基于RBFNN与CMGA的催化转化器劣化预测

应用径向基函数网络(RBFNN)和压缩映射遗传算法(CMGA)的融合理论,提出了车用催化转化器劣化的在线预测策略。利用催化转化器劣化试验数据作为RBFNN的输入,影响催化转化器劣化的性能参数作为RBFNN的输出,进行了车用催化转化器劣化的模糊预测。利用RBF-CMGA融合预测策略,进行了车用催化转化器的空燃比特性、起燃比特性的劣化试验。结果表明:CO、HC和NOx的劣化系数分别为1.27、1.48、1.03,验证了该融合预测策略具有较好的分辨率,可用于车用催化器在线劣化预测。

基于KPCA-CMGANN算法的瓦斯涌出量预测研究

为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BPNN;构建CMGA与BPNN的耦合算法(CMGANN),计算分析某低瓦斯矿井监测历史数据形成的样本集,建立KPCA-CMGANN预测模型;用KPCA-CMGANN预测模型和其他3种网络模型分别对煤矿现场数据进行预测。结果表明:KPCA-CMGANN预测模型在379个时间步长里达到收敛,4个回采工作面的瓦斯涌出量预测相对误差分别为0.58%、0.63%、0.57%和0.45%,平均相对误差仅为0.56%,预测精度和收敛速度均优于对比模型,可实现瓦斯涌出量的快速精准预测。

钢琴生产批量调度方法的研究与应用

针对多品种批量化生产模式的钢琴生产调度问题,考虑了批量优化及调整时间的影响,以完工时间最短为目标,建立了包含批量优化、批量加工任务分配和批量任务排序的批量调度优化模型。基于遗传算法的框架,设计了四元组基因值的染色体矩阵编码。基于多色集合逻辑围道矩阵和数值围道矩阵建立了批量调度的约束模型,将多色集合约束模型与遗传算法相结合,提出了一种基于模型约束的遗传算法(CMGA),实现了批量调度问题的高效求解。通过实例对比,表明不等量分批调度比等量分批调度能得到更好的生产调度方案,考虑了调整时间的调度方案在生产实际中能得到更好的效果。