摘要:受近年来人工智能浪潮的积极影响,基于学习优化的智能电网能量管理研究不断涌现,并被视为一个富有前景的研究方向.现有学习优化方法的设计思路大相径庭,了解这些思路的优势和局限性对掌握该交叉领域动态和推动其长足发展至关重要.鉴于此,总结3种主要的学习优化类型:学习最优解、学习热启动、学习约束,分析不同学习优化类型的设计思路和优点,基于现有工作的缺憾进一步提出5大挑战,并提供一些潜在的解决方案,以期为该交叉领域的研究者提供更全面的信息和新的视角.

摘要:多无人机路径规划是一个复杂的多约束组合优化问题,通过传统算法很难求得优良结果,元启发式算法由于其快速高效而成为解决该类优化问题的有效手段.首先,针对多无人机路径规划的关键要素提出一种新的分类方法;其次,从算法改进方式入手,对各项研究中所采用的元启发式算法进行分类梳理,阐述它们的应用效果和优缺点,并根据所提出的分类方法和研究特点归纳了当前的研究成果;最后,结合目前多无人机路径规划研究存在的问题对未来发展趋势进行展望.

摘要:研究多自主水下机器人(AUVs)编队控制过程中存在外部未知扰动、模型参数摄动和节约控制器传输网络能耗的问题,提出一种抗扰动的固定时间相对阈值事件触发编队控制方法.首先,给出自适应固定时间积分滑模干扰观测器(AFISMDO),在固定时间内用来估计系统的复合扰动;其次,基于所设计的AFISMDO,将非线性滤波器引入到反步算法中,解决反步法多次微分求导造成计算量大的问题;然后,为了节约网络传输资源,降低控制器能耗,将相对阈值事件触发机制引入到多AUVs编队控制中,结合虚拟轨迹概念,设计固定时间分布式编队控制器,使得闭环系统是固定时间收敛的,且系统收敛时间仅取决于控制器设计参数,并通过理论推导排除Zeno现象.仿真实验结果表明,所设计的控制器是合理有效的.

摘要:针对高速列车运行控制中的牵引/制动力约束和执行器故障问题,提出一种基于偏格式动态线性化的无模型自适应容错控制(PFDL-MFAFTC)算法.首先,利用无模型自适应控制框架下的伪梯度概念,将难以精确获取参数(列车质量、阻力以及执行器故障等)的高速列车动力学模型转化为偏格式动态线性化数据模型;其次,利用径向基函数神经网络(RBFNN)处理执行器故障引起的非线性;然后,通过压缩映射方法对算法进行严格的收敛性证明,保证算法的收敛性;最后,通过高速列车仿真验证PFDL-MFAFTC算法的有效性和容错能力.

摘要:考虑约束非线性系统经济型最优控制问题,提出一种关于经济性能输入到状态稳定的经济型模型预测控制(EMPC)策略.通过离线计算系统的最优经济稳态点,构建关于该稳态点跟踪的稳定最优控制问题.在此基础上,利用稳定最优控制问题的最优值函数和关于经济性能函数的松弛量构造EMPC优化问题的收缩约束,再结合不变集原理和输入到状态稳定性(ISS)定理,建立EMPC的递推可行性和闭环系统关于经济性能函数的ISS结果.最后,采用非线性连续搅拌釜控制的仿真比较结果验证所提出策略的有效性.

摘要:针对带有系统不确定性的航天器姿态控制系统,提出一种基于两相幂次趋近律的姿态控制方法.在趋近律设计中,根据滑模变量值的变化调整趋近律的幂次值,确保滑模变量在远离滑模面和接近滑模面时均具有更快的收敛速度.同时,通过分别计算两个趋近阶段的收敛时间,可直接获得较为准确的滑模变量收敛时间表达式.此外,在控制器设计中采用鲁棒项补偿未知不确定性与外界扰动的影响,从而增强系统的鲁棒性.最后,基于Lyapunov函数方法证明系统的稳定性,并给出仿真对比验证所提控制方法的有效性.

摘要:针对欠驱动水平TORA(translational oscillators with rotating actuator)系统,提出一种基于生物启发模型的有界输入控制方法,实现系统在执行器存在饱和约束情况下的镇定控制.首先,根据水平TORA系统的动力学模型分析系统的无源特性,进而给出系统的控制目标;接着,基于无源特性构造一种新颖的Lyapunov函数,在此基础上设计一种结构简单的非线性状态反馈控制器;然后,考虑执行器的饱和约束条件,引入受生物启发建立的神经动力学模型,利用该模型的有界平滑输出特性,设计一种改进的状态反馈控制器;最后,根据LaSalle不变性原理对系统的稳定性进行严格的数学分析和证明.与其他方法相比,所提方法不仅考虑了执行器的饱和约束问题,而且设计的控制算法简单高效,易于工程实现.仿真与对比结果表明,所提方法具有更好的控制性能.

摘要:针对受外界干扰的水下机器人,提出一个预定性能控制器.首先,针对水下机器人的外界干扰,设计一个干扰观测器并且估计误差在有限时间内收敛至零;然后,利用干扰观测器进行前馈补偿,基于一种指数型障碍李雅普诺夫函数设计一个非奇异快速积分终端滑模控制器,使得水下机器人的轨迹跟踪误差在有限时间内收敛至零并且满足预定的性能要求;最后,严格地证明控制系统的稳定性,并通过仿真实例验证所提方法的有效性.

摘要:提出一种基于平稳切换策略的LPV系统状态反馈H_∞控制器设计方法,以抑制子系统切换产生的瞬态响应.将时变参数变化范围划分为有限个具有重叠区域的子空间,应用Lyapunov函数和投影定理,对子空间设计相应的状态反馈控制器,并在非重叠区域调用.在重叠区域内加权调用相邻子空间的控制器,结合平均驻留时间方法,使系统满足全局一致指数稳定.此外,提出一种重叠率可变的子空间划分方法.最后,通过数值仿真验证所提出方法的有效性.

摘要:针对具有预防性维修(PM)和顺序相关准备时间(SDST)的不相关并行机调度问题,提出一种多群体人工蜂群算法(MABC)以同时最小化完工时间和总延迟时间.该算法将雇佣蜂分割成s个雇佣蜂群,除最差雇佣蜂群外,每个雇佣蜂群都对应1个跟随蜂群.结合2个目标函数、PM和SDST的特征设计3种邻域搜索,采用全局搜索和邻域搜索的不同组合实现雇佣蜂阶段和跟随蜂阶段,并引入两种淘汰过程.通过大量实验测试MABC新策略和搜索性能,计算结果验证了新策略的有效性和MABC的搜索优势.

摘要:多目标优化算法的主要目标是实现好的多样性和收敛性.传统的高维多目标优化算法,当目标维数增加时,选择方式难以平衡种群的收敛性与多样性.对此,提出一个基于指标和自适应边界选择的高维多目标优化算法.在环境选择中,首先计算种群中两两个体的指标$I_\varepsilon(x,y)$作为第一选择标准;其次,提出一种自适应边界选择策略,利用种群进化信息对超平面系数进行模糊预测;再次,近似计算待选个体到超平面的范式距离作为第二选择标准;最后,将所提出算法与5种代表性的高维多目标算法进行比较,实验结果表明,所提出算法在处理复杂Pareto前沿高维多目标优化问题时,能在平衡收敛性与多样性的同时,更好地维护多样性.

摘要:针对多目标混合算子进化算法中各算子有效选择的自适应问题,提出一种基于双重贡献分配的多目标混合算子进化算法(DCA-MOEA/D).首先,将两种现有的进化算子与两种基于方向引导的差分进化组成算子池,每代个体以轮盘赌的方式从中选择一种进化算子产生子代;然后,根据子代的表现,结合两种方法为各算子分配贡献值,从而确定算子的选择概率;接着,引入外部归档集,根据非支配关系与拥挤度策略对其进行维护;最后,将整个进化过程划分为5个阶段,以达到算子选择中“探索”与“探究”之间的平衡.以IGD与HV为性能评价指标,通过与其他4种多目标进化算法在23个测试函数上的对比,验证所提出算法在收敛性和分布性上的显著优势.

摘要:针对现有的基于对抗学习的领域适应算法未能充分挖掘样本的可转移特征导致泛化能力较差和分类精确度较低的问题,提出基于特征和类别对齐的领域适应(FCDA)算法.首先,针对最大均值差异(MMD)度量准则存在的不足进行改进,得到一种新的MID(maximizes the intra-domain density)度量函数,分别度量具有相同标签的源域样本特征间的分布散度和相同标签的目标域样本特征间的分布散度,实现最大化域内同类样本的类密度,从而降低类的错分率;其次,为了能更深层次地学习目标样本的抽象的、可转移的特征,从而减小域间差异,在特征提取网络后加入残差校正块,深化基础网络,提高其特征的可迁移性;最后,将获取的特征经过联合判别网络,通过对抗损失函数同时实现在类级和域级的对齐.所提出的算法在数据集Office-31上平均准确率为88.6%,在数据集Office-Home上平均准确率为67.7%,并与其他算法相比,验证了所提算法具备良好的泛化能力,可以实现较高的分类性能.

摘要:针对矩形件无约束二维板材剪切排样问题,提出一种新的4块排样方式及其生成算法.该排样方式将板材划分成4个块,对每个块,按照递归方式进行排样.选择一行同种矩形件放置在块的左下角,沿着这行矩形件的上边界和右边界将该块剩余部分划分成两个更小的子块以待进一步递归考察.首先,构造动态规划算法一次性生成所有可能尺寸的块中矩形件的递归排样方式;然后,采用隐式枚举算法确定板材的最优4块划分,得到矩形件在板材上的最优4块排样方式.采用文献基准例题和符合实际情况的随机例题,将所提出算法与几种典型的文献算法进行对比,实验结果表明所提出算法时间复杂度在低于或等于文献算法的前提下,排样方式价值比文献算法高.

摘要:针对收益为三角模糊数的双边链路网络形成问题,提出一种新的三角模糊非合作-合作两型博弈,由节点(局中人)、链接方式(策略选择)、网络形成(联盟形成)和信息流量(联盟收益)四要素组成,包括三角模糊非合作博弈和合作博弈两部分.三角模糊非合作博弈部分的支付值未事先给定,而是由三角模糊合作博弈部分通过计算新定义的三角模糊Banzhaf值分配确定,进而求解三角模糊非合作博弈纳什均衡解.同时,提出并证明三角模糊非合作-合作两型博弈存在纳什均衡解的一般性条件.数值算例表明了所建模型与方法的有效性、可应用性和复杂性,可为同时解决节点(局中人)策略设计与节点链接(联盟形成)及收益分配问题提供新途径.

摘要:围绕城市污水处理过程数据存在连续噪声和缺失的问题,提出一种基于动态融合局部异常因子(dynamic fusion local outlier factor,DFLOF)的污水处理过程数据清洗方法.首先,设计一种基于滑动窗口的数据动态分段方法,通过计算每个子段数据的均值、最大值和峰值区间信息获得数据异常属性值;其次,建立一种基于DFLOF的数据可信度评价模型,利用基于动态融合局部异常因子算法评估数据的可信度,保证异常数据检测和剔除的准确率;最后,提出一种基于径向基函数(radial basis function,RBF)神经网络的数据补偿方法对缺失数据进行补偿,实现污水处理过程数据的清洗.将该数据清洗方法应用于实际污水处理过程,实验结果表明:基于动态融合局部异常因子的数据清洗方法能够实现污水处理过程中异常数据的清洗,从而提高数据质量.

摘要:在复杂多变的矿山开采环境下,计划难以执行等问题较为突出,如计划方案不可行、工序流程欠合理,且突发事件频繁,该问题已成为长期以来矿山企业面临的关键困难之一.为此,提出“先时变计算实验再精准过程执行”的智能开采新范式.首先,根据基本需求初始化生产计划方案;其次,对计划方案进行时变计算实验,即借助多代理方法构建基于计算机的人工系统,利用各简单代理自主推演和互动涌现进行计算实验或试验,评估方案的合理性和可靠性,预测生产现场人员、设备、环境的属性状态和整体系统的经济、空间及安全状态,根据实验结果调整方案后再次实验,直到具有稳定的实验结果为止;最后,以优化后的最优方案和工序流程进行现场执行,同时对执行过程进行实时感知、分析及纠正,实现按计划控制.在物联网数据驱动下,这种低成本、高效率、零风险和快速的事前预演手段及精准过程控制方法,对于辅助计划制定及安全高效生产意义重大.

摘要:当前,智能制造面临的许多问题都具有不确定性和复杂性,单纯地利用专家经验和机理模型难以有效解决.鉴于此,面向跨层跨域的复杂制造系统网络化协同控制机制,提出一种基于本体的人机物三元数据融合方法,研究复杂制造环境下的人机物三元数据融合建模.在抽取三元组时,区别于传统的流水线式抽取方式,提出一种基于实体-关系联合抽取的模型ErBERT.该模型首先经过预训练模型BERT进行词序列化,经过最大池化、全连接和Softmax等操作后,完成实体识别和关系分类任务,得到抽取完毕的人机物三元组.将抽取好的三元组按照规则映射至OWL文件,最终存储在图数据库中,实现本体模型的构建.经实验验证,经过ErBERT抽取出的三元组有较好的准确率,能够达到通过本体融合人机物三元数据的目标,并为实现制造企业人机物三元协同决策与优化提供技术支撑.

摘要:研究有向切换拓扑下线性多智能体系统的事件触发一致跟踪问题.大多数已有的工作研究了固定拓扑下的事件触发控制,然而,当智能体间联系随时间发生改变或通信拓扑随时间发生变化时,该控制策略失效.鉴于此,在考虑切换拓扑的基础上提出一种基于积分型事件触发的控制策略.首先,当拓扑图包含一棵生成树且领导者是根节点时,利用Lyapunov 稳定性理论、代数图论和矩阵变换,基于积分型事件触发控制协议,在切换拓扑下多智能体系统达到领导跟随一致性;然后,当存在多个领导者时,基于设计的触发机制在切换拓扑下多智能体系统实现包含控制,上述两种情况下闭环系统均不存在Zeno现象;最后,通过仿真结果验证控制策略的有效性.

摘要:针对传统稀疏滤波网络缺乏多尺度特征提取能力,难以充分挖掘故障信息的问题,提出一种多尺度稀疏滤波网络.该网络包括5层:多尺度粗粒度层,以获取多尺度信号;样本分段层,对每个尺度的信号分段;局部特征提取层,计算每个片段的特征向量;特征平均化层,将单个尺度下所有片段的特征向量池化以得到输入信号在该尺度下的表征;特征堆叠层,将所有尺度下的表征堆叠成一个长向量,作为输入信号最终的特征向量.采集3个齿轮数据集进行实验验证,可视化和聚类结果表明,多尺度网络从齿轮振动信号中提取的特征比原始网络提取的特征更具区分性和判别性.用Softmax对这两种网络及3种传统多尺度方法提取的特征进行分类,结果显示,多尺度稀疏滤波网络对每种故障的识别精度均最高.同时,所提出的多尺度稀疏滤波网络的性能与两种其他框架下的多尺度网络相比非常具有竞争力.所提出的多尺度稀疏滤波网络可广泛用于机械故障诊断的特征提取阶段,能自动从大量无标注样本中挖掘有用的故障信息.

摘要:为提升基于卷积神经网络(CNN)的电力系统暂态稳定预测性能并呈现更全面的预测结果,提出一种基于多层次特征融合空间金字塔池化网络(MSPP-net)的暂态稳定多任务预测方法.首先,通过同步相量测量装置(PMUs)获取故障清除后各发电机功角、机端母线电压幅值及相角数据,构造出一个三维输入矩阵;其次,在CNN的基础上采用空间金字塔池化层提取高层特征的多尺度信息,通过跳跃链接获取不同卷积层多层次特征信息,并进行特征融合;最后,通过硬参数共享机制建立MSPP-net多任务学习模型,以实现暂态稳定性判断、临界发电机识别和稳定裕度预测.在IEEE10机39母线系统、IEEE50机145母线系统和中国某省简化系统上进行仿真验证.与传统浅层及深度学习方法相比,结果验证了所提方法的有效性和更优的预测性能,以及该方法在噪声环境或PMUs非100%覆盖条件下的适用性.

摘要:设计并研究一种基于多标签k近邻方法(multi-label k-nearest neighbor,ML-kNN)推荐元启发式算法的实现框架.应用多标签k近邻分类学习技术,实现最佳元启发式算法的排名推荐.为了验证效果,以多模式资源约束项目调度问题(MRCPSP)为优化对象,选取不同规模的数百个算例分别提取问题基本特征和地标特征;选用遗传、粒子群、禁忌搜索、蜂群和蚁群5种元启发式算法,使用ML-kNN建立元推荐模型;利用海明损失、单错误率、覆盖率、排位损失和平均准确率5个指标对推荐效果做出分析和评价.实验结果表明,基于ML-kNN方法推荐元启发式算法效果突出,其中基于地标特征的单错误率指标为18.4%,平均准确率达到88.9%.相对于kNN方法,ML-kNN取得了更好的推荐结果.此外,ML-kNN方法可以实现对所有备选算法的排名推荐,该研究结论有望推广应用于其他组合优化问题的优化算法推荐.

摘要:多粒度形式概念分析是数据挖掘与知识发现的重要工具,但现有的多粒度形式概念分析理论中并未提出选择最优形式背景的标准,这导致只能对多个单粒度形式背景逐一研究其知识发现问题,因此无法应对含有多个粒度属性的形式背景.鉴于此,对多粒度形式背景的粒度树上的属性块进行组合,将信息熵作为组合形式背景优劣的判别标准以评价最优粒度选择的性能.首先,基于粒度树提出广义介粒度剪枝形式背景,它既能实现属性块内部跨粒度组合,又能实现属性块之间跨层组合;其次,给出广义介粒度剪枝形式背景的信息熵,以评价广义介粒度剪枝形式背景的优劣,并设计出最优粒度选择算法;接着,利用信息熵度量多粒度剪枝类属性块和粒度树的重要性;最后,通过实验分析表明基于信息熵的最优粒度选择和粒度树重要性度量方法是有效的.

摘要:集中式超大规模储能电站与其控制系统逐渐发展成为信息物理系统(cyber physical system,CPS),信息技术和监控系统能够使超大规模储能电站应对多样化场景和满足不同的需求,但也带来一定程度的安全运行风险,因此对其进行可靠性建模和分析具有非常重要的意义.首先,建立超大规模储能电站的CPS模型,并分析物理侧与信息侧的交互影响;其次,对信息系统中多种信息扰动的可靠性状态进行建模分析,并提出储能电站CPS可靠性评估指标;然后,分别采用非序贯和序贯蒙特卡洛方法对超大规模储能电站的信息层和物理层元件进行抽样,并量化分析多信息扰动因素对超大规模储能电站CPS可靠性的影响;最后,通过算例仿真结果验证所提模型和方法的有效性,结果表明所提模型可为超大规模储能电站规划和运行提供有效技术支撑.

摘要:针对危险驾驶行为引起的交通安全事故频发的现状,提出一种基于MobileNetV3和ST-SRU的危险驾驶姿态识别系统.首先,修改MobileNetV3的网络结构使其适用于人体姿态估计任务,输出关节点的热力图和偏移量图,用来估计J个关节点的二维坐标位置;其次,定义ST-SRU骨架动作识别算法,利用动作的骨架序列数据对动作进行分类.实验结果表明:MobileNetV3姿态估计算法在自建的AI Challenger上肢姿态数据集上测得PCP值(percentage correct parts)达到95.6%,测试1000次用时仅为5.03s;利用自建的危险驾驶行为数据集将训练好的姿态估计和动作识别模型移植到嵌入式平台,实现了实时的危险驾驶姿态识别系统.

摘要:机器人的装配策略受装配对象特性、装配工艺和装配控制方法的约束,针对装配过程接触阶段的位姿不确定性问题,提出一种装配姿态调整技能自学习的方法.首先描述多约束条件下的机器人装配技能问题,建立基于力/力矩、位姿、关节角度等多模信息描述的装配系统模型;然后构建融合竞争架构的机器人决策网络和策略优化网络,通过与环境的不断交互,进行装配姿态调整技能的学习;最后,在低压电器塑料外壳卡合装配实验平台上进行测试验证,结果表明,在工件特性、装配工艺、控制规律约束下,机器人采用技能学习的方法可以获得末端姿态调整的策略,完成卡合装配,比基于深度Q学习网络(DQN)的算法成功率提高7.4%.

摘要:考虑时间因素对产品绿色度和品牌商誉的影响,引入微分博弈方法在动态框架下研究绿色供应链上下游企业的经营模式选择与营销策略问题.分别建立转售模式和平台模式下企业采取独立营销和联合营销两种营销策略的微分博弈模型,求解并分析相应的均衡结果.研究表明:不管采用转售模式还是平台模式,联合营销均是制造商和零售商的最优营销策略;当制造商和零售商对联合营销达成一致时,平台模式是零售商的最优策略,而对制造商而言,经营模式的选择与平台模式的佣金比例有关.具体而言,当佣金比例较低时,制造商倾向于选择平台模式,当佣金比例较高时,制造商倾向于选择转售模式.综合来看,制造商和零售商的博弈结果为低佣金比例的平台模式且联合营销.

摘要:考虑到区间二型模糊数在描述高度不确定性信息方面的优势,将区间二型模糊数拓展到决策粗糙集中,提出两种区间二型模糊三支决策方法.在没有类标签的区间二型模糊信息系统中,解释损失函数与确定条件概率是需要解决的两个关键问题.首先,根据区间二型模糊数的性质,将其引入决策粗糙集中,为损失函数提供一种新的解释.其次,基于贝叶斯决策过程,构造区间二型模糊决策粗糙集的基础模型.然后,选取区间二型模糊数的组合排序与可能度排序,设计两种策略来推导区间二型模糊决策粗糙集的决策规则.对于条件概率,利用灰色关联分析方法对其评估.在此基础上,给出两种在区间二型模糊信息系统下的基于区间二型模糊决策粗糙集的三支决策方法.这两种方法不仅考虑了决策风险,而且给出了方案的排序结果和客观分类结果,补充完善了灰色关联分析的决策结果.最后,通过算例分析佐证所提出方法的有效性.

摘要:工业信息物理系统(ICPS)与基础设施的连接越来越密切,同时通信网络也易受到环境干扰和虚假数据注入攻击的影响.鉴于此,研究基于多信道传输框架和minimax控制器,提高ICPS在攻击、环境和噪声干扰下的弹性.通过设计minimax控制器以增强ICPS在噪音和干扰下的弹性,基于多信道传输框架建立发射机与攻击者之间的攻防博弈模型,通过多信道上的攻防博弈策略实现整个ICPS的弹性防御策略.通过OPNET和Matlab的联调仿真,验证模拟数据注入攻击下基于多信道传输框架的ICPS控制系统的性能.仿真结果表明,minimax控制器和多信道传输框架组成的弹性防御策略,能够同时提升系统在环境干扰下的稳定性并有效降低数据注入攻击对ICPS的影响.

摘要:针对低碳分布式装配置换流水车间调度问题(LC_DAPFSP),建立以同时最小化总能耗和总完工时间为优化目标的数学模型,进而提出一种多维分布估计算法(MEDA)以进行求解.首先,采用随机方法和启发式算法共同生成初始化种群;其次,建立基于矩阵立方体的概率模型,用于合理学习并积累优质解的块结构信息和序关系信息,同时设计有效采样机制对概率模型采样以生成新种群,从而合理引导算法搜索方向并发现可行解空间中的优质解区域;然后,为平衡算法的全局探索与局部开发能力,提出基于问题特性的变邻域局部搜索方法,可对全局搜索发现的优质解区域进行细致搜索;最后,通过仿真实验与算法对比验证MEDA是求解LC_DAPFSP的有效算法.

摘要:考虑政府征收碳税及再制造专利保护,建立原制造商和第三方再制造商不同决策情形的博弈模型,探讨碳税、碳减排对制造/再制造决策的影响.研究结果表明:碳税使原制造商收益受损,当再制造产品接受度大于再制造碳排放比率时,碳税使再制造商利润增加;碳减排使新产品产量增加,原制造商利润增加;碳减排使再制造专利许可费提高,不利于废旧产品回收,再制造商利润不一定增加;集中决策下废旧产品的回收率和供应链总利润均高于分散决策,当满足碳税促进再制造的条件时,集中决策具有更好的环境绩效;针对分散决策的效率损失,原制造商收取适当专利许可费,再制造商分担部分减排成本,能够实现闭环供应链的协调.最后,运用数值仿真验证以上结论,并进一步分析碳税和碳排放比率对减排率的影响.

摘要:在铁矿石的采选和冶炼过程中,原矿品位、初选品位和精矿品位是与矿石处理成本和固体废物排放量密切相关的3个关键品位,通过优化关键品位指标,可以减小包括矿渣等废物处理费用在内的整个采冶过程的总成本.鉴于此,考察采矿、预选、选矿和冶炼球团阶段铁矿品位与产量、废物排放之间的关系,建立相应的数学模型并在此基础上进行边际分析,得出各阶段品位-链接成本关系模型,提出考虑废物处理成本的品位-成本边际成本指数以评价品位指标,同时提出关键品位指标的集成优化优化方法.将所提出建模方法在鞍钢实际生产中进行应用验证,结果表明与实际生产情况吻合并能对实际生产决策起到指导作用.

摘要:研究高速采样情况下,含有网络攻击的信息物理系统多目标故障检测问题.考虑系统同时存在时变时延、执行器网络攻击和传感器网络攻击,基于Delta算子对上述系统进行离散化处理,建立在高速采样的条件下,故障与攻击并存的离散时间模型.构造$H_/H_\infty$故障检测滤波器,使系统具有对随机扰动的鲁棒性,且具有对检测信号的高灵敏性.采用Lyapunov-Krasovskii泛函和线性矩阵不等式的方法,提出系统具有渐近稳定性以及$H_/H_\infty$性能的充分条件.仿真结果验证了所提方法的可行性和有效性.

摘要:针对工业过程动态性及非线性强等特点,提出一种基于动态局部保持主成分分析法的过程监测方法.该方法通过构造扩展矩阵来解决动态过程中各采样点间相关性强的问题,并将局部保持投影(LPP)与主成分分析法(PCA)相结合从而实现提取流形结构的最大方差信息.在此基础上,针对复杂工业过程变量复杂多变、呈不同特性的特点,提出基于分层分块DLPPCA-SVM(dynamic locality preserving principal component analysis-support vector machine,DLPPCA-SVM)的过程监测及故障诊断方法,该方法针对不同特性的子块分别采用DLPPCA和PCA进行建模,并利用支持向量机进行故障诊断.将该方法用于田纳西-伊斯曼(TE)化工过程和发电机组的在线监测和故障诊断,仿真结果验证了所提出方法的有效性.