-
公开(公告)号：CN108984813B
公开(公告)日：2022-12-13
申请号：CN201810193126.3
申请日：2018-03-09
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于递归神经网络与角度偏好的铝电解建模与优化方法。首先，利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，引入A‑dominance偏好支配方法，结合多目标量子粒子群算法对生产过程模型进行优化，得到最满足决策者期望的最优决策变量，以及对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。MQPSO算法不需要进行交叉、变异操作，只有最简单的位置更新步骤，因此编码过程简单，并且具有强全局搜索能力，容易实现种群进化过程中偏好最优取值的完整性，满足决策者需求。利用该方法确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量，达到节能减排的目的。
-
公开(公告)号：CN109085752B
公开(公告)日：2020-09-29
申请号：CN201810193063.1
申请日：2018-03-09
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于角度支配关系的铝电解偏好多目标优化算法，首先利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，再利用偏好多目标量子个体群算法对生产过程模型进行优化，得到各决策变量的一组最满足决策者期望的最优解以及该最优解对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。利用差分进化算法中变异、交叉和选择操作，对决策变量进行偏好寻优，以此确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，满足决策者偏好的同时，达到节能减排的目的。
-
公开(公告)号：CN109085752A
公开(公告)日：2018-12-25
申请号：CN201810193063.1
申请日：2018-03-09
Applicant: 重庆科技学院
CPC classification number: G05B13/042 , C25C3/20 , G06N3/084
Abstract: 本发明公开了一种基于角度支配关系的铝电解偏好多目标优化算法，首先利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，再利用偏好多目标量子个体群算法对生产过程模型进行优化，得到各决策变量的一组最满足决策者期望的最优解以及该最优解对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。利用差分进化算法中变异、交叉和选择操作，对决策变量进行偏好寻优，以此确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，满足决策者偏好的同时，达到节能减排的目的。
-
公开(公告)号：CN105321000B
公开(公告)日：2018-10-09
申请号：CN201510753959.7
申请日：2015-11-06
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于BP神经网络与MOBFOA算法的铝电解工艺参数优化方法，包括以下几个步骤：一：统计对电流效率、吨铝能耗以及全氟化物排放量影响大的参数作为决策变量X；二：利用BP神经网络建立铝电解生产过程模型；三：运用MOBFOA算法对决策变量在其取值范围内进行优化；四：按照最优决策变量进行现场控制。有益效果：利用非线性映射能力强的BP神经网络建立铝电解生产过程模型；优化方法指导菌群跳出局部最优，可快速获得最佳的生产过程参数，达到了高效、降耗、减排的目的。
-
公开(公告)号：CN105404926B
公开(公告)日：2017-12-05
申请号：CN201510752651.0
申请日：2015-11-06
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于BP神经网络与MBFO算法的铝电解生产工艺优化方法，包括以下几个步骤：一：统计对电流效率、吨铝能耗以及全氟化物排放量影响大的参数作为决策变量X；二：利用BP神经网络建立铝电解生产过程模型；三：运用MBFO算法对决策变量在其取值范围内进行优化；四：按照最优决策变量进行现场控制。有益效果：能确定工艺参数的最优值，并且能够运用到实际生产当中，使铝电解生产过程中的电流效率提高了、并降低了吨铝能耗以及全氟化物排放量，达到节能降耗减排的目的。
-
Patent Agency Ranking
公开(公告)号：CN107045290A
公开(公告)日：2017-08-15
申请号：CN201710448089.1
申请日：2017-06-14
Applicant: 重庆科技学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于MQPSO‑DMPC的反应再生系统优化控制方法，包括：S1：将反应再生系统的传递函数模型转化为阶跃响应模型；S2：建立DMPC模型，包括开环预测模块、稳态目标计算模块和动态矩阵控制模块；S3：利用MQPSO算法，在不放松约束条件的前提下，对经济优化和能源消耗的多目标优化函数进行求解；S4：根据MQPSO算法对S3的多目标优化函数求得的解，求得反应再生系统的输出设定值，并与实际输出的偏差作为单目标误差函数，最后利用QPSO算法对该单目标误差函数求解，获得操作变量的最佳变化量。本发明提供的基于MQPSO‑DMPC的反应再生系统优化控制方法不仅减小了RRS硬件负担，还能获取更优的操作变量参数，在保证经济效益以及减少能耗的基础上，进一步对RRS进行优化控制。
-
公开(公告)号：CN103293994B
公开(公告)日：2016-08-24
申请号：CN201310220196.0
申请日：2013-06-05
Applicant: 重庆科技学院
IPC: G05B19/042 , G05B13/04
Abstract: 本发明公开了一种基于模糊智能行为模拟的家居环境节能控制方法，其特征在于：包括如下步骤：搭建节能模糊控制装置；建立节能节能模糊控制数学模型；植入单片机模糊控制器；采集室内环境，传送给单片机模糊控制器；单片机模糊控制器进行模糊推理运算，得到模糊舒适控制输出响应值；传送给驱动执行机构；并控制窗帘的开闭度。克服了传统室内节能的参数相互矛盾性，以及硬件电路复杂等难题。该节能控制方法具有模糊评判方法科学、有效，硬件电路简单、响应速度快等特点。
-
公开(公告)号：CN105447567A
公开(公告)日：2016-03-30
申请号：CN201510752590.8
申请日：2015-11-06
Applicant: 重庆科技学院
IPC: G06N3/08
CPC classification number: G06N3/08
Abstract: 本发明提供了一种基于BP神经网络与MPSO算法的铝电解节能减排控制方法，首先，利用BP神经网络对铝电解生产过程进行建模，然后，利用基于多目标粒子群算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率、吨铝能耗以及全氟化物排放量。MPSO算法不需要进行交叉、变异操作，因此编码过程简单、容易实现，且与其他算法相比，MPSO算法具有记忆性，即保留了所有全局最优值和局部最优值，保证了在种群进化过程中最优取值的完整性。该方法确定了铝电解生产过程中工艺参数的最优值，有效提高了电流效率，降低了吨铝能耗，减少了温室气体排放量，真正达到节能减排的目的。
-
公开(公告)号：CN105426959A
公开(公告)日：2016-03-23
申请号：CN201510750725.7
申请日：2015-11-06
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于BP神经网络与自适应MBFO算法的铝电解节能减排方法，首先，利用BP神经网络对铝电解生产过程进行建模，然后，利用基于自适应步长的多目标细菌觅食优化算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率和温室气体排放量，其中，在对生产过程模型进行优化时，根据菌群进化状态对趋向操作的步长进行动态调整，以确保种群的多样性和收敛性。该方法确定了铝电解生产过程中工艺参数的最优值，有效提高了电流效率，减少了温室气体排放量，真正达到节能减排的目的。
-
公开(公告)号：CN105404142A
公开(公告)日：2016-03-16
申请号：CN201510750094.9
申请日：2015-11-06
Applicant: 重庆科技学院
IPC: G05B13/02
CPC classification number: G05B13/0205
Abstract: 本发明公开了一种基于BP神经网络与MBFO算法的铝电解多参数控制方法，首先，利用BP神经网络对铝电解过程进行建模，然后利用改进的多目标细菌觅食算法优化铝电解生产过程模型参数，得到决策变量的最优解；其中改进的多目标细菌觅食算法关键在于利用Pareto熵的外部档案更新策略更新菌群，使得菌群以较快速度朝着Pareto前沿移动。有益效果：基于多目标细菌觅食算法优化铝电解参数，有效提高铝电解生产效率；使用Pareto熵的外部档案更新策略更新菌群，使得能够快速获取铝电解生产最优参数。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.027 seconds)
