多策略粒子群优化算法

为了克服粒子群优化算法易早熟、局部搜索能力弱的问题,提出了一种改进的粒子群优化算法--多策略粒子群优化算法。在群体寻优过程中,各粒子根据搜索到的最优位置的变动情况,从几种备选的策略中抉择出当代的最优搜索策略。其中,最优粒子有最速下降策略、矫正下降策略和随机移动策略可以选择,非最优粒子有聚集策略和扩散策略可以选择。四个典型测试函数的数值实验结果表明,新提出的算法比标准粒子群优化算法具有更强和更稳定的全局搜索能力。     

磨音影响因素分析与磨机负荷检测方法综述

介绍了磨机负荷与磨音、磨机电流的关系,简述了球磨机的发声机理,分析了球磨机填充率、筒体转速以及钢球大小等因素对磨音的影响,归纳总结了近年来磨机负荷的检测方法：基于数学模型的软测量方法、磨音法、振动法、功率法、超声波方法和基于神经网络的方法。最后指出多种测量技术融合、采用在线软测量技术及提高磨音电耳的抗噪声性能将是今后磨机负荷的检测发展方向。     

基于数据驱动的高炉料面优化决策模型研究

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行.     

承德某选矿厂磨机运行专家系统

针对磨机运行过程中具有的大惯性、滞后性和非线性特性,提出了基于模糊自寻优控制的专家系统。将模糊控制、自寻优控制和常规PID控制有机地结合起来,用于承德某选矿厂一段磨矿分级系统的自控设计,并且采用PLC和工控机构成了一个DCS系统。实践表明,该专家系统运行安全稳定,节能降耗效果明显,而且能大大地减轻现场操作人员的劳动强度,改善操作人员的工作环境。     

基于改进权重贝叶斯的维文文本分类模型

为提高朴素贝叶斯分类器的分类性能,考虑决策分类过程中条件属性的不同重要程度,提出了一种基于特征选择权重的贝叶斯分类算法。采用卡方值和文档频数相结合的数值来表示特征词的重要程度,对该值进行处理获得每个特征词权重,建立加权贝叶斯分类器。在研究维文特点的基础上,利用该算法构建了一个维文文本分类模型。在搜集到的维文语料库上进行的实验结果表明,该算法比朴素贝叶斯拥有更好的分类性能。