铜闪速炉冰铜温度预测模型的研究

针对铜闪速炉冰铜温度预测问题,提出了一个基于智能集成策略的预测模型。该模型结合了基于热平衡的数学模型和模糊神经网络模型,再通过一个智能协调器输出结果。其仿真结果与冰铜温度真实值基本吻合,可以为生产操作提供指导。     

铜闪速炉冰铜温度预测模型的研究

针对铜闪速炉冰铜温度预测问题，提出了一个基于智能集成策略的预测模型。该模型结合了基于热平衡的数学模型和模糊神经网络模型，再通过一个智能协调器输出结果。其仿真结果与冰铜温度真实值基本吻合，可以为生产操作提供指导。     

高斯过程回归补偿ARIMA的网络流量预测

为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.     

Modeling and Simulation of Time Series Prediction Based on Dynamic Neural Network

Molding and simulation of time series prediction based on dynamic neural network(NN) are studied.Prediction model for non-linear and time-varying system is proposed based on dynamic Jordan NN. Aiming at the intrinsic defects of back-propagation (BP) algorithm that cannot update network weights incrementally, a hybrid algorithm combining the temporal difference (TD) method with BP algorithm to train Jordan NN is put forward.The proposed method is applied to predict the ash content of clean coal in jigging production real-time and multistep. A practical example is also given and its application results indicate that the method has better performance than others and also offers a beneficial reference to the prediction of nonlinear time series.     

机加零件质量预测与工艺参数优化方法

为了有效利用机加零件工艺信息和检测信息,提出基于机器学习算法的质量预测与工艺参数优化方法. 以集成工艺信息和检测信息的基于模型定义（MBD）模型为输入,通过对三维建模软件的二次开发实现参数提取,并建立结构化数据集. 利用多种机器学习分类器构建基于工艺参数与质量分类标签的质量预测模型. 结合信息增益算法对所有工艺参数进行优先级排序,筛选出对质量影响最大的工艺参数;开发质量预测与工艺参数优化工具集,利用梯度提升树模型优化对质量影响最大的工艺参数. 以某航空企业提供的铣削实验数据验证所提出方法的有效性和可靠性. 验证结果表明,该方法能够较好地实现机加零件的质量预测和工艺参数优化.     

减压蜡油加氢脱硫工艺及宏观动力学模型研究

以3种不同VGO为原料,在200 mL固定床连续等温加氢试验装置上,考察了反应温度、氢分压、体积空速、氢油体积比等工艺条件对加氢精制催化剂A脱硫反应的影响,同时建立了相应的关联曲线,探讨工艺条件对精制油中硫含量的影响趋势。建立了减压蜡油加氢脱硫宏观动力学模型,对动力学模型进行优化计算和实验验证,结果表明模型具有一定的预测精度。     

基于溶解度实验的硫沉积模型及应用研究

四川东北部相继发现了普光、罗家寨等一大批高含硫气藏.高含硫气藏在气体开采过程中,随着地层压力不断下降,元素硫达到临界饱和态后将从气相中析出,并在储层孔隙及喉道中沉积,从而导致地层孔隙度和渗透率降低,严重时造成气井停产.根据硫在天然气中的溶解机理以及物质平衡原理建立了高含硫气藏硫沉积预测模型,以罗家寨气田罗7井为例,预测了不同压力范围下的含硫饱和度以及硫沉积对气井产量的影响.研究结果表明,当地层压力下降到40 MPa时,气井产量下降了82.5%,地层压力下降到37 MPa时,气井将停产.     

Modeling and Simulation of Time Series Prediction Based on Dynic Neural Network

Molding and simulation of time series prediction based on dynic neural network(NN) are studied. Prediction model for non-linear and time-varying system is proposed based on dynic Jordan NN. Aiming at the intrinsic defects of back-propagation (BP) algorithm that cannot update network weights incrementally, a hybrid algorithm combining the temporal difference (TD) method with BP algorithm to train Jordan NN is put forward. The proposed method is applied to predict the ash content of clean coal in jigging production real-time and multi-step. A practical exple is also given and its application results indicate that the method has better performance than others and also offers a beneficial reference to the prediction of nonlinear time series.     

应用炉气分析预报转炉吹炼过程熔池碳和温度

以转炉连续检测的烟气成分为过程参数,以质量平衡理论和不可逆过程的非平衡态热力学理论为基础建立转炉过程动态模型,推算吹炼过程熔池碳含量和温度.通过建立模型过程中引入氧枪枪位,并对烟气的流量、系统滞后时间进行校正,以及运用不可逆过程热力学确定熔池的反应温度,有效提高了模型的精度.     

物料配送与线边存储集成决策模型与算法

以飞机移动装配线的物料供给为应用背景,将该过程抽象为一类物料配送与线边存储集成优化问题,在线边空间可共享和重复使用的环境下对物料的配送及物料在线边的存储两类子问题进行联合决策.以小车配送次数最小化为目标函数,建立集成优化数学模型.针对该模型,设计基于蚁群算法的混合启发式算法.该算法的核心思想为借助蚁群算法的全局搜索能力搜寻较优的物料组批方式,通过基于物料批次划分的解生成算法联合决策各物料的配送时刻和物料在线边空间的存放位置.为了进一步提高解的质量和求解成功率,在解码算法中嵌入物料摆放位置调整的修复算法,对物料的存储方案进行再优化.通过数值实验,证明了模型与算法的有效性.     

基于余弦速度场的厚板轧制力能参数建模

为建立一个预测精度可靠的轧制力模型,根据轧件变形时金属流动的特点提出了一个余弦速度场,并基于该速度场进行了相应的能量解析。该速度场能够严格满足体积不变条件、出入口速度边界条件以及几何方程,较好地满足了运动许可条件。建模过程中,基于分矢量内积加和法导出了轧制内部变形功率,解决了非线性Mises比塑性功率带来的积分问题。同时,基于该速度场也导出了摩擦功率、剪切功率的数学表达式。在此基础之上,依据刚塑性变分原理获得了轧制力能参数的解析模型。利用国内某厂现场轧制数据对建立的轧制力模型进行了验证。结果显示,各道次轧制力预测值与实测值的误差均在7.55%以内,具有较高的精度。将所建模型与经典的Sims模型和Tselikov模型进行了对比,也显示了较好的优越性。此外,为了研究厚板轧制过程中的参数变化规律,本文也先后分析了压下率、形状因子、摩擦因子、径厚比、轧辊半径对应力状态系数和中性点位置的影响。     

基于ARFIMA模型的钢材价格预测研究

钢材价格的准确预测有利于施工企业拟定合理的材料采购策略。针对当前钢材价格的预测研究中均未考虑其价格变动的长记忆性,导致建模过程中有效信息丢失,预测误差增大。建立了考虑长记忆性的ARFIMA钢材价格预测模型,以青岛市2014年1月到2019年6月螺纹钢的价格为研究对象进行了钢材价格预测,并利用ARFIMA模型和ARIMA模型的预测值与真实值进行对比分析,实验结果显示：ARFIMA模型较ARIMA模型的钢材价格预测精准度提高了1.7%,且预测效果更稳定。     

基于分层序列法的水冶物位平衡控制决策及求解

针对某金属水7台系统中六路塔物位平衡问题,详细介绍了多目标物位控制系统的工艺流程。应用物料平衡原理构建了多目标物位控制的模型,根据六路塔初始物位高度与目标值之间的偏差,以及物料排放量的约束条件,运用多目标分层序列法（VAHP）的基本决策理论对模型进行了分析与求解,得出每个周期六路塔排出的物料量,通过matlab仿真结果表明,本文构建的模型能够使物位高度快速趋向平衡．     

基于MMR和LMR的同轴度数学模型

为了在CAD系统中表示出公差的工程语义,提出了基于最大实体要求(MMR)、最小实体要求(LMR)的圆柱特征同轴度公差数学模型.将小位移矢量簇(small displacement torsor,SDT)的概念引入到公差数学建模中,在公差矢量化数学模型的基础上,根据MMR和LMR应用于被测要素的不同情况,系统地研究了圆柱特征的同轴度公差在MMR、LMR下的数学模型,完整地表示出了它的工程语义并为下游工作所使用,并用实例验证了该模型在公差分析中的有效性.     

精馏过程的模拟

重点介绍了精馏塔的数学模型建立过程,即根据精馏过程的操作特性,精馏过程采用分段集结建模,由物料及能量平衡原理推导精馏过程的数学模型.     

磨料水射流切割可视化BP神经网络模型研究

针对磨料水射流切割性能与影响因素间存在复杂的非线性关系,无法用传统数学方法建模的问题,基于BP人工神经网络理论,结合典型材料的切割实验结果,在考虑射流压力、磨料流量、切割靶距、工件厚度、磨料喷嘴直径与切割速度6个因素情况下,建立了磨料水射流切割BP神经网络模型.同时,基于Delphi开发出了可移植的磨料水射流切割速度人工神经网络预测单元,实现了所建网络模型的可视化,为实现网络模型与数控系统的集成提供条件.研究结果表明,该网络模型能快速、准确、可靠地预测切割速度,与数控系统相集成可实现对磨料水射流切割质量的有效控制.     

基于SOM-PCA-RVM 的过程建模及其应用

针对呈现高度非线性,自变量之间存在交互作用,且采集的过程数据具有一定类别特征的复杂系统,提出基于自组织映射神经网络-主元分析-关联向量机相结合的建模方法。首先,通过SOM,将样本分割成模式特性相近的若干子类,实现样本模式空间的分割。然后,基于每一子空间的建模样本,提取主元,并以预测性能为指标确定最佳主元个数,消除冗余信息干扰。最后,将各子空间的主元分别作为RVM模型的输入,建立各自的模型,实现基于样本模式空间分割的分类建模。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量中的实际应用表明,SOM-PCA-RVM模型的拟合精度和预测精度不仅优于RVM模型,也优于PCA-RVM模型。      

弹药协调器非线性连续时变反馈控制

为解决某弹药协调器的精确快速定位控制问题,研究了一种基于隐式Lyapunov函数的连续时变反馈控制方法,该方法在控制律形式上类似PD控制,但其中的比例和微分系数取决于系统Lyapunov函数,是系统误差变量的可微函数.首先,采用第2类Lagrange方法建立了系统的动力学模型,在此基础上,针对协调器系统存在的摩擦和小平衡机支反力矩非线性干扰问题,对这两项进行了精细建模,其中摩擦力矩项采用的是LuGre模型.建模后,根据动力学模型具体结构设计实验,并通过实验数据采用遗传算法辨识了摩擦力矩和支反力矩模型中的关键参数.为进一步缩短协调器的定位控制时间以提高其协调效率和性能,基于辨识后的模型,在控制中引入了摩擦力矩和支反力矩的前馈补偿项.实验结果表明,所研究的控制方法对负载不确定性有较强的鲁棒性,在负载发生变化的情况下能够始终保证系统的定位时间和定位精度.此外,对于摩擦和小平衡机支反力矩的非线性干扰补偿可以将协调定位时间缩短25.1%,由为补偿前的2.07 s缩短到1.55 s,同时保证了协调器的运动定位精度,验证了算法的有效性.     

自平衡立方体机器人动力学建模

针对立方体机器人自平衡控制问题,对其以棱边为支点的动力学建模问题进行了研究.以所设计的立方体机器人样机为具体研究对象,分别采用拉格朗日方法和凯恩方法建立起相应的动力学模型,通过比较2种方法的建模结果和数值仿真分析,从理论上验证了所建立模型的正确性.基于建立的模型设计了平衡控制器,并将其应用于立方体机器人样机控制,取得了预期的效果,再次验证所建立模型的正确性.所建立的动力学模型,为进一步研究立方体机器人的平衡控制奠定了基础.