货运火车车厢余煤清扫机器人吸风量智能调控方法研究

为了实现货运火车车厢内余煤分布不同情况下,余煤清扫机器人吸风量的自适应智能调控,建立了吸风量、余煤体积量二者与风机电流之间的控制模型,根据风机电流变化趋势实现吸风量的智能调控。首先利用果蝇优化算法对概率神经网络的平滑因子进行在线优化,构建基于改进概率神经网络的风机电流精准预测模型,并根据设备特性与现场经验建立了吸风量模糊化分档调控规则库。为了验证相关理论和方法,在HCQS-75/110型火车车厢余煤清扫机器人上开展吸风量智能调控实验,结果表明:改进后的概率神经网络对风机电流预测精度达到97.4%,搭载吸风量智能调控系统的清扫机器人可实现车厢一次清扫合格率达到98.2%,并节省能耗26.5%,可以满足现场环保和能耗要求。

矿井通风网络风量智能调控研究

现有矿井通风网络风量智能优化算法在求解调风参数时普遍存在模型复杂、收敛速度慢、易陷入局部最优等缺陷,同时也缺乏与调风分支优化选择相结合的研究。针对上述问题,提出了一种基于改进天牛须搜索(BAS)算法的矿井通风网络风量智能调控方法。首先,以用风分支的风量需求为优化目标,构建风量优化调节数学模型,针对该模型中的风量调节约束条件,采用不可微精确罚函数并结合模拟退火算法优化惩罚项,实现模型的去约束化。然后,通过求解灵敏度矩阵,结合风量灵敏度和分支支配度理论选择最优的调节分支集,确定其风阻调节范围,并作为模型的初始解集。最后,基于改进BAS算法求解出最优调风参数,进而控制对应的调风设施,实现风量调控。基于矿井通风实验平台对该方法的可靠性进行实验验证,结果表明:相比于标准BAS算法和粒子群优化(PSO)算法,改进BAS算法综合寻优性能更优越,解得的风量平均值和最优解均高于PSO算法和标准BAS算法,平均运行时间虽略长于标准BAS算法,但远短于PSO算法,平均收敛代数最多,精度最高,容易跳出局部循环得到最优解;在设定风量调节目标后,基于改进BAS算法的矿井通风网络风量智能调控方法可快速精准求解出待调分支的风量最优值,调节后的分支风量满足矿井安全生产的调风要求,风量上调高达46.5%。