变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

某矿区通风系统优化方案研究

某矿区近年因开采深度增加,通风系统不完善导致生产安全性降低,深部各项工作的开展受到制约。为解决深部通风难题,对井下通风现状进行调研分析,提出两种通风系统优化方案,并进行了技术、经济等方面的分析论证。结果表明,采用分区接力通风方案最为经济合理,故采用该方案进行通风系统优化。     

从两则“意想不到”的案例阐明维修思路

随着机床行业的迅速发展,机床维修也变得越来越复杂和多样,本文通过详细分析两件不同寻常的维修案例,阐明维修过程中需要多变的方法和思路。     

铸膜液中加入PAM/SDBS对聚砜超滤膜形貌和性能的影响

将十二烷基苯磺酸钠(SDBS)和聚丙烯酰胺(PAM)作为添加剂,分别加入到聚砜铸膜液中,通过湿法纺丝技术得到改性中空纤维超滤膜,并对其表面形貌和膜性能进行分析.结果表明:两种添加剂都能使膜内部产生并列指状孔结构;加入PAM和SDBS后膜的亲水性和纯水通量均得到提高,且PAM提高的更明显;改性膜对牛血清蛋白和PEG的截留率都超过90%.     

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。     

某金矿竖井提升运输系统分析与论证

某金矿规划在现有采矿区南部约2.6 km处建设了一座1400 t/d选矿厂及配套尾矿库.为解决矿石提升运输这一难题,对矿山提升系统的建设方案进行了研究,提出3种方案,并进行了技术、经济等方面的分析论证.结果表明,采用双罐笼竖井提升方案最为经济合理,该方案运输系统简单、配套设施少,井塔更低,基建期短,建设维护、操作管理方便,故采用此方案进行提升运输系统建设.     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

基于改进蚁群算法的移动机器人路径规划研究

针对传统蚁群算法在移动机器人路径规划中存在收敛速度慢、易陷入局部最优和规划路径不平滑等问题,提出一种用于移动机器人路径规划的改进蚁群算法。首先在状态转移概率中引入平滑函数,使蚂蚁在进行路径节点选择时,考虑路径的平滑性。然后在对路径信息素更新时,引入多目标评价函数;同时提出一种基于熵权的分段信息素更新方式,每次迭代规划路径按多目标评价函数数值进行排序并分段,对不同的分段,引入不同的信息素强度放大系数,提升了算法的收敛速度。最后对规划路径进行二次优化,即先对路径节点进行优化,减少不必要的转弯节点,减小了路径转弯角度以及路径长度;再利用贝塞尔曲线对节点优化后路径的转弯拐点处进行平滑。在20×20的简单和复杂栅格环境中进行仿真实验,结果表明,改进蚁群算法规划出的路径长度更短、转弯角度更小和路径更加平滑,同时改进蚁群算法的迭代收敛速度更快,验证了改进蚁群算法在移动机器人路径规划中的优越性。