挖掘机载荷自适应节能控制策略

提出了一种新的挖掘机节能策略，即利用液压泵输出压力来识别挖掘机工况,根据识别的结果自动设定柴油机调速拉杆，同时控制液压泵的吸收扭矩，使柴油机所处的工作点不仅能与挖掘机工况相适应，而且具有较高的燃油利用率，上述策略在自行研制的挖掘机实验样机上得到了实现，取得了预期的节能效果。  

基于ECMS混联式混合动力客车工况识别控制策略

由于城市特殊的运行工况,单纯的基于规则控制策略很难从城市复杂的工况中获取最佳燃油经济性.以提高一款新型混联式混合动力客车燃油经济性为目的,为了更好地适应城市复杂的行驶工况,制定了一种工况自适应实时优化控制策略.根据等效燃油最小控制策略思想结合新型混联式混合动力客车的结构特点构建发动机与电池间的功率分配实时优化算法,针对城市循环工况的特点选定了4种典型的工况类型,并获得不同行驶工况和等效燃油转换系数及油耗的关系,经分析发现每一行驶工况都存在相应的等效燃油系数使得其油耗最低,因此采用LVQ神经网络模型对各工况特征参数进行学习训练以进行实时工况识别,利用工况识别的方法获取当前运行的工况类型并选择相对应的等效系数进行周期性更新以期达到最佳燃油经济性,从而实现对不同工况的适应性.仿真结果表明:其燃油经济性比单纯的能量管理优化控制策略提高了8.55%,同时电池SOC能够控制在预定的范围内运行.  

提速货车转向架交叉支撑装置寿命的研究

通过动应力测试得到交叉支撑装置疲劳薄弱部位在线路运行中的应力谱,从而识别出提速货车交叉支撑装置在运用工况下的载荷,为其室内疲劳试验加载提供依据.根据疲劳薄弱部位在室内疲劳试验中的应力谱及该部位典型接头的S-N曲线,按照疲劳损伤等效原则建立交叉支撑装置的寿命预测模型,得到了交叉支撑装置实际运用寿命与室内疲劳试验加载循环次数的关系.  

基于模糊神经网络的工况区域识别方法

以模糊集合和模糊神经网络为基础，提出了一种新的工况区域识别方法，并以工业生产过程中常见的精馏过程为例，进行了仿真，证实了该方法的有效性。  

复杂生产过程工况的自动识别

针对复杂生产过程中的工况识别问题，利用了模块化的设计方法，将其分为离线建模模块和在线决策模块，建模模采用自适应延时神经网络构造和类工况相应的预测模型，决策模块通过计算未知工况序列相对各类预测模型的匹配程度判断其所属类别。  

应用神经网络技术诊断钻井事故

针对钻井过程的复杂性、不确定性等特点,提出了基于人工神经网络钻井事故预测与诊断模型.以钻井过程工况参数构成神经网络的输入特征向量,以钻井过程正常运行模式及常见事故模式的监测数据作为训练及检验样本,根据钻井事故诊断特点,确定了神经网络的结构与参数,采用改进算法和学习规则,实现对神经网络系统的训练和模拟,建立能够准确预测事故的神经网络模型.该方案的提出可使现场工作人员及时监测钻井过程,降低事故发生率,节约钻井成本,提高效率.  

混合动力电动汽车行驶工况分析与识别

对不同行驶工况下混合动力电动汽车的匹配和控制策略优化结果进行了分析,发现工况的平均功率和平均功率的标准差对混合动力汽车的混合度有很大的影响.在同一混合度下,针对不同的工况采用不同的可调参数可得到不同的燃油经济性和最终稳定的电池荷电状态值.提出了"工况块"的概念,用工况的平均行驶车速和行驶距离作为特征参数,将统计的理论工况进行分类,通过模糊控制器,对实际工况进行模糊分析,将其划为对应的某一类.为更准确地反映行驶工况,还提出以时间、距离、最大车速等10个参数作为工况的相关特性参数,用聚类分析的方法对车辆行驶工况的类别进行了更细致的分析和辨识.在上述工况识别的基础上,提出了一种能根据实时工况的变化作出自适应调整的混合动力汽车控制策略.  

基于规则的连续重整反应器工况识别与优化操作

采用区域优化的方法,将生产工况划分成优良区域、合格区域和不合格区域.结合重整反应工艺机理分析,通过神经网络建立软测量模型基础,将当前产品辛烷值、催化剂结焦含量和产品液收率的软测量结果输入工况识别规则集,构成一个复合神经网络.这样使复合神经网络的输入信号为测量得到的相关工艺变量,输出信号直接为当前所属工况对应数值,就可根据当前采样信息自动识别工况所在区域.此外,根据工况区域以及生产经验制定出以反应器进口物料温度为操纵变量的操作规则,使各个时刻都有相应的操作指导,帮助在生产中寻找重整反应器的优化操作点.实际应用效果表明,使用该优化操作方法取得了显著的经济效益.  

烧结机模糊控制规则设计及其仿真

实际生产中烧结终点的控制是一个较为复杂的过程,往往受到多种因素的影响.针对烧结过程中烧结终点的判别问题,建立了烧结过程的模糊控制系统,提出了烧结终点赋值方法,对烧结终点的判别做出了更合理的设计,从而保证了系统对受控过程的实时控制.仿真结果表明控制系统表现出较快的实时行为,具有严格的响应时间,可以提高烧结矿的质量,降低烧结机的故障率.  

基于图像特征的铜粗选过程病态工况识别

泡沫图像特征是指泡沫图像中与浮选性能相关的局部黑色水化区域大小,即局部光谱特征.针对这一局部光谱特征形状、大小无规则性,提出了一种基于多维主元分析的特征提取方法,并将提取的特征应用于铜浮选粗选过程病态工况识别.首先,描述了铜浮选粗选过程,分析了影响粗选过程的主要因素和黑色水化区域形成机理;然后,提出一种基于多维主元分析的图像局部光谱特征提取方法;最后,将基于多维主元分析的图像局部光谱特征提取算法应用于铜浮选粗选泡沫图像,并将所提取的图像特征用于铜粗选病态工况识别.工业现场数据验证了所提方法的有效性.