基于STA-LSSVM的槽电压优化方法

针对铝电解过程中,槽电压的参数调节主要采用“试探法”、过于依赖技术员、耗时长等问题,提出了一种基于状态转移算法(State Transition Algorithm, STA)的槽电压优化方法。首先,采用灰色关联度分析方法确定槽电压模型的输入变量;然后,基于改进的最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)建立槽电压软测量模型;最后,采用状态转移算法对槽电压优化控制模型进行实验,获得槽电压优化值和一组优化操作参数。结果表明,建立的槽电压软测量模型具有较高的预测精度,STA算法可寻到3.819 7 V的优化槽电压值,相较于优化前降低了115.8 mV,每吨铝直流电耗降低了363 kW·h,实现了槽电压的优化控制,达到了较好的节能降耗目的。     

面向关系型数据与知识图谱的数据集成技术综述

目前,各个国家和地区均已将大数据视为重要的战略资源.然而,大数据时代普遍存在数据流通困难、数据监管不足等问题,致使数据孤岛现象严重,数据质量低下,数据要素潜能难以释放.这驱使研究人员探索数据集成技术,以打破数据壁垒、实现信息共享、提升数据质量,进而激活数据要素潜能.关系型数据和知识图谱作为两种至关重要的数据组织与存储形式,在现实生活中应用广泛.为此,聚焦关系型数据和知识图谱,归纳总结并分析实体解析、数据融合、数据清洗3方面的数据集成关键技术,最后展望未来研究方向与趋势.     

纤维与水泥基体黏结性能及影响因素研究北大核心CSCD

纤维混凝土的韧性来源于纤维的桥接作用,而桥接作用的核心问题是纤维与水泥基体的黏结性能。为了探究纤维对混凝土的增韧机理,本文开展了不同养护龄期(0~28 d)、拔出速率(1~30 mm/min)、纤维锚固长度(10~60 mm)以及粉煤灰掺量(0~30%)下聚丙烯纤维水泥基砂浆的单根纤维拔出试验(single fiber pull-out test,SFPT),基于能量耗散原理和试验数据,建立了聚丙烯纤维水泥基砂浆韧性指数与纤维拔出过程中吸能指数的数学关系,提出了基于广义灰色关联理论的界面黏结强度影响因素计算分析方法。研究结果表明:随着养护龄期、拔出速率和纤维锚固长度的增加,聚丙烯纤维水泥基体界面黏结强度均逐渐增大,但纤维的韧性指数在养护18 h时较佳,拔出速率6 mm/min、锚固长度20 mm时最佳。当粉煤灰掺量为20%左右,纤维-水泥基体界面黏结性能最佳。并基于广义灰色关联分析法,阐明了四种因素与界面黏结强度的数学关联,研究成果可以为纤维水泥基砂浆的设计与应用提供理论支撑。     

考虑灰色关联权重的PSO-LSSVM输电线路覆冰厚度预测模型

为了提高输电线路覆冰厚度预测精度,利用灰色关联分析确定覆冰影响因素对输电线路覆冰增长量的影响权重,采用PSO算法对LSSVM的参数优化,建立了考虑灰色关联权重的PSO-LSSVM输电线路覆冰厚度预测模型。采用实际运行线路的覆冰增长数据进行仿真分析,并与其他覆冰预测模型对比,考虑灰色关联权重的PSO-LSSVM输电线路等值覆冰厚度预测模型的均方根误差、平均相对误差和全局最大误差分别为0.575、3.124%和4.015%,均小于其他三种预测模型,验证了模型的正确性和实用性。     

考虑需求侧管理的风光燃储微网两阶段优化调度

针对微电网中源荷匹配较弱及储能应用不充分的问题,计及需求侧管理与碳排放对其源荷储进行协调优化。所研究的并网型微网优化分为需求侧管理与调度两阶段。首先,第一阶段引入需求侧管理模型,结合储能电池并采用纵横交叉算法求解,使微网的净负荷最小与自供率最大。然后,第二阶段依托第一阶段需求侧管理后的信息从经济和环保角度出发,建立以综合成本最小及碳排放量最低为目标的风光燃储微网日前优化调度模型,利用改进多目标灰狼优化算法进行求解。最后,以福建某实际微网为例,通过仿真表明引入需求侧管理可有效利用储能电池改善微网源荷匹配度,充分挖掘需求响应潜力。相比单阶段优化,两阶段优化更有利于提高可再生能源渗透率,降低微网日运行成本与碳排放量,实现微网的低碳经济运行。     

An Efficient Schema Transformation Technique for Data Migration from Relational to Column-Oriented Databases

Data transformation is the core process in migrating database from relational database to NoSQL database such as column-oriented database. However, there is no standard guideline for data transformation from relational database to NoSQL database. A number of schema transformation techniques have been proposed to improve data transformation process and resulted better query processing time when compared to the relational database query processing time. However, these approaches produced redundant tables in the resulted schema that in turn consume large unnecessary storage size and produce high query processing time due to the generated schema with redundant column families in the transformed column-oriented database. In this paper, an efficient data transformation technique from relational database to column-oriented database is proposed. The proposed schema transformation technique is based on the combination of denormalization approach, data access pattern and multiple-nested schema. In order to validate the proposed work, the proposed technique is implemented by transforming data from MySQL database to HBase database. A benchmark transformation technique is also performed in which the query processing time and the storage size are compared. Based on the experimental results, the proposed transformation technique showed significant improvement in terms query processing time and storage space usage due to the reduced number of column families in the column-oriented database.     

基于灰色预测与滑模变结构的ABS仿真分析

为研究汽车制动防抱死系统(antilock brake system,ABS)的超前性、实时性与鲁棒性,结合灰色预测和滑模变结构控制方法,提出基于灰色预测GM(1,1)模型与滑模变结构控制的ABS综合控制算法,建立仿真模型进行数据的对比分析.结果表明:相对于单滑模或bang-bang控制,灰色预测与滑模变结构综合控制方法使汽车ABS超前运行,缩短了制动时间与制动距离;有助于缓解滑模变结构方法自身带来的抖动缺陷.因此,灰色预测与滑模变结构综合控制方法有助于提升ABS的响应速度、实时鲁棒性与人体舒适性.     

面向多维意象的产品设计方案评估研究

用户的感性诉求日益获得产品设计师和企业决策者的关注,为了使产品开发人员在开发新产品时能满足用户多维复合的感性诉求,提出一种结合熵处理、灰色关联分析和逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)的方法,用于产品设计方案的评估。首先,在运用K-mean聚类分析和因子分析方法分别获得符合用户感性认知的典型样本和典型感性意象的基础上,运用语意差异法获得用户-意象初始评价值;其次,应用信息熵计算评估指标的权重;最后,采用灰色关联分析与TOPSIS相结合的方法实现用户多维意象特定要求下对备选设计方案的排序优选。以3D打印机设计方案优选为例,验证了方法的可行性。研究结果表明,该方法符合用户实际的复杂认知,能有效客观地对产品设计方案进行评估和优选,具有实际应用价值和指导作用。     

Multi-response optimization of the electrical discharge machining of insulating zirconia

In this study, electrical discharge machining has been used to machine insulating zirconia via the assisting electrode method. The process parameter optimization was investigated by combining the Taguchi method with grey relational analysis. The application of Taguchi–grey relational analysis is proven to effectively improve the performance of electrical discharge machining in drilling insulating zirconia. The results of this analysis indicate that the final optimal process parameters are a peak current of 8 A, a pulse duration of 16?µs, a duty cycle of 0.5, and a flushing pressure of 6?MPa. Additionally, the material removal rate, electrode wear rate, and hole taper ratio increase by 39%, 1.5%, and 1.3%, respectively, which improves the grey relational grade by 6.8%. The electrical resistance test confirms that the conductivity of the conductive layer obtained using the final optimal process parameters is better than that of the conductive layer obtained using the initial optimal process parameters. Energy spectrum analysis reveals that the conductive layer is composed of C, Cu, Zn, Zr, and O. Analysis of variance shows that the most significant component of the multi-responses is the peak current, with a 51.4% contribution.     

基于改进灰狼算法的啤酒灌装PID液位控制

目的 针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法 对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果 仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9s,调节时间为5.12 s,超调量为3.78%。结论 与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。