基于GA-PID神经网络的板形模式识别方法

针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.     

冷轧机工艺冷却系统的优化控制

为优化冷轧机工艺冷却系统的控制,提出冷轧机工艺冷却控制与板形分段冷却控制的各自所需的乳化液流量的计算模型.通过乳化液冷却流量偏差计算出所对应的附加板形偏差量,用于补偿冷轧过程中基本冷却功能与板形控制分段冷却功能二者对不同乳化液流量喷射的工艺要求.进而实现了二种不同工艺功能对冷却流量的优化控制,实现了冷轧过程工艺基本冷却与板形分段冷却之间的组合优化控制,在保证稳定轧制所需的冷却流量前提下,满足了带钢板形质量的良好控制.     

基于多目标优化的冷轧带钢压下规程优化

轧制规程的计算是轧机连轧生产工艺的核心内容,是轧机生产能力发挥、产品厚度精度及板形质量的基本保证,因此轧制规程的优化尤为重要。本文根据轧制过程的实际需求,结合多目标优化算法,以总能耗最小和带钢板形良好为目标,建立多目标优化数学模型,并从理论上分析,可以取得较好的优化结果,从而优化轧制规程,提高生产能力。     

基于遗传算法反向传播模型的板形模式识别

针对在板形模式识别中, 反向传播（BP）网络对未知板形识别能力差和遗传算法（GA）优化神经网络初始权重过程复杂等问题, 提出一种基于多维空间优化的遗传算法优化BP网络初始权重的板形模式识别GA-BP模型, 该模型直接以网络权重构造多维空间染色体, 以训练样本误差和测试样本误差相结合作为遗传算法的适应度函数, 以较大的网络期望误差和低的进化程度为网络的训练策略. 研究结果表明： 基于多维空间的遗传优化方法, 建模简单, 无需编码、解码, 大大减少了编程计算量;GA-BP模型有效提高了BP网络对未知板形的识别能力和识别精度, 在工业试验中, GA-BP模型板形模式识别结果跟板形仪的实测板形非常接近.     

基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。     

兼顾板形的热连轧机负荷分配的优化

针对热连轧过程中板形板厚综合控制问题,提出了兼顾板形的负荷分配方法,并且使用免疫遗传算法进行了参数优化.实验数据对比分析表明,该方法是有效的,能够实现板形板厚的综合控制.     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.     

基于混沌优化支持向量机的板形预测与优化

针对带钢热连轧中板形控制问题, 提出了一种基于最小二乘支持向量机模型的预测和优化算法. 在分析最小二乘支持向量机数学预测模型的基础上, 提出了一种改进的变尺度混沌优化方法, 结合实数编码遗传算法, 进行最优模型参数的搜索. 利用在线实测数据对模型进行训练并进行带钢平直度指数的预测, 并对模型输入参数中的控制参数进行优化以实现板形控制的优化. 仿真结果表明, 与BP神经网络相比, 板形预测精度得到提高, 平直度指数优化约40%, 为进一步提高热连轧板形控制精度提供了一种新的有效方法.     

动态设定型板形板厚自动控制系统

文章介绍了应用解析板形方程推出板形最佳轧制规程和板形板厚协调控制新方法。该方法的主要特点：系统中采用了静、动态负荷分配，动态设定厚度自动控制系统（DAGC）完成了板形板厚的闭环控制，在算法中采用了贝尔曼动态规划。新方法将会改变目前轧机设计和控制思想：设计合理刚度，强调调度计划、配置轧辊凸度和优化轧制规程等方面的作用，实现信息控制。     

冷轧带钢板形和表面粗糙度协同控制

为了解决某冷连轧机组在生产实践中对板形和表面粗糙度协同控制的问题,在大量现场实测与实验的基础上,通过研究板形生成规律及带钢表面粗糙度形成规律,揭示了板形与表面粗糙度控制中产生矛盾的根源及本质,提出了合理的解决方案,取得了良好的现场应用效果.     

采用基于GF(q)的LDPC编码实现带宽有效传输及编码设计

研究了AWGN信道条件下基于有限域GF(q)的非规则低密度奇偶校验编码与q进制结合实现带宽有效传输和编码优化方法。采用了Davey所提出的方法,为寻找基于GF(q)的多进制LDPC“好码”,可以选定校验矩阵的一组行重量参数,在一组关于校验矩阵重量参数的线形的约束条件下最小化一个非线性代价函数。使用该方法,一个比较重要的参数(平均列重量)将无法参加优化,这是因为行重量参数一经选定,平均列重也随之确定,因此不再将行重量参数固定,而是将行重参数的约束纳入优化约束条件,并引入复纯形法来解决所引出的非线性规划问题,从而保证列重量参数也参加优化。输     

采用基于GF（q）的LDPC编码实现带宽有效传输及编码设计

研究了AWGN信道条件下基于有限域GF(q)的非规则低密度奇偶校验编码与q进制结合实现带宽有效传输和编码优化方法。采用了Davey所提出的方法，为寻找基于GF(q)的多进制LDPC“好码”，可以选定校验矩阵的一组行重量参数，在一组关于校验矩阵重量参数的线形的约束条件下最小化一个非线性代价函数。使用该方法，一个比较重要的参数(平均列重量)将无法参加优化，这是因为行重量参数一经选定，平均列重也随之确定，因此不再将行重量参数固定，而是将行重参数的约束纳入优化约束条件，并引入复纯形法来解决所引出的非线性规划问题，从而保证列重量参数也参加优化。     

基于ART神经网络的地震剖面反褶积新方法

提出一种基于ＡＲＴ神经网络（及其改型）从地震剖面中识别子波的新方法．发挥神经网络在模式识别和优化计算两方面的优势，先以无教师学习算法从剖面中识别出子波，再通过ＴＨ神经网络作反褶积．实验结果表明，本文提出的方法有明显的效果，特别在地震剖面中存在一些相隔较远的反射层时有很好的效果．     

Trajectory Planning for Automated Driving Based on Ordinal Optimization

This paper proposes an approach based on Ordinal Optimization(OO) to solve trajectory planning for automated driving. As most planning approaches based on candidate curves optimize the trajectory curve and the velocity profile separately, this paper formulates the problem as an unified Non-Linear Programming(NLP) model,optimizing the trajectory curve and the acceleration profile(acceleration is the derivative of velocity) simultaneously.Then a hybrid optimization algorithm named OODE, developed by combining the idea of OO and Differential Evolution(DE), is proposed to solve the NLP model. With the acceleration profile optimized "roughly", OODE computes and compares "rough"(biased but computationally-easier) curve evaluations to select the best curve from candidates, so that a good enough curve can be obtained very efficiently. Then the acceleration profile is optimized again "accurately" with the selected curve. Simulation results show that good enough solutions are ensured with a high probability and our method is capable of working in real time.     

基于改进微粒群算法的飞机纵向飞行轨迹优化

为提高飞机纵向飞行轨迹优化的精度和收敛速度,提出了用改进的微粒群算法对飞机纵向飞行轨迹进行优化的新方法。基于质点动力学和能量状态方程,建立了飞机质点运动数学模型;利用庞特里亚金最小值原理,给出了飞机纵向飞行过程优化的目标方程;引入自适应惯性因子,采用罚函数法对轨迹寻优问题进行无约束化处理,基于改进的微粒群算法对纵向飞行轨迹进行了优化,并给出了算法优化流程。使用改进的微粒群算法,得到了Boeing 737-800飞机纵向飞行最优轨迹。优化结果与试验结果的比较表明,该算法可使纵向飞行轨迹快速收敛于最优解,算法具有收敛速度快、精度高的优点。     

燃料电池车用离心叶轮型线参数化及多工况优化

以65kW燃料电池动力系统的高速无油润滑离心空压机为优化对象,采用Bezier曲线对其叶片型线进行参数化解析,依据超拉丁抽样方法获得遗传算法优化所需的样本空间,在此基础上建立Kigring近似模型进行多工况优化.寻优及CFD(计算流体动力学)数值计算结果显示,常用工况点和额定工况点等熵效率及压比均得到提高,且常用工况点改善更为显著.这表明传统内燃机车用离心增压器设计及优化时不能兼顾多工况性能结论不适用燃料电池汽车,叶轮性能空气动力学解析同样证实该结论具有理论基础.与基于叶轮几何参数的优化结果对比显示,基于叶片型线参数化的优化可以更加显著地改善离心空压机性能,是一种更加全面和有效的离心叶轮优化方法.     

优化控水技术在马寨油田的应用

应用注水井、生产井的现有资料和优化控水技术基本程序 ,分析了产油井产水量高的原因 ,建立了调剖井的定量的筛选标准 ,对马寨油田生产井和注水井的调剖处理进行了排序和程序设计 ,对调剖技术和马寨油田近三年优化控水措施的结果进行了讨论和分析 .最优化控水技术的关键是评价注水井和油井的连通程度 .评价结果表明生产井和注水井之间存在很好的相关系数时 ,调剖后 ,生产井一般均受到好的影响 .     

聚驱后剩余油分布规律及挖潜对策研究

油田经过聚驱开发,剩余油分布更加复杂零散,运用油藏数值模拟技术、地质综合分析技术,研究了下二门油田聚合物驱后剩余油分布规律,并提出了聚驱后配套高效挖潜对策:不均匀井网优化重组技术、平面液流转向技术、含油污泥深度调剖技术等,实现了对不同类型潜力区的挖潜,这些配套技术应用于现场实际中,取得了较好效果,对其他油田改善聚驱后开发效果和进一步挖潜地下剩余资源具有重要的指导意义.     

接触优化法设计任意螺旋面成形刀具廓形

本文根据点接触和优化原理,提出了一种新的加工任意端截形螺旋面的成形刀具廓形的设计方法——接触优化法,用于求成形刀具廓形和由刀具求工件端截形,本方法原理新颖、简单、计算简化,易于在微机上实现.     

混凝土重力坝剖面优化设计的数学模型研究

混凝土重力坝的实用剖面优化设计是根据安全、经济和强度要求,通过分析计算,选择一个体积最小、施工方便的剖面形态和轮廓尺寸。本文建立了混凝土重力坝结构优化设计的数学模型和优化设计的VB软件,并应用该软件对工程实例进行了优化设计,结果证明该优化设计方法及软件具有较好的工程实用性。