基于微分进化的钢水温度预报混合模型

针对LF冶炼过程钢水温度预报问题对机理模型进行了分析.将基于微分进化的BP网络引入混合模型,以确定模型中难以准确获得的参数,建立了基于微分进化的钢水温度混合预报模型.模型通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效解决了BP网络训练的困难,避免了算法早熟.实验结果表明,混合模型具有较好的预测结果,基本满足了实际生产的需要.     

LF精炼终点钢水温度灰箱预报模型

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上.     

大坝变形预报的神经网络极限学习方法

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。     

基于模糊推理和关联规则分析的河道洪水预报模型

河道洪水预报过程是一项复杂的非线性计算过程.为及时准确地预报下游河道特征值,针对传统模糊推理中存在的规则数过多和模型参数难以确定的问题,提出了一种新的模糊推理河道洪水预报模型.该模型以T-S模糊推理法为基础,通过对历史数据的关联规则分析和建立非线性优化模型确定模糊规则数目和模型参数,最后预报未来出现的流量数值.实例分析表明,基于模糊推理和关联规则分析的河道洪水预报模型易于理解,特别对防洪比较重要的高流量的预报结果较好.     

炼钢厂连铸钢水温度预报模型

应用神经网络建立连铸钢水温度预报模型，重点研究了转炉出钢到中间包浇铸区间的度变变化，确定钢水温降与其影响因素之产是的非线性映射关系，本模型能校确地预报连铸钢水温度。     

一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

T-S模糊控制方法在生物流化床系统中的应用

针对生物流化床污水处理系统的非线性、时滞、时变等问题,提出采用T-S模糊控制方法,将复杂的非线性系统模糊化为局部线性模型,并引入积分环节,降低T-S模糊控制器维数,简化规则.最后,通过实验进行理论验证.实验结果表明,该方法可行且有效.     

基于机理模型的影响钢水温度因素研究

RH精炼过程是一套复杂的系统工程,其中影响冶炼过程中钢水温度变化的因素众多,确定影响钢水温度变化的主要因素是建立钢水温度预报模型的基础。以210 t的RH精炼炉为研究对象,结合RH精炼工艺特点并利用传感系统获得的数据,根据热平衡和冶金热力学原理建立机理模型,计算各因素在整个精炼过程中造成钢水温度的变化量,最后分析和比较这些变化量总结出影响钢水温度变化的主要因素为:钢水重量,钢水初温,精炼时间,钢水含氧量,金属铝加入量。相比以往人工采集数据和通过经验分析影响钢水温度因素,该方法有着更充分的科学依据和更准确的结果。     

非线性系统的多模型预测控制方法

提出了一种基于多模型的预测控制方法,用于解决典型非线性对象——污水生化处理过程中的控制问题.首先给出了基于局部模型的多模型建模方法,该方法从积累的大量系统输入输出数据中找出与系统当前模态相匹配的数据集合,利用局部多项式拟合方法建立系统的局部模型,再根据系统模态的变化建立系统的多个模型;将所得多模型与预测控制相结合,提出一种多模型预测控制方法,从而解决了一类结构未知、仅使用大批历史数据工业过程的控制问题.仿真试验说明了该方法的有效性.     

基于数据特征的加热炉钢温预报模型

针对加热炉工业过程具有复杂、非线性、时滞性的特点和钢坯出炉温度预报问题,提出了一种基于数据特征的改进主元回归(PCR)加热炉钢温预报模型的建立方法.首先通过对原始数据进行同步化处理来解决各数据变量间存在的时间滞后问题;然后提取生产过程中各批次钢坯的统计特征和熵特征,并依据一定顺序将这些特征排列组合,构造等长的数据特征向量;最后通过PCR方法建立过程变量的数据特征和钢坯出炉温度之间的回归预报模型.本文以某钢厂加热炉工业过程为背景进行实验仿真,采用实际生产数据求取建模参数,并对钢坯出炉温度预报进行了测试.实验的校验与误差分析表明,该方法在预测钢坯出炉温度方面具有更好的性能,且预测误差满足工业应用的精度要求.     

基于OBE-PLS软测量的过程自适应建模

针对工业过程中因时变和工况迁移等复杂因素的影响,使得利用固定样本集训练得到的静态软测量模型不能很好地跟踪当前对象,从而导致该模型预测性能下降的问题,提出了一种融合最优定界椭球(OBE)和偏最小二乘算法(PLS)的动态软测量建模方法。该方法以离线数据集建立PLS软测量模型,当有新的查询样本到达时,可通过主成分分析(PCA)建立统计量寻找与其相似的历史样本,并利用该历史样本通过OBE算法来动态更新PLS模型,从而使模型达到很好地跟踪效果,有效地解决了工业过程中时变和工况迁移的问题。最后在数值例子和球磨机的实例中验证了该方法的有效性。     

基于多模型在线辨识的滑模变结构控制

为了改善复杂非线性系统中传统滑模变结构控制系统的控制效果,提出了一种将多模型在线建模与滑模变结构控制结合的方案.首先,根据输入输出数据利用在线数据聚类的方法建立多个局部模型,实时对局部模型进行更新,并通过加权综合获得非线性系统的在线辨识模型;然后,针对系统的辨识模型设计基于趋近律的滑模变结构控制器.仿真结果表明,控制方案对系统模型的不确定性具有良好的鲁棒性.     

水下爆炸作用下船体梁整体运动简化理论模型

针对水下爆炸作用下舰船整体运动响应的理论预报问题,将船体结构简化为等截面直梁,以炸药在船体梁中部正下方爆炸工况为研究对象,将爆炸载荷压力曲线划分为五个典型阶段.结合平板边界条件下的冲击波和气泡载荷压力分布函数,建立了冲击波和气泡联合作用下船体梁整体运动响应的简化理论计算模型,并利用船体梁模型试验对该方法进行了验证.结果表明:所建立的水下爆炸作用下船体梁整体运动响应理论模型具有一定的合理性,能够反映船体梁整体运动过程及响应幅值.     

基于热力学混合遗传算法的加热炉炉温优化研究

针对加热炉生产过程中钢坯入炉温度、规格尺寸、钢坯种类等生产工况经常会发生改变,导致基本遗传算法存在早熟等现象,提出一种基于热力学的混合遗传算法.基于钢坯加热过程的机理模型,建立了钢坯温度预报模型,依据加热炉工艺生产要求,建立了加热炉炉温优化模型.为了提高遗传算法的求解精度和计算效率,在遗传算法交叉算子设计过程中加入内能、熵和自由能的思想,改进了传统遗传算法;同时在经典的遗传算法基础上加入模拟退火算法构成了基于热力学的混合遗传算法,并用于求解加热炉炉温优化问题,克服了传统遗传算法的不足.实验结果表明,该方法能够有效地求解加热炉炉温优化问题,是可行的、有效的.     

一种基于深度卷积神经网络的道路损伤检测研究

基于传统道路损伤检测方法主要通过人工选取特征识别道路损伤,致使检测过程中抗干扰性较差,进而制约道路损伤识别精度的提高.针对这一问题,提出一种基于深度卷积神经网络的道路损伤检测方法.通过引入深度学习算法,利用迁移学习策略,构建稳健的非线性道路损伤识别模型;结合真彩色的道路图像,利用多层卷积神经网络抽取局部损伤区域的高级语义特征,实现复杂背景变化下的道路损伤智能检测.实验结果表明,提出的方法可准确识别道路损伤图像,相比常用方法能显著提高识别准确率.     

基于非线性自回归神经网络的局部大气密度预测方法

由于现有大气密度模型精度不足,在对低轨卫星定轨和轨道预报时容易产生较大误差,而观测手段的缺乏以及对高层大气物理机理缺乏足够了解给大气密度模型的建立带来了一定的困难.提出了利用神经网络来建立大气密度预测模型.首先,利用两行轨道根数对NRLMSISE-00大气模型校准得到沿轨道的局部化密度模型,然后基于非线性自适应回归神经网络(NARX)构建大气密度预测模型.该模型主要结合校准后MSIS模型以及太阳与地磁活动指数来预测未来一段时间内局部大气密度.将该模型应用于不同的卫星轨道数据,进行了多个时间段的模拟试验.与卫星实测密度的比对结果显示,相对于MSIS密度模型,该模型的预测误差有了一定的减小,为提高低轨卫星短期轨道预报精度提供了思路.     

一类非线性控制系统性能基准的估计

针对控制回路中同时存在控制阀摩擦和保护阀切换作用的非线性问题,提出了基于阈值含输入非线性自回归（TNARX）模型的控制性能基准估计方法.将系统的输入输出测量数据根据阈值划分后,在不同的局部数据空间上建立NARX模型,这些局部模型的组合用来描述整个非线性系统.利用合并方差准则组合这些局部模型的预测误差方差,从而估计出整个非线性系统的控制性能基准.通过与多项式自回归（PAR）模型、含输入的多项式自回归（PARX）模型和自激励阈值自回归（SETAR）模型的比较,表明TNARX模型可以得到较好的估计结果.仿真分析验证了该方法的有效性.     

基于案例推理的电弧炉终点预报

在电弧炉(EAF)冶炼生产过程中,出钢温度、碳含量和磷含量等终点参数直接关系到后续生产工艺,甚至影响产品质量.基于增量预报模型的思想,提出采用案例推理方法进行电弧炉炼钢的终点预报,该方法由于建立在已有的炼钢案例基础上,具有方法简单、不需要复杂数学推理的优点,并具有较强的鲁棒性.考虑到电弧炉炼钢影响因素较多、具有较强的非线性,采用支持向量机对案例推理的结果进行增量补偿修整.实践证明,经补偿后的案例推理方法预报精度较高,预报结果接近实际值,该方法是切实可行并有效的,可以用于电弧炉炼钢终点钢水温度、碳含量和磷含量的预报.     

一类污水处理过程水质多模型在线软测量方法

根据污水处理厂入水水质的特征参数进行工况区域分析,基于多模型方法建立了多工况下的水质软测量模型.其中局部模型由Hammerstein模型描述,采用误差反传类稳定学习算法学习非线性增益的多层感知器,采用递推最小二乘法学习线性部分ARX模型参数,根据样本与聚类中心之间的相近度在线修正聚类中心,基于软切换的多模型建模思路提出了出水水质COD的软测量方法.实验结果表明,在线修正聚类中心可反映工况点的动态变化;与实际运行数据进行了对比验证,表明多模型软测量方法具有较高的精度.     

钢水包起吊工况强度分析

介绍了钢水包的结构尺寸设计,采用三维软件SolidWorks,建立了钢水包的三维模型;并采用ANSYS分析平台,分析了在满载条件和起吊工况下,钢水包的结构应力和热应力,提出了钢水包结构设计的参考建议.