基于差分对立灰狼算法的SNCR脱硝系统模型辨识

为了对具有大迟延、大惯性、非线性的选择性非催化还原（SNCR）脱硝系统进行有效的控制，建立一个精确的SNCR脱硝系统模型是至关重要的。采用遗忘因子递推最小二乘（FFRLS）法和贝叶斯信息准则（BIC）确定系统离散传递函数的阶数，提出了一种改进的灰狼算法即差分对立灰狼（DOGWO）算法，使用该算法对模型的参数以及时滞进行寻优，得到精确的模型。经过标准测试函数测试以及现场实际数据验证，仿真结果表明DOGWO算法与其他算法相比具有收敛速度快，辨识精度高，可以准确得到模型参数等优点，为实时快速的模型在线辨识提供了新的方法。     

压力铸造成型工艺参数优化数学模型研究

针对压铸成型的工艺参数系统难以建立精确的数学模型,参数优化凭经验试凑,难以得到最优成型工艺参数的问题。本文提出了一种基于量子粒子群算法改进的Kriging算法来建立压铸成型工艺参数系统精确的数学模型,通过Kriging代理模型技术建立工艺参数与控制量之间的精确数学模型,采用量子粒子群算法对Kriging代理模型的变差函数的参数进行优化,提高KRIGING建立的工艺参数与控制量之间的数学模型精度。仿真结果表明:基于量子粒子群算法改进后的Kriging模型精度评价指标的R²提高了9. 4741%,RMSE降低了82. 3207%,RMAE降低了84. 9139%,预测误差更小,由原来的[-2,10]优化为[-2,1]之间,提高了Kriging模型的拟合精度。     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

基于粒子群-蛙跳算法优化BP神经网络的滚动轴承故障诊断方法

针对滚动轴承故障诊断方法存在的局限性及缺陷,在利用小波分析提取滚动轴承故障信号特征向量基础上,提出基于粒子群 蛙跳算法优化的BP神经网络滚动轴承故障诊断方法。该方法采用粒子群 蛙跳算法优化BP神经网络结构参数,利用改进BP算法和样本数据训练BP神经网络,实现滚动轴承运行正常和4种不同故障状态的诊断。实验验证结果表明,基于粒子群 蛙跳算法的BP神经网络方法诊断误差最大值仅为005,为未优化的神经网络诊断误差的1/16;与其他算法相比,基于粒子群 蛙跳算法优化的BP神经网络方法的训练时间、训练误差和诊断精度各项指标均为最优,可实现滚动轴承故障的快速、准确、有效诊断。     

基于改进粒子群算法的球磨机运行优化

为了降低制粉系统球磨机的能耗率,对球磨机进行了运行优化的研究.在运行优化过程中,为了获得运行优化的目标模型,运用支持向量回归机对制粉出力进行了软测量建模,实现了制粉出力的在线软计算,得到了制粉单耗的计算模型.在此基础上,将混沌遍历的思想引入粒子群优化算法,提出了一种新的混沌遍历粒子群算法,该改进粒子群算法具有较快的搜索速度及全局收敛的特点.将该改进粒子群算法用于球磨机运行目标的优化从而获得最佳运行参数值.研究结果表明,运用所建立的运行优化目标模型及改进的优化算法可以获得球磨机的最佳运行优化参数,该研究具有重要的工程应用价值.     

基于层次分析与BP神经网络的电梯安全评价模型

为高效评价在用电梯运行状态的安全性,提出基于层次分析法和BP神经网络的电梯安全评价模型。通过层次分析法建立电梯系统安全评价指标体系,采用BP神经网络构建电梯系统安全评价模型;通过改进粒子群算法和改进BP算法分别优化、训练BP神经网络;最后进行仿真验证。仿真结果表明,经过改进粒子群算法优化的BP神经网络模型训练速度最快,训练时间比BP算法快8.45 s,比粒子群算法快5.17 s;评价准确度最高,达92.3%,分别比BP算法和粒子群算法提到了11.7%、6.8%;而训练误差最小,仅为0.020 6。     

SNCR脱硝技术中水冷壁腐蚀问题的研究及对策

某电厂新装SNCR脱硝系统运行中，水冷壁腐蚀的问题比较严重，造成多次锅炉非停事故，本文通过对SNCR设备运行的特点进行研究，分析了SNCR运行中造成水冷壁腐蚀的原因，并提出了有效的控制措施。     

先进预测控制在SCR控制系统中的运用

某电厂#3机组为330MW亚临界参数汽包炉,脱硝系统采用SCR脱硝控制。目前现场对脱硝氨气流量控制采用固定摩尔比控制方式,即通过控制脱硝效率来保证出口NO_x浓度。在实际运行中,存在着脱硝效率波动大,出口NO_x偶尔超标的情况。结合该电厂的某段时间里的运行数据,利用模型辨识技术,建立SCR系统仿真模型,分别采用先进预测MPC控制和常规PID控制,对比两种控制状态下的出口NO_x,得出MPC控制优于PID的结论。再依次改变摩尔比,以每小时出口NO_x的平均值不高于90 mg/m~3为上限,对比两种控制状态下,得出在MPC控制下,出口NO_x的波动范围小且超标数较低。     

基于神经网络在线学习的脱硝系统入口氮氧化物预测

针对脱硝系统入口氮氧化物静态软测量预测模型不能满足变负荷时需求的问题,建立了一种基于神经网络在线学习的软测量模型.利用粒子群算法对静态神经网络的参数进行寻优,结合预报误差和当前预测误差的大小在线更新网络的权值、阈值和学习速率,可以满足不同负荷下的需求,利用电厂的实际运行数据对模型进行了验证.结果表明:在不同负荷下,建立的神经网络在线学习模型的准确性高,实时性好,泛化能力强,可以很好地对入口氮氧化物进行预测,为脱硝系统入口氮氧化物在线测量和监测提供了一种有效的方法.     

基于改进PSO-LSSVM和蒙特卡洛法的电力系统可靠性评估

针对电力系统可靠性评估方法耗时长、误差大等问题,提出一种用改进粒子群优化算法(PSO)优化最小二乘支持向量机(LSSVM)参数,并将构建好的PSO-LSSVM模型与蒙特卡洛法(MCS)相结合用于发输电系统可靠性评估的方法。该方法通过对PSO算法进行合理的改进,得到更为精确的LSSVM模型参数,建立用于分类系统状态样本的PSO-LSSVM模型。对MCS方法抽取的系统状态样本分类得到故障状态和正常状态,仅对故障状态样本进行可靠性指标计算,统计输出可靠性评估结果。采用该方法对IEEE-RTS 79系统不同运行情况下的可靠性指标进行计算,结果表明该方法保证计算时间不变的同时提高了LSSVM-MCS方法的评估精度。     

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制，提出一种基于改进A^*算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括：搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型；优化改进节点扩展方向，提出针对无人驾驶的五邻域扩展节点方式；A^*算法一次规划出代价值最小的目标节点，二次A^*算法规划出实时动态最优路径。另外，搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型，搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。     

宽负荷脱硝技术研究及应用

针对机组负荷较低时SCR脱硝系统无法运行、氮氧化物排放超标的问题,提出锅炉启停期间脱硝系统运行方式的优化方案。根据SNCR高温区域的烟气温度流场情况,协调投入SNCR尿素喷枪,调节尿素溶液流量,从而在启停阶段满足SNCR装置投入的条件,控制NOx在规定范围内,以东热电厂3号锅炉为案例,进行了启停阶段的脱硝试验研究,达到了宽负荷运行脱硝的技术指标。     

增强型SNCR脱硝技术在电站锅炉上的应用

该文设计了一套SNCR脱硝系统,在循环流化床锅炉上进行了应用,采用添加剂提高了系统脱硝效率,分析了添加剂对脱硝系统的影响规律。性能测试数据表明,机组满负荷下,尿素溶液流量90 kg/h、150 kg/h、150 kg/h加添加剂3个工况的氮氧化物排放分别为56 mg/Nm~3、44.3 mg/Nm~3和37.4 mg/Nm~3,氨逃逸均在8 ppm以下,最高脱硝效率达到了70%。     

大型天然气管道稳态运行优化研究

针对天然气长输管道压缩机站运行能耗高的问题，基于动态规划法，建立以大型天然气管道压缩机站总能耗最低为目标函数的管道运行优化模型，确定压缩机开机数量和出站压力为优化变量。根据此优化模型，求解西气东输一线管道算例，该算例管道规模庞大（含22座压缩机站和32台压缩机，管线全长3 840 km，设计年输量为170×10⁸ t），优化模型可在60 s内求解得出结果，动态规划法求解快速有效。根据优化结果，优化运行方案比运行日报表中增加了2台压缩机的开机数量，管道总压降减少了3.40 MPa，燃气轮机组平均效率提高了4.234%，电驱机组平均效率提高了4.875%，压缩机总功率减少187 20.38 kW，生产单耗减少16.24 kgce/（10⁷ Nm³·km），可大幅降低西气东输一线管道的总能耗，证明了所建优化模型的正确性和可行性。     

系统辨识的粒子群优化方法

研究了一种基于粒子群优化算法对系统进行辨识的新方法.该方法的基本思想是将典型数学模型相互组合而构成系统模型,即首先将系统结构辨识问题转化为组合优化问题,然后利用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步提高粒子群优化算法的辨识性能,提出了一种改进的粒子群优化算法.仿真结果表明,给出的辨识算法是合理的,虽然扰动对算法的性能以及辨识结果有一定的影响,但利用文中所提出的改进粒子群优化算法仍然可以理想地辨识出系统的结构以及模型的参数,且与已有辨识算法相比更加有效.     

3PSS/S并联机构运动误差预估与补偿

预估机构误差并予以补偿是保障其运动精度的有效措施。以3PSS/S并联机构为研究对象,基于模糊神经网络建立并联机构综合误差预估模型,将并联机构误差值作为数据训练目标,实现误差值的预估。依据误差分析结果,采用粒子群算法优化驱动位移参数,补偿机构动平台姿态误差。结果表明,运用模糊神经网络算法预估3PSS/S并联机构运动误差并采用粒子群算法对误差进行补偿,可以提升3PSS/S并联机构的运动精度,补偿3PSS/S并联机构动平台的运动误差。     

一种预测锂电池剩余寿命的改进粒子滤波算法

粒子滤波算法本身存在着粒子退化问题,对于衰减趋势变化剧烈的模型,难以获得精确的预测结果,限制了算法的适用范围。针对以上问题对粒子滤波进行改进,通过引入粒子群优化算法中的粒子更新机制,优化粒子的全局位置信息,进而重新分配各粒子权重,降低了重采样阶段粒子重置的比例,改善了算法固有的粒子退化现象,达到改进算法、提升算法预测性能的目的;同时,为验证算法的实际效果,以马里兰大学先进寿命周期工程中心(CALCE)发布的锂电池容量实验数据集为基础,分别使用传统粒子滤波算法与改进的算法进行剩余寿命预测仿真。经过对比发现:改进算法误差下降33.6%,可获得更为精确的预测结果,重采样率下降18.3%,粒子退化问题得到改善。     

大时滞系统全参数自适应预测控制策略

针对大时滞系统纯滞后时间长、参数时变的特点,提出一种基于改进的粒子群优化的自适应预测控制算法.利用改进的粒子群优化算法对时变大时滞系统模型的全部参数进行辨识,从而克服预测模型失配对系统控制性能的影响,并且将粒子群优化算法用于预测控制滚动寻优,有效解决系统存在约束条件下的最优值求解问题.仿真结果验证所提方法的有效性和优越性.     

粒子群遗传融合算法

提出一种融合粒子群算法和遗传算法改进优化算法,该算法首先采用一种自适应弹性粒子群算法,弹性地修正粒子速度的幅值,有效地避免了粒子群算法的早熟收敛问题。再与遗传算法融合,模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,先采用自适应弹性粒子群算法获得进一步的提高。再经过提高、交叉、变异三步,获得最优解。以动态系统FCRNN的设计为例,改进算法收敛速度快,误差精度高。     

基于TSA-PSO-SVR算法在碳期货价格中的预测研究

针对支持向量回归(SVR)模型参数选择困难以及在碳期货价格预测中模型误差高的问题,提出一种基于改进粒子群算法-支持向量回归(TSA-PSO-SVR)的期货价格预测模型.通过改进粒子群算法惯性权重实现局部搜索和全局搜索能力的平衡,引入被囊群算法(TSA)对粒子群位置更新公式进行优化,利用改进的粒子群算法(TSA-PSO)找出最优参数有效解决支持向量回归参数选择盲目性的问题;将得到的最优参数应用于期货价格预测模型.选取福建碳交易市场的碳交易价格进行预测,与支持向量回归(SVR)、差分自回归移动平均模型(ARIMA)、长短期记忆模型(LSTM)模型作对比,实验结果表明TSA-PSO-SVR模型有效克服了高预测误差和参数选择随机性的问题,并具有较高的泛化能力.