基于相关向量机的电站锅炉NO_x燃烧优化

为了降低电站锅炉NOx排放量,采用一种新的机器学习方法——相关向量机对某330 MW煤粉汽包锅炉的一、二次风速以及含氧量等26个输入参数和NOx输出结果进行建模,并用万有引力算法对模型的参数进行优化,获得最优模型。与粒子群算法、遗传算法优化相关向量机以及万有引力算法优化支持向量机等进行了比较,选择锅炉输入参数中的可调变量为优化变量,以NOx低排放量为目标进行优化,获得低NOx排放的输入参数。结果证明：万有引力优化相关向量机算法建立的模型精确度比其它几种算法高,对模型进行低NOx优化后,NOx输出值由最初的的906.65 mg/m3变为550.600 mg/m3,下降幅度约为38.9%,实现了NOx排放量大幅度降低。

基于MEMS光线引入器的太阳敏感器技术

太阳敏感器是卫星等航天器上的重要姿态测量部件,其原理是测量太阳光线和敏感器本体主轴的夹角,近而确定卫星的指向。随着MEMS技术和高精度图像传感器技术的发展,将MEMS光线引入器阵列和APS(Active Pixel Sensor)图像传感器技术进行组合,在不增加系统的质量和功耗的情况下通过多个成像阵列来降低系统的随机误差,提高成像中心位置的准确性,从而将太阳敏感器的测量精度提高一个量级。同时采用图像预测提取相关算法(Future Extraction and Image Corre-lation-FEIC),提高了系统的鲁棒性,在部分小孔受到堵塞等干扰情况下,依然保证系统正常工作,精度上基本上不受影响。传统的太阳敏感器一般采用单孔式光线引入器和CCD等方案来实现的,精度比较低。这种新设计思路和实现方法为太阳敏感器系统的可靠性提供了重要保障。