遗传算法在离散变量优化问题中的应用研究

针对实际应用中大量存在的离散变量优化设计问题,研究了利用一般连续变量方法进行离散变量优化设计的不足。结合离散变量优化问题与遗传算法的特点,提出离散交叉算子和离散变异算子,使遗传算子真正在离散空间中进行搜索。基于线性搜索思想提出离散引导算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优。通过对两个实际离散变量优化设计问题的应用研究,验证了本方法解决离散变量优化设计问题的有效性。     

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.     

电弧炉电极调节系统的变论域模糊积分复合控制

根据电极调节系统的实际组成情况,建立了电弧炉电极调节系统的动态数学模型。由于熔化期和精炼期两个不同冶炼阶段对电极升降控制性能的要求不同,同时结合被控对象的自身特点以及稳态误差问题,设计了变论域模糊积分复合控制器。在所建立的电极调节系统模型基础上,利用Simulink分别对变论域模糊积分复合控制和传统的比例-积分-微分(PID)控制进行了仿真。仿真结果表明:与常规PID控制相比,采用变论域模糊积分复合控制器能使电极调节系统获得更好的性能指标。     

基于Learn++的软测量建模新方法

针对现有软测量建模方法中存在的不足,将修改后的适用于回归问题的Learn++算法应用到软测量建模中.Learn++算法不但保留了常用集成算法能够提高单一学习机性能的特点,还能够克服现有软测量学习方法中容易遗忘已学信息和由于重复使用原始训练数据造成时间和资源浪费的缺点,并具有增量学习能力.在建模过程中根据ELM学习速度快、简单易行、泛化能力强等特点将其选择为基本弱学习机.将基于Learn++的方法应用到LF炉钢水温度软测量建模中,实验结果表明该软测量模型具有较高的精度,可以满足实际生产的需要.     

一种新的电弧炉电弧时域模型

由于电弧的非线性,炼钢电弧炉在生产过程中会产生大量的高次谐波,并导致供电网络的电压波动和闪变,为解决这一问题,建立了一个新的电弧炉电弧时域模型.新的电弧模型从电弧物理机理出发,选择电弧电导作为状态变量,用非线性微分方程描述,并且给出了模型参数的计算方法.通过调整模型中的参数,可以模拟电弧炉电气系统参数变化时的电弧特性.仿真结果表明,模型输出的电弧电压、电流与现场实测数据基本一致,验证了模型的正确性.     

基于改进RBF网络的过程工业时间序列预测方法

基于残差思想的异常数据检测方法的关键之处在于对数据的准确预测.针对这一问题,提出基于改进径向基网络(radial basis function network,RBFN)的过程工业时间序列预测方法,该方法通过改变RBF网络的输入形式,使改进后的RBF网络能够更方便地引入遗忘因子以及惩罚因子,以适应于基于残差思想的异常数据检测方法要求的动态性能和鲁棒性.通过理论证明改进的RBF网络与传统RBF网络的等效性,并通过实验比较证明改进后的RBF网络较传统的网络结构更简单,参数意义更明确.     

基于Maximin的动态种群多目标粒子群算法

针对粒子群优化算法在处理多目标函数优化问题的过程中,往往会出现局部收敛现象,在MOPSO算法基础上提出了一种新的多目标粒子群优化算法.该算法在运行过程中采用动态调整粒子群种群数目的方式使粒子摆脱局部最优解对其的吸引;同时为了克服粒子种群多样性降低带来的影响,将粒子的相对适应度方差引入到Maximin计算公式中.然后基于Pareto最优的概念,利用方差Maximin策略来评价最优解,并保存在可变的外部精英集中,以保证结果的分布性良好.最后,该方法在仿真中取得了良好效果,可以更广泛地应用到复杂工业多目标优化领域中.     

多变量Hammerstein-Wiener模型的参数辨识

为了突破现存Hammerstein-Wiener模型参数辨识方法中假设输出非线性块可逆的限定条件,基于可分非线性最小二乘算法,提出由多个单变量Hammerstein子模型和一个多变量输出非线性块组成的多变量Hammerstein-Wiener模型的参数辨识方法.首先,以输出误差最小为准则使用Levenberg-Marquardt法辨识出输出非线性块和Hammerstein子模型的两个参数集.其次,对Hammerstein子模型使用基于张量积的奇异值分解,辨识出输入非线性块与中间线性块的参数.再次,理论分析了所提辨识方法的辨识收敛性.最后,通过仿真验证此法的有效性.     

基于ELM新方法的LF终点温度软测量混合模型

针对LF精炼炉冶炼过程中物理化学反应过程及传热过程的复杂性,采用混合模型对钢水温度进行软测量,将传统的机理模型与ELM新方法相结合,利用ELM智能算法校正机理模型中难以准确获得的参数,再用机理模型进行预测.这种混合模型既克服了传统机理模型难以准确实现的不足也避免了"黑箱"模型过分依赖数据的缺陷.同时ELM新方法也克服了传统BP算法的不足,使预测精度得到了提高.仿真结果表明,此混合模型具有较好的预测结果,终点温度预测误差不大于±5℃的炉次大于90%.     

贵州石漠化退化土地及植被恢复模式

本文对贵州石漠化的形成、地质背景以及出现的地貌类型进行了分析，并对贵州的石漠化划分为喀斯特洼地石漠化区，纯质石灰岩、白云岩组成的峰林、峰丛石漠化区， 纯质石灰岩、白云岩缓坡山地、坟丘石漠化区，白云 岩组成的砂质丘陵石漠化区与碳酸盐类岩层与非碳酸盐岩类岩层互层、间层石漠化5种类型，对这5种类型的特点进行了分析，并提出了相应的植被恢复模式。