向量,使最小二乘支持向量机的解具有稀疏性.该方法不但克服了常用的交叉验证法的耗时与盲目性问题,发挥了最小二乘支持向量机的小样本学习和计算简单的特点,而且提高了最小二乘支持向量机模型的泛化能力,将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的.     

H3／36B型塔机起升机构电控系统的改造

H3／36B型塔式起重机,其最大工作半径60m,最大起吊质量12t,臂顶起吊质量3.6t。为了降低故障率,减少维修成本,采用可编程序控制器（PLC）对其电控系统进行了改造。     

基于最小二乘支持向量机的应力强度因子预测模型

应力强度因子是表征材料断裂的重要参量,与应力大小,裂纹的形状和裂纹长度有关。对应力强度因子进行分析,基于最小二乘支持向量机原理,结合粒子群优化,建立以应力大小和裂纹长度作为输入值,应力强度因子为输出值的模型,从而对应力强度因子进行分析和预测。模型预测值与理论值进行分析比较,结果显示,基于最小二乘支持向量机结合粒子群优化算法建立的数学模型,模型拟合优度为0.994 9,可通过应力大小和裂纹长度预测应力强度因子,预测值与精确值的相对最大误差为0.186 4,可证明该模型的适用性与精确性。     

基于粒子群优化的最小二乘支持向量机在时间序列预测中的应用

为提高基于最小二乘支持向量机（LSSVM）的时间序列预测方法的泛化能力与预测精度,研究了一种基于粒子群优化（PSO）的LSSVM。该方法以交叉验证误差为评价准则,利用PSO对多个具有不同超参数的LSSVM进行基于迭代进化的优化选择,并以交叉验证误差最小的LSSVM作为最终优化后的LSSVM。时间序列预测实例表明,经PSO优化后的LSSVM的预测精度高于未经优化的LSSVM与传统时间序列预测方法的预测精度。     

基于PSO-LSSVM的网络化制造系统安全检测

为了解决传统网络化制造系统安全检测技术检测精度低的难题,提出基于粒子群优化最小二乘支持向量机(PSO.LSSVM)的网络化制造系统安全检测方法.首先,确定网络化制造系统安全检测特征,并对特征进行预处理.然后,建立基于粒子群优化最小二乘支持向量机的网络化制造系统安全检测模型.最后,通过实例证明该方法的有效性及优越性.分别采用人工神经网络、支持向量机与PSO-LSSVM方法进行对比分析,实验结果表明,PSO-LSSVM对网络化制造系统的安全检测性能优于神经网络与支持向量机的安全检测性能.     

液压起升机构的非线性动力学研究

通过建立一个较完整的液压起升机构在起升作业时间的非线性多自由度动力学模型,采用自适应步长的四阶Ｒｕｎｇｅ－Ｋｕｔｔａ法,求解系统非线性动力学方程组,并对吊重瞬间离地起升这一典型工况进行动态仿真。另外,着重分析起升机构液压系统和机械系统的动态特性,为液压起升机构的设计提供了理论依据。     

污水处理控制系统设计与出水参数的软测量

随着工业技术的发展,各种污染已经严重影响了人类的生存环境。近年来人们由于对水环境保护意识不断增强,更多的技术被要求应用于污水处理过程之中。针对某焦化厂污水处理系统,设计了一套基于W INCC、PLC的污水处理控制系统,从而实现了污水处理系统自动化控制。利用已测得进水数据,基于最小二乘支持向量机(LSSVM)建立了软测量模型,并且引入小波分析这一数学分析方法,选用径向基小波核函数。针对支持向量机参数,采用自适应粒子群优化(APSO)算法对其进行了调整。实验结果表明,此方法能够实现对污水处理系统出水BOD5、COD浓度的软测量预测。