深冷设备的现场修理

本文对引进深冷设备的现场修理,进行了大胆尝试,并取得了良好的效果。在传统合成氨装置中,合成尾气通常作为燃料而燃烧,近年来国际上开发了许多装置来回收合成尾气。中原化肥厂采用的是“深冷回收装置”,其最主要的设备是冷箱。冷箱是一个换热器和一个分离器的组合体;该设备由法国液空公司制造。从投入使用后发现内漏;法国人认为     

基于组态软件的水电站监控系统的设计与开发

针对小型水电站集中控制与安全可靠性能的需要,设计了水电站上位机软件,包括监控软件和通讯服务软件两个部分;监控软件采用组态软件IFIX4.5设计,根据监控软件的设计步骤,配置驱动程序实现采集数据、构建过程数据库并对相应参数进行设置、设计监控系统界面、利用IFIX自带的子例程函数库设计报表;通讯服务软件采用VB设计,通过协议转换实现监控软件与智能设备之间的通讯;该上位机软件在实际工程中得到了很好的应用,能够准确实时地显示各机组运行情况及主要运行参数,提高了整个系统的安全可靠性.     

基于CAN总线的模态测试悬挂控制系统设计

阐述了模态测试悬挂控制系统的研究意义,分析了模态测试悬挂控制系统的工作原理和硬件结构,制定了适合模态试验悬挂控制系统的CAN通讯协议,设计了底层电磁力与气压控制软件、上/下位机通信软件和上层工控机监控软件;试验结果表明,基于CAN总线的模态测试悬挂控制系统具有控制精度高、工作稳定可靠、通信速度快和可扩展性强等特点,很好地实现了模态测试悬挂控制系统预期的研制指标。     

基于Meta平衡的多Agent Q学习算法研究

多Agent强化学习算法的研究一直以来大多都是针对于合作策略,而NashQ算法的提出对非合作策略的研究无疑是一个重要贡献。针对在多Agent系统中,Nash平衡无法确保求得的解是Paret。最优解及其计算复杂度较高的问题,提出了基于Mcta平衡的MctaQ算法。与NashQ算法不同,MctaQ算法通过对自身行为的预处理以及对其它Agent行为的预测来获取共同行为的最优策略。最后通过研究及气候合作策略游戏实验,证明了MctaQ算法在解决非合作策略的问题中有着很好的理论解释和实验性能。     

蚁群算法的研究现状

蚁群算法是一种新型的模拟进化算法，研究表明该算法具有很好的通用性和鲁棒性．在离散的组合优化问题中实验，取得了良好的效果。介绍了蚁群算法的原理，对目前蚁群算法的研究进展情况进行了分析，同时对比国内外的研究状况提出了自己的观点，以推动该算法在更广阔的领域内得到应用。     

基于点到弦距离累加的快速角点检测

提出了一种鲁棒的快速角点检测算法,以解决现有基于点到弦距离累加的角点检测算法存在的缺陷,即角点定位低、算法时间复杂度高等问题。该算法结合了‘单尺度’和‘多尺度’的优势,首先在‘单尺度’下获取候选角点集合,保留了邻近角点,并使得后续计算量大大降低,然后在‘多尺度’下计算候选角点的特征值,使之有效地去除伪角点。实验表明,所提算法的时间复杂度降低了,并且保持了算法的鲁棒性,角点定位精度也得到了提升。     

面向功能需求的产品适应性修改单元识别方法

针对产品内部单元修改操作的效应传导过程缺乏有效的分析方法,导致无法明确优先修改对象的问题,提出一种产品适应性修改单元识别方法。首先,建立功能需求与产品实例功能的量化匹配模型,借助可拓集方法将匹配结果划分为3个功能域,并通过多层"功能—行为—结构"纵向分解得到产品的功能—结构底层映射关系;其次,细化结构修改粒度至零件特征层,构建零件及特征的物元表达模型;在此基础上,构建以零件特征物元为节点的基元有向图,提出基于基元有向图的综合传导度计算方法,并以综合传导度作为产品修改单元的识别依据。最后,以某款螺蛳切尾设备的实例应用验证了所提方法的有效性和可行性。     

基于混合选择的多目标进化算法及其在优化设计问题中的应用

为解决实际工程中复杂的多目标优化设计问题,提出一种基于混合选择的多目标进化算法(HSMEA)。该算法首先采用融合角度与距离的动态选择策略对个体进行划分,随后采用基于两种不同机制的混合选择的策略对解进行进一步筛选,从而使最终选择的目标解在具有良好的收敛性的同时最大程度地保留解集的多样性。算法与4个多目标优化算法在一系列测试函数上的结果表明,算法具有良好的多目标优化问题处理能力。此外,通过在实际工程优化设计问题的对比实验与分析,验证了所提算法在处理实际工程优化设计问题上具有良好的性能与潜力。     

基于多目标文化鲸鱼算法的水库防洪调度

水库防洪调度问题(RFCO)是复杂的多目标问题(MOPs),具有众多复杂的约束条件,相互依存的决策变量,以及相互冲突的优化目标,传统研究多停留在将多目标问题转换为单目标问题解决,在实际应用中存在一定限制。鉴于此,提出一种针对水库防洪调度的多目标优化方法——文化鲸鱼算法(MOCWOA)。MOCWOA以文化算法(CA)为框架,在种群空间采用鲸鱼优化算法(WOA),在信度空间定义了3种知识结构以提高算法所得结果的多样性和收敛精度。MOCWOA先应用于典型测试函数的优化,之后进一步应用于实际的水库防洪调度问题,并与几种优秀的多目标优化算法进行对比,结果表明,无论是在典型测试函数上,还是在实际RFCO问题上,MOCWOA都具有一定的优势。