基于LS-SVM的烧结矿化学成分软测量模型研究与应用

由于烧结过程所具有的大时滞性和动态时变性,采取一些依赖于对象数学模型的传统控制理论和方法难以解决烧结矿化学成分的波动问题;因此,烧结矿化学成分的预测和控制长期以来一直是钢铁企业中的一个难点;为此,根据烧结过程所具有的特点,提出了基于最小二乘支持向量机的烧结矿化学成分的软测量模型的研究,利用支持向量机建立烧结矿化学成分的预报模型;通过对现场实际数据进行仿真表明,该方法鲁棒性强,准确性高,泛化能力广,具有很强的实用性和推广价值。

小样本贫信息条件下高炉冶炼烧结终点组合预测法

由于烧结过程具有不确定性、多变量耦合、时变时滞的特点,并且烧结终点受多种因素的影响,采用传统控制方法难以将烧结终点控制在要求的范围内,提出应用支持向量机优良的时序预测性能,以及贝叶斯理论能够利用样本信息和先验知识来简化预测模型和优化参数的特性,建立了贝叶斯支持向量机烧结终点的预报模型。首先对烧结终点的机理分析,后分别叙述贝叶斯框架理论和LS-SVM算法,并将贝叶斯证据框架应用于最小二乘支持向量机模型参数的自动选择,建立起时间序列的烧结终点非线性预测模型。在贝叶斯推断的第一层,进行模型参数的选择;在贝叶斯推断的第二层,进行模型超参数的选择;在贝叶斯推断的第三层,估计模型核参数,然后利用贝叶斯最小二乘支持向量机算法(LS-SVM)对烧结终点进行预测,并在此基础上构造了烧结终点的贝叶斯最小二乘支持向量机模型。仿真结果和多种模型比较表明,本模型能在小样本贫信息条件下对烧结终点做出比较准确的预测,并具有预测精度高、所需样本少、计算简便等优点,取得了令人满意的结果。

基于多传感器数据融合技术的应用研究

复杂系统的多传感器数据融合是一门新兴的技术,它通过对来自多个传感器的数据进行多级别、多方面、多层次的处理从而产生出单个传感器所不能获得的更有意义的信息。数据融合在军事领域和民用领域都有很大的发展和应用前景。该文提出了一种基于神经网络融合算法的多传感器数据融合技术,对所采用的数据融合技术用于烧结终点预测进行了详细介绍。通过仿真结果证明,该方法鲁棒性强,准确性高,泛化能力广,具有很强的实用性和推广价值。

基于BP神经网络算法的设备状态分类器设计与实现

以某设备中的减速箱为研究对象,建立了BP神经网络,采用BP算法训练神经网络,设计一个状态分类器,用于检测减速箱的当前状态。结果表明,基于BP神经网络具有良好的训练性能,能快速地收敛于最优解;样本输出结果较理想值误差较小,分类器的识别结果完全符合实际情况。该分类器可以有效准确地识别减速箱的运行状态,为进一步故障检测提供了有效工具。

浅析多媒体技术在C语言教学中的利弊

随着信息行业的发展,多媒体技术在教学实践中得到了广泛的应用。针对C语言程序设计课程的特点,分析了多媒体技术在C语言程序设计课程教学中的利弊。结合"粉笔+黑板"的传统教学方式,运用对比方法,使用具体的实例指出了多媒体技术在C语言课程教学中的四大优势,给出了三点不足。总结了如何使用多媒体技术使学生更好地学习C语言程序设计课程。

基于ISP称重模块和自抗扰算法的自动配料系统的设计与实现

介绍烧结机自动配料系统的主要组成和的功能,以及自抗扰控制技术在系统中的应用。