基于受限玻尔兹曼机和T-S模型的料位软测量方法的研究

球磨机是火力发电厂的基础设备,可靠测量料位是实现系统优化的关键。针对球磨机音频信号中存在强噪声、非线性等问题,结合受限玻尔兹曼机(RBM)、减法聚类和T-S模糊模型,提出了一种软测量方法。首先采用微调后的受限玻尔兹曼机提取特征,去除存在的噪声,然后使用减法聚类辨识模糊模型的初始结构,最后采用T-S模糊模型预测球磨机料位。通过在球磨机运行数据上进行模型验证,验证了该方法的实用性和可行性。

基于预见控制的带式输送机调速节能方法

针对目前的带式输送机变速节能控制方法均在短时间内对速度进行调节,速度突变易导致输送带撕裂、打滑的问题,提出了一种基于预见控制的带式输送机调速节能方法。该方法根据前一级带式输送机的物料运载量计算使下一级带式输送机以额定运载量运行所需的速度,通过预见控制调节下一级带式输送机运行速度;针对噪声对调速效果的不利影响,在预见控制中利用卡尔曼滤波对被控带式输送机状态进行最优估计,削弱噪声干扰,使调速过程平稳。仿真结果表明,该方法能充分利用带式输送机的运载能力,减少带式输送机功率消耗,在保证带式输送机安全运行的基础上达到了调速节能的目的。

多任务LS-SVM在时间序列预测中的应用

针对单任务时间序列中存在的信息挖掘不充分、预测精度低等问题,提出了一种基于多任务最小二乘支持向量机(MTLS-SVM)的时间序列预测方法。该方法将多个时间序列任务同时进行学习,使得在训练过程中任务之间能够相互牵制起到归纳偏置作用,最终有效提高模型的预测精度。首先,利用相邻时间点之间的密切相关性,构造多个相邻时间点的学习任务,然后将每个任务对应的数据集同时训练MTLS-SVM模型并将其用于预测。将该方法用于几个时间序列数据集并与单任务LS-SVM方法相比,实验结果表明该方法具有较高的预测精度,验证了方法的可行性和有效性。

基于改进的高斯混合回归的球磨机料位软测量

针对球磨机系统多模态复杂过程中的料位不确定性,球磨机振动信号存在非线性、噪声和外界干扰等问题,采用一种基于改进的高斯混合回归(GMR)的球磨机料位软测量方法,解决传统高斯混合模型初始化含有噪声和异常值的数据难以聚类的问题。首先,利用改进的K-medoids聚类算法与EM算法分别初始化和优化高斯混合模型(GMM)的最佳高斯分量个数、最优模型参数,然后采用GMR预测输出球磨机料位。最后实验验证了改进GMR模型得到的预测料位可以很好地跟踪真实料位,并且通过实验结果的对比分析,验证了改进模型的有效性和实用性以及较好的预测精度。

用于输送带纵向撕裂检测的新型视觉传感器

针对现有输送带纵向撕裂视觉检测存在采集图像不清晰的问题,提出了一种基于红外与可见光图像融合的新型视觉传感器。该视觉传感器采用分光棱镜将从同一镜头入射的同轴光分别投射至红外CCD和可见光CCD,红外CCD和可见光CCD同时采集目标同一点的红外图像和可见光图像,利用像素级融合方法获得融合图像。实验结果表明,该视觉传感器所采集的融合图像具有清晰的撕裂信息和详细的背景信息,满足输送带图像高质量采集的要求。

基于CART-LSSVM的球磨机料位软测量方法研究

球磨机是用于电力、磨矿和冶金等行业的高能耗设备,准确测量其滚筒料位能够提高运行效率和安全性能。针对其滚筒内料位难以实时检测,球磨机的轴承振动信号中存在较多的冗余特征,提出了一种基于分类回归树和最小二乘支持向量机的软测量方法,首先用Welch法获得振动信号的功率谱密度,并分割得到基本特征,然后建立分类回归树模型,根据最优树模型的分支节点进行特征选择,最后利用最小二乘支持向量机实现特征变量与料位间的非线性映射。通过实验结果的对比分析,验证了该模型的有效性和实用性,以及良好的预测精度。

基于辐条视觉特征感知的蓝宝石接种检测方法

针对现阶段蓝宝石晶体生产过程中引晶操作主要依靠人工经验完成,引晶过程时间过长且准确度低的问题,提出了一种基于辐条视觉特征感知的蓝宝石籽晶接种检测方法。此方法使用了量化辐条图案运动轨迹收敛程度的模型,基于运动轨迹收敛模型对辐条图案特征点进行验证分析,将符合收敛条件的熔体稳定状态图像创建图像数据库;然后将实时采集到的图像与数据库中图像进行匹配检测,实现对熔体稳定状态图像的实时准确识别。通过实验对所提出方法的精度进行验证并与实际生产的效果进行对比,实验表明该方法能够满足实际工业生产,其中引晶状态识别准确率达到98.9%,成品良率相比人工引晶提高了28%。

基于TOF深度图像修复的输送带煤流检测方法

传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。

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。

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。

输送带损伤多尺度特征交叉融合检测方法

基于图像或声音的单信号输送带纵向撕裂的检测方法往往受光线和噪声影响较大,为了克服这种局限性,提出了一种多尺度特征交叉融合检测方法。首先利用Log-Mel特征提取算法将一维声音信号转化为二维谱图;然后搭建双输入神经网络对图像与声谱图同时进行特征提取以及多尺度特征交叉融合;最后根据融合后特征通过损失函数判定损伤分类。经实验该方法的检测准确率、划痕和纵向撕裂的灵敏度分别可以达到97.37%、96.53%和98.67%,分别比现有的视听决策级融合检测方法提高了7.04%、6.96%和6.4%。因此,该方法能够更好地满足输送带损伤检测的可靠性要求。

3SPS+1PS髋关节并联仿生试验系统工作空间优化

为使人工髋关节试验系统具有仿生模拟人体髋关节运动特性的能力,不但要使其能模拟髋关节各种运动形式,而且其运动输出空间应完全覆盖实际人体髋关节的运动范围,这也使得对其运动空间进行深入分析成为必要。针对作为髋关节并联仿生试验系统核心运动模块的3SPS+1PS并联机构,利用四元数法建立其逆/正解运动学模型,基于动平台三点构造法构建了3SPS+1PS并联机构的量纲统一速度Jacobian矩阵,分别比较了该矩阵条件数在不同运动空间及结构参数下的取值变化情况,得到条件数平均值与机构定、动平台上球副中心连线长度比值、球副许用转角及动平台中心位置高度等参数之间关系,优化了机构结构参数,进而得到了运动性能良好的运动空间区域。髋关节并联仿生试验系统运动空间的研究对其运动路径规划、动态特性分析及控制系统设计具有重要的意义。