炼铜转炉粗铜成分时间序列的混沌分形

应用混沌分形理论,选择合适的滞时对炼铜转炉粗铜成分中粗铜品位、粗铜含氧率以及含硫率时间序列进行了相空间重构,并得出了不同嵌入相空间下粗铜品位、粗铜含氧率以及含硫率时间序列关联维的变化规律.计算结果表明:炼铜转炉产粗铜成分时间序列具有分形特征,且该时间序列是混沌序列;在炼铜转炉产粗铜动力学系统中,影响粗铜品位的系统内部因素最多可达7个,最少不会小于3个;而影响粗铜含氧率的系统内部因素可多达5个,最少不会小于2个;影响粗铜含硫率的系统内部因素可多达6个,最少不小于3个.     

基于支持向量机插值的铜电解液成分检测

在电解铜生产过程中,由于检测设备的限制,只能通过每天化验一次得到铜离子和酸根离子含量的检测数据.这些有限数据不足以反应铜电解液成分的变化规律,而基于传统插值法的插入值和现场实际值差距又很大.为解决这一问题,提出了与影响因素相关的软测量模型,并实现对数据的有效预测.鉴于支持向量机在建立软测量模型方面的优势,引入支持向量机对线性插值方法进行改进,并设计权重确定方法,定量推导出软测量估计值和传统线性插入值的权重.软测量建模方法既保证了数据在时间上的连续性,又保证了计算的插入值接近实际值.仿真结果表明了其有效性.     

软测量技术及其在铝电解槽温度测量中的应用

软测量技术可以为一些无法直接测量的参数寻找一种测量方法.从辅助变量选择、数据处理、软测量模型建立和模型修正等方面系统地介绍了软测量技术;并针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题,选择电解槽的输入电功率和下料速度作为辅助变量,利用现代时间序列分析法建立了带受控项目的自回归数学模型,从而计算出电解槽的温度估计值.在160kA点式下料预焙阳极铝电解槽进行实验,结果证明了该方法的有效性.     

工业过程软测量研究

综述工业过程软测量研究现状.论述软测量过程中辅助变量的选择,过程数据的预处理,软测量模型的建立及软仪表校正方法,提出工业过程软测量的实现方案.评述基于回归分析、BP神经网络、RBF神经网络、支持向量机等当前主要软测量建模方法的特点及其在工业过程软测量中的应用.指出当前工业过程软测量实现过程中存在的诸如误差处理、软仪表校正等问题及今后软测量技术与优化控制相结合的研究与发展方向.     

工业共沸精馏塔软测量建模方法的研究与应用

针对某一工业共沸精馏塔成分估计问题，利用基于支持向量机技术的软测量建模方法，建立了恰当的工业软测量模型。利用滑动时间窗技术实时更新建模数据集，并根据预估精度决策在线优化和模型更新，提高工业软测量模型的在线估计精度。研究结果表明，基于滑动时间窗的LS—SVM软测量建模方法，是一种有效的软测量建模方法。     

基于PSO优化LS-SVM的木材含水率软测量建模

木材含水率是木材干燥过程中重要的技术指标。针对木材干燥过程具有强耦合、大滞后、非线性的特点以及木材含水率检测存在的问题,提出一种软测量方法。利用最小二乘支持向量机(LS-SVM)对非线性系统时间序列数据进行学习,建立被控对象的软测量模型,同时通过粒子群优化(PSO)算法对LS-SVM的惩罚因子和核函数参数进行滚动优化,提高软测量模型的预测精度。将木材干燥窑内的温度、湿度以及木材含水率作为样本数据,通过PSO优化的LS-SVM方法建立木材含水率的软测量模型,进而利用该模型实现对目标检测点木材含水率的软测量。仿真结果表明,PSO-LSSVM软测量模型预测精度高,泛化能力强,满足木材干燥控制系统的实际测量要求。     

中药提取软测量系统的设计与实现

针对超声波提取中草药活性成分含量检测困难的问题,通过采用可测量的辅助变量建立基于神经网络BP算法的软测量模型来估计不可测量变量的值,并利用单片机进行辅助变量的数据采集和软测量模型计算,实现了用软仪表对超声波中药提取率的在线测量。与目前采用紫外分光仪离线取样进行检测相比,该模型克服了离线测量工作量大、无法直接得到提取率的测量值等缺点,具有测量精度较高（测量相对误差控制在5%以内）、响应速度快和实时性好等特点。     

冷料熔化动力学模型在炼铜转炉中的应用

为了使炼铜转炉达到节能降耗、提高炉寿的目的，必须严格控制转炉内造渣期和造铜期熔体温度．基于此，作者简化了转炉中所用的各种冷料的熔化过程，建立了熔化速率与熔化时间的动力学模型，并确定了模型中的各个参数的值．将该熔化模型用于“炼铜转炉优化操作智能决策支持系统”中，利用VC++开发了一套工业软件，根据软件中炉况监控界面提供的当前剩余热和当前熔体温度，系统自动告诉操作者每种冷料的最大加入量，操作者可以动态调整冷料加入量，从而达到将炉内熔体温度控制在合理范围之内的目的．生产实践结果表明，该模型的应用使转炉平均炉衬寿命由原来的213炉提高到235炉，在冷料量供应不足的情况下使冷料处理量增大了近8%．该模型的使用在类似的企业中可以推广使用．     

基于改进AdaBoost的LF炉成分软测量建模

针对现有软测量模型更新方法的不足,将增量学习思想与AdaBoost集成学习思想相结合,提出了一种具有增量学习性能的改进AdaBoost集成学习算法.并将该改进的AdaBoost与BP神经网络一起形成了集成BP神经网络,建立了基于改进AdaBoost集成BP网络的软测量模型.该软测量建模新方法可以提高单一BP网络的精度,同时还能保证建模具有增量学习的更新性能.使用该软测量建模新方法建立抚钢60t LF炉钢水成分软测量模型,取得了较好的预测效果,可以满足实际生产的需要.     

热轧过程中轧件组织与性能软测量系统的研究

介绍了热轧中轧件组织与性能软测量系统的组成和功能,讨论了开发软测量系统所必要的辅助变量选择和数据的预处理方法.通过对热轧过程中的工艺机理分析,并结合生产现场的控制要求,采用机理模型和人工神经网络相结合的方法建立了组织性能软测量系统的架构,并使用机理模型计算得到的微观组织和轧件的化学成分作为人工神经网络的输入变量,规范了人工神经网络的层次结构.在软测量系统的应用过程中,利用校正模型的短期和长期自学习方法,使系统的测量精度满足在线检测要求.     

粗铜氧化精炼的热力学分析

对粗铜氧化精炼过程中发生的五个基本化学反应的自由焓进行了详细计算,并对自由焓-温度图进行了热力学分析.得出了杂质氧化的顺序及可除去的程度,从而得出了粗铜经氧化精炼后产出的阳极铜的合理成分.结合工厂实例,求得该厂粗铜中各种杂质在火法精炼中可除去的程度.     

我国沪铜期货价格的分形统计

运用分形分布参数估计、函数盒维数以及多重分形分析等方法对我国沪铜期货价格时间序列进行了实证研究.结果表明,沪铜期货价格不服从正态分布,价格之间存在长记忆性,从而对有效市场假说提出了质疑.函数盒维数及多标度分析的结果揭示了期货价格的聚类特征及标度变化,说明用单一分形模型来描述期货价格是不充分的,多重分形分析方法为更好地描述期货价格的变化规律提供了有力的工具.     

利用傅里叶级数理论的电弧混沌特性分析及实验研究

以高压SF6断路器开断过程中具有短路电弧的气流场数学模型建立为基础,以涡量变量、温度变量为特征量,利用二维傅里叶级数展开,得到高压SF6断路器描述电弧及气体运动的混沌特性方程。通过时间历程图、相图、Lyapunov指数图,证明高压SF6断路器电弧及气体运动系统中存在混沌特性。利用可拆卸灭弧室实验平台,采集电弧开断过程中的电流、电弧电压等数据,运用C-C算法进行数据处理,实验数据表明,当断路器额定电流、吹弧速度达到一定值后,电弧及气体运动系统出现混沌现象,并且随着额定电流、吹弧速度的增加,系统最大Lyapunov指数也增大。     

基于混沌理论和MEA-BPNN模型的快速路短时交通流预测

为提高短时交通流预测的精度,在分析北京市二环路实测交通流数据时空特性和混沌性的基础上,利用混沌理论方法对交通流量时间序列进行相空间重构,并基于思维进化算法提出一种改进的BP神经网络模型,将重构的时间序列数据作为模型输入进行交通流预测。结果表明,基于该模型的预测结果与基于传统BPNN模型的预测结果相比,均方根误差、平均绝对误差和平均绝对百分误差分别下降31.11%、20.71%和37.28%,证明了模型具有更精确的预测能力。     

合成醋酸乙烯的空时得率和催化剂选择性软测量

以某石化厂乙烯气相法合成醋酸乙烯反应过程的空时得率和催化剂选择性软测量建模为研究对象,基于现场采集数据及机理分析,确定了辅助变量.在对现场数据进行处理的基础上,建立了基于径向基函数神经网络的多输入多输出神经网络软测量模型,取得了较好的效果.仿真结果表明,模型精度达到了工艺要求,可用于指导生产,为实现先进控制和优化控制创造了条件.     

沟槽铜纤维复合毛细芯铜板压缩性能的研究

采用犁切挤压及烧结的方法制造了沟槽铜纤维复合毛细芯铜板。复合毛细芯具有良好的传热性能,但应用时经常受压,为此研究其压缩性能非常必要。采用压缩试验对沟槽铜纤维复合毛细芯铜板进行实验研究,分析了铜纤维直径、孔隙率、烧结温度和烧结时间对沟槽铜纤维复合毛细芯铜板的压缩性能的影响。结果表明:纤维直径越大,最大应力越小;反之则越大。细纤维直径的铜纤维板获得的最大应力为6.9 MPa,而中纤维直径的铜板的最大应力为6.2 MPa,粗纤维直径的最大应力为5.7 MPa。烧结温度越高,所获得的铜纤维板相应的应力值更大;烧结时间越长,所得的铜纤维板的相应应力值也越大;孔隙率越小应力值越大。对各种实验结果的原因进行了分析。     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.