基于混合递阶遗传神经网络的转炉温度预报

针对转炉控制中对吹炼终点温度的控制问题,提出了基于混合递阶遗传RBF神经网络(HGA-RBF)的转炉炼钢终点温度预报模型。研究了RBF网络的特点,用递阶遗传算法克服了网络的结构和参数选择的随机性问题;并结合最小二乘法,提高了收敛速度。仿真结果表明,此算法在一定程度上提高了RBF网络的优化收敛速度和训练测试精度。某钢铁公司提供的实际冶炼数据试验,也证明了该模型预报精度较高,对提高生产的质量有重要意义。

基于磁链和负载观测的SPMSM耗散哈密顿控制

基于耗散哈密顿控制策略,从能量平衡的观点,利用能量成型的方法,给出了面贴式永磁同步电动机的速度跟踪控制器。由于所设计的控制器中包含有未知的负载转矩,影响了系统控制性能,而且负载转矩的变化受到转子磁链的影响。因此,在设计控制器的同时,采用Luenberger观测器对转子磁链和负载转矩的变化实时观测,从而增强了控制系统的鲁棒性。理论分析和仿真结果验证了所设计控制方法的有效性。

一种手背静脉感兴趣区域提取算法

在手背静脉图像采集时由于手背旋转和平移等原因,会造成采集有效识别区域时出现偏差,给识别带来干扰,为实现快速定位有效识别区域,依据采集图像的特点,提出了一种基于最大内切圆的感兴趣区域提取算法。针对采集的手背静脉图像,计算最大内切圆心与质心,并利用内切圆心与质心计算手背的旋转角度,根据旋转角度矫正手背静脉图像位置,提取感兴趣识别区域。该算法基于手背轮廓,不受人为因素的干扰,可以消除平移和旋转的影响。实验结果表明该方法具有很好的鲁棒性。

基于多目标粒子群的加热段炉温优化设定

目的在考虑退火工艺指标和能耗指标的同时,对冷轧不锈钢连续退火炉加热段的炉温稳态进行优化研究,合理地设定连续退火炉加热段稳态炉温.方法通过考虑退火工艺指标和能耗指标的同时,使用基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)建立炉温稳态设定的多目标优化模型,从所提出的算法获得的Pareto最优解集和Pareto最优前沿中通过加权的方法选取适合生产的最优解.结果将基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)与基于分解的多目标粒子群优化算法(d MOPSO)针对加热段炉温稳态优化设定的仿真结果进行对比,R2-MOPSO算法优化得出的带钢温度升温曲线较为理想,消耗燃料较少.结论在满足生产质量要求和降低成本的同时,R2-MOPSO算法可以合理地设定连续退火炉加热段稳态炉温,更好地引导工业生产.