智能工厂改进方案

根据氯碱生产特点对生产过程、安全管控、设备管理、自动化办公等方面进行智能化改进,将大数据技术应用于生产、采购、销售、设备管理等方面,通过智能生产提升了企业的竞争力.     

相关证据下的水中目标识别方法研究

研究了基于现代信号处理技术的舰船辐射噪声信号特征提取，提出了基于欧氏距离特征标准化的算法和基本概率赋值的获取方法，给出了相关证据下的信息融合规则。通过对大量实船噪声样本进行实验分析表明，该方法可以提高对水中目标识别分类结果。     

条纹图形Heusler合金CoFeMnSi薄膜的制备及其磁特性研究

以CoFeMnSi作为研究对象,对其进行图形化设计,以研究图形化CoFeMnSi薄膜的磁学特性。利用感光溶胶-凝胶法和激光干涉法制得条纹图形ZrO2薄膜,之后利用磁控溅射法在其表面溅射沉积CoFeMnSi,以达到制得图形化CoFeMnSi磁性薄膜的目的,并对其表面形貌和磁学特性进行了表征。采用金相显微镜分析验证CoFeMnSi薄膜继承了ZrO2的条纹图形结构,条纹图形周期约为2μm;面内磁性测量显示薄膜398 kA/m磁场下的磁化强度与外磁场和条纹夹角θ呈180°周期性变化关系,且磁化强度介于390~440 kA/m;利用CoFeMnSi平膜面内磁化强度及面外磁化强度与外加磁场方向的变化关系,解释了条形薄膜磁化强度的θ角度依赖关系;采用磁力显微镜观察到磁畴结构形态为蜂窝状,磁畴尺寸大约1~2μm。     

教与同伴学习粒子群算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题,提出了带Pareto非支配解集的教与同伴学习粒子群算法。首先,以工件的最大完工时间、最大机器负荷和所有机器总负荷为优化目标建立了多目标柔性作业车间调度模型。然后,该算法结合多目标Pareto方法和教与同伴学习粒子群算法,采用快速非支配排序算法产生初始Pareto非支配解集,用提取Pareto支配层程序更新Pareto非支配解集,同时采用混合分派规则产生初始种群,采用开口向上抛物线递减的惯性权重选择策略提高算法的收敛速度。最后,对3个Benchmark算例进行仿真实验。理论分析和仿真表明,与带向导性局部搜索的多目标进化算法(MOEA-GLS)和带局部搜索的控制遗传算法(AL-CGA)相比,对于相同的测试实例,该算法能产生更多更好的Pareto非支配解;在计算时间方面,该算法要小于带向导性局部搜索的多目标进化算法。实验结果表明该算法可以有效解决多目标柔性作业车间调度问题。     

基于数据挖掘技术与支持向量机的目标识别研究

提出了基于数据挖掘技术及基于支持向量机的两种水中目标识别方法,分别藉助目标噪声特征量提取和模式识别算法以及支持向量及二次规划算法,对比性地研究了不同工况下三类目标的分类识别效果。其方法和结果对水中目标识别有较好的参考价值。     

等离子喷涂陶瓷层后氧化处理的研究

对比研究了后氧化处理、封孔相和退火、真空退火对原大气等离子喷涂（Ａｌ／Ｎｉ＋Ｃｒ２Ｏ３）陶瓷涂层硬度,结合强度等性能的影响。结果表明,合理的后氧化能够明显改善涂层性能,且氧的得发挥作用的重要因素之一     

三叉形自力式高效排气风帽的原理特性及应用

中重点介绍新型韧 利-自力式三叉型高效排气风帽的设计原理，结构特性以及空气动力性能检验结果，和旧式风帽相比，此产品的突出优点是不但能保障在任何风向和风力的情况下，都不发生风雨倒灌现象，而且还利用了室外风力，形成排风主管的抽力（即产生静压），变不利因素为有利因素，另外此产品阻力系数较小为0.83。     

一种新的自适应变异粒子群优化算法在PMSM参数辨识中的应用

高精度辨识永磁同步电机参数是进行控制器设计的基础。本文借鉴遗传算法中变异操作的思想,提出了一种基于自适应变异概率的混合变异粒子群优化算法,并将其应用于永磁同步电机参数辨识问题。本文首先在dq坐标系下建立永磁同步电机参数辨识模型,然后将该算法和几种变异粒子群算法用于永磁同步电机参数辨识,并在Matlab/Simulink中进行了对比验证。实验结果表明,该算法能提高定子电阻、d轴电感、q轴电感和转子磁链等参数的辨识精度,为提高永磁同步电机电机控制器性能提供了保证。     

纸浆浓度的免疫双闭环自适应控制

针对纸浆浓度控制系统具有大纯滞后和模型不确定的特性，提出将免疫控制原理应用于双闭环控制系统中，对带有Smith预估器的系统进行在线调节。该控制器克服了Smith预估器对模型精度要求高的缺点，利用免疫在线调节内环比例参数值。经仿真，验证了该系统具有很强的鲁棒性和抗干扰能力。