一种并行协同粒子群优化的支持向量机预测模型

转炉提钒过程是一个非常复杂的多元非线性反应过程,从统计学和反应机理等角度出发,难以建立终点控制静态模型．针对这样的问题,提出了并行协同粒子群优化的支持向量机预测模型,不仅克服了支持向量机偏差ε和折中参数C选择的随机性,而且较好地解决了大数据集的快速并行计算,缩短了计算时间,从而有利于连续生产操作．试验表明,用该模型预测转炉提钒的冷却剂加入量和吹氧时间,结果的误差减小,满足了终点命中率在90%以上的指标,具有工程实用性．     

并行混沌粒子群优化研究及应用

粒子群优化算法（PSO）是进化计算领域中的一个新的分支,其源于鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,该文提出并行混沌粒子群算法,该算法保持了群体多样性从而避免了早熟,经过计算机仿真实验这是一种高效的优化算法.针对转炉提钒过程是一个多元非线性反应过程而难以建立终点控制模型的问题,提出了并行混沌粒子群RBF算法的方法建模.克服了RBF中心个数选择的随机性.试验表明,用该算法预测冷却剂加入量误差较小,具有工程实用性.     

一种改进的和声搜索模糊聚类算法

针对模糊聚类算法对初值和聚类中心较为敏感的问题,采用和声搜索算法寻找最优聚类中心,并且改进了和声搜索算法的调音概率和随机带宽,从而加速了算法收敛。使用维度加权的方法进行特征选择,提高了聚类的性能,通过定义聚类质量评价函数提高了模糊聚类质量。采用标准数据验证了算法。结果表明,提出的聚类算法性能优于其他同类算法。     

增量式遗传RBF神经网络在铁水脱硫预处理中的应用

铁水脱硫预处理过程是一个非常复杂的多元非线性反应过程,针对它提出了基于增量式遗传RBF神经网络的模式识别方法,预测脱硫剂加入量.该算法克服了RBF中心个数选择的随机性,较好地解决了样本聚类.为了保证网络结构能适应不断扩大的数据集,提出了增量数据处理方法,对原有网络参数进行修正,这样就有利于连续生产操作.现场测试结果表明,采用该算法后结果的误差较小,满足了终点命中率在90% 以上的指标,提高了经济效益,这说明该算法具有工程实用性.     

基于自适应CMAC的赤泥沉降底流控制模型

本文对CMAC的学习率和惯性系数进行了自适应设计,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要。结合沉降分离控制系统工艺优化的需求,提出了基于自适应CMAC的沉降系统泥层界面预测和底流控制模型,用于准确实时地预测泥层界面,在此基础上进行底流流量优化控制。工业试验说明了该模型在对过程量预测的预测精度和快速性上具有明显的优越性,本模型已应用于某氧化铝厂工艺优化系统中动态调节底流流量,取得了明显的经济效益。     

一种多种群广义遗传CMAC的软测量模型

对CMAC的惯性系数和学习率进行了优化,提出了基于广义遗传优化的小脑模型神经网络(CMAC)算法,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要.结合溶出预脱硅系统工艺优化的需求,提出了基于广义遗传优化的CMAC的溶出赤泥A/S比系统软模型,用于准确实时地预测溶出赤泥A/S比.试验说明了该模型在...     

一种结合O3-opt局部优化的智能蚂蚁算法研究

针对基本蚂蚁算法容易出现停滞、参数难以确定的局限性,改进为一种智能蚂蚁算法,改进之处包括:(1)引入蚁群优化算法中对转移概率公式、信息素更新规则的修改;(2)在蚂蚁算法中加入O3-opt局部优化,从而进一步缩短解路线的长度,以加快蚂蚁算法的收敛速度.最后,通过实例仿真验证了智能蚂蚁算法与基本蚂蚁算法相比具有明显的优越性.     

特征选择的和声模糊聚类研究与应用

采取了3种必要的措施提高了聚类质量：考虑到各维数据特征属性对聚类效果影响不同,采用了基于统计方法的维度加权的方法进行特征选择;对于和声搜索算法的调音概率进行了改进,将改进的和声搜索算法和模糊聚类相结合用于快速寻找最优的聚类中心;循环测试各种中心数情况下的聚类质量以获得最佳的类中心数。该算法被应用于并行计算性能分析中,用于识别并行程序运行时各处理器运行性能瓶颈的类别。实验结果表明该算法较其他算法更优,这样的性能分析方法可以提高并行程序的运行效率。     

基于混合推理机制的故障诊断专家系统

多数故障诊断专家系统采用单一的推理机制,或者基于规则的推理,或者基于事例的推理。而这两种推理机制都各有优缺点,采用单一推理机制会造成诊断的不准确性。论文将基于规则的推理和基于事例的推理相结合,设计了混合推理机制。在此基础上,论文设计了一个既有专家知识库,又有故障事例库,具有自学习能力的故障诊断专家系统(AFDES)。实验结果表明,论文设计的混合推理机制是比较有效的。