选矿过程工艺指标确定方法及应用

当前选矿生产实现了对个别工序工艺指标的优化控制,但各工序的工艺指标目标值仍然由选矿工程师根据入选原矿情况来确定,具有较大的模糊性与随意性,各工序之间不能有效协调,无法满足对更好综合生产指标的追求.因此,以某选矿厂为实际背景,设计了一套基于案例推理技术确定各工序工艺指标目标值的系统,为避免人工确定初始案例的缺点,采用动态自组织映射神经网络从历史数据中提取了若干初始案例,该系统与各工序原有的过程优化控制系统相配合在实际生产中取得了较好效果.     

粗糙集理论在选矿生产成本分析中的应用

科学地分析影响原料消耗成本变化的主要因素,才能揭示成本变动原因,为成本控制提供有效依据.因此,提出基于粗糙集理论的原料消耗成本影响因素重要度确定方法.利用分类质量来度量各因素对原料消耗成本的影响程度,应用基于可辨识矩阵和逻辑运算方法求解决策表的最小简约,找出影响原料消耗成本的确定性因素和不确定性因素,为改进生产提供辅助决策支持.实例分析表明,该方法简捷实用,可定量分析影响因素对原料消耗成本的影响程度.     

基于SIP的多方视频会议模型设计与实现

用SIP协议构建视频会议系统已成为一个趋势,但在设计和实现过程中也存在一些缺陷和问题,如无成熟标准、安全性差。为解决这些问题,提出一个基于SIP的多方视频会议系统模型。该模型采用分层设计思想,利用成熟的网络协议和加密技术,保障了系统的实用性和安全性,是一个可扩展到广域网的适应性很强的多方视频会议解决方案。通过系统设计和实现验证了该方案的可行性和实用性。     

基于合作仲裁求解分布式约束优化问题的研究

MAS中许多分布式推理问题都可以建模为分布式约束优化问题(DCOP).在这里,我们把分布式会议调度DMS(Dis-tributed Meeting Scheduling)问题映射为DCOP,基于合作仲裁进行求解,并把结果与另一个DCOP算法比较.考虑到完全解决方案的时间复杂性,我们把局部约束图转换为伪树,加速了搜索速度,从而在较短的时间找到最优解决方案.     

低温环境下电子式电流互感器异常原因分析

电子式电流互感器作为直流系统重要的测量设备,是保证直流系统安全稳定运行的基础。针对某±800 kV特高压换流站两起电子式电流互感器异常,通过比对激光器驱动电流、数据电平、环境温度等状态量,详细分析设备异常根本原因,并开展激光器供能光路损耗静态试验和远端模块高低温循环试验,从侧面验证分析结果的正确性。同时,在现场检查过程中还发现了电子式电流互感器在低温环境下光缆埋管深度不足、穿管排水不畅、远端模块性能劣化等问题,进而提出增加埋管深度、优化埋管敷设方式、增加备用远端模块及定期开展光纤衰耗测试等针对性建议,为换流站基建验收及运行维护提供参考和借鉴。     

一种变压器巴伦馈电的超短波紧耦合阵列天线

紧耦合阵列天线(Tightly Coupled Array, TCA)具有超宽带、低剖面、宽角扫描等特点,近年来受到国内外学者的广泛关注。然而,在甚高频(VHF)、特高频(UHF)频段TCA 由于馈电网络设计困难等原因现有的研究报道很少。为了填补这一空白,本文设计并测试了一款变压器巴伦馈电的TCA,利用变压器巴伦解决了单元平衡馈电困难问题,同时采用短路枝节抑制E面共模谐振,采用频率选择表面(FSS)匹配层改善宽角扫描阻抗匹配。实测结果表明,该天线在110~520 MHz 频带内、±40°扫描角范围内电压驻波比<2.5,和仿真结果吻合。     

低密度脑电自适应去噪方法

便携式和可穿戴设备的低密度脑电图更便于实际使用,但会受到多种不可预知的噪声影响,给去噪带来极大的困难。脑活动成分较为相似,在特征空间分布较为紧密,而噪声成分与脑电成分不同,差异性大,在特征空间分布较为分散。本文提出了一种低密度脑电自适应去噪方法,采用小波分解和盲源分离方法提取潜在成分,并基于脑电和噪声成分在特征空间的分布特性,采用单类支持向量机识别并去除远离成分分布中心的异常成分。仿真数据的定量分析结果表明,提出的方法在肌电、眼电和工频等噪声抑制方面均优于现有方法;通过对真实脑电数据的成分簇可视化分析,直观展示了低密度脑电噪声有效去除的原因。结合盲源分离和异常检测的思路进行低密度脑电去噪,不需要设定特定噪声相关的特征参数,能够自适应地去除多种类型噪声同时有效保留脑活动成分,具有优良的性能和实用性。     

融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法（SSA）在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法（MSSA）。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。     

吊车钢丝绳非线性谐振建模及消谐控制

对于欠驱动吊车而言, 已有的方法都只考虑如何消除摆角. 然而当钢丝绳的摆角很小时, 钢丝绳上可能仍 然会存在严重的谐振. 针对吊车的消谐问题, 本文率先提出了一种基于钢丝绳–电机轴的非线性谐振力矩模型. 具体而言, 先利用振动力学的方法, 建立了非线性谐振力矩模型, 该模型可以将钢丝绳上的非线性谐振力矩归算到电机轴上, 然后通过电机控制器调节电机的输出力矩, 使得电机输出的基波主力矩上叠加一个大小相等方向相反的非线 性谐振力矩, 以达到消除钢丝绳上的谐振力矩的目的. 最后通过Simulink仿真和实验证明该方法具有良好的控制性 能, 不仅可以有效消除钢丝绳上的谐振, 并且能进一步减小摆角.     

基于知识引导的自适应动态多模态差分进化算法

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.