熟料烧结回转窑传热传质数值模型

建立了窑长为90m的氧化铝熟料回转窑的传热传质数学模型.采用化学动力学方法研究了烧结反应吸、放热对窑内温度分布的影响,提出了氧化铝与碳酸钠的反应为窑内熟料烧结反应结束的标志.结果表明,熟料反应约在距离窑头85 m处完全结束,各反应速率随温度的升高而增大,喷煤量的增加对预热、烧结带的影响大于其他各带区.     

基于SVM和PSO的烧结工况预报方法

利用滚球算法对在线采集的烧结工况图像进行去噪处理,然后利用大津方法和双快速行进法从去噪后的图像中分割出物料区、火焰区和充分燃烧区等关心区域,再从这些关心区域中提取特征.基于ReliefF-GA方法对特征进行约简,利用PSO优化SVM模型参数,建立烧结工况预报模型,基于该模型进行烧结工况预报.经过大量实验验证,该方法可以较大程度地提高烧结工况的预报率.     

基于纹理特征的回转窑熟料烧结状态分类

采用灰度共生矩阵方法,利用Fisher系数提取出最佳分类位置算子和纹理特征参数,通过对实际回转窑窑头熟料图像分析,发现位置算子为(5,-5)即距离为5、方向为45°下的灰度共生矩阵对应的和平均、逆差距、差异熵、对比度、差方差和熵这6个参数具有较好的区分度,其表面纹理特征能客观地反映其烧结程度,并通过基于C4.5算法实现了过烧、欠烧和正常烧结3种不同状态下的熟料纹理分类,其精度达到了95.65%.同时结合实际工况对熟料纹理进行了分析,给出了各自的变化特点.     

氧化铝熟料回转窑干法烧结数值分析

建立60t.h-1氧化铝熟料回转窑综合传热、传质数学模型.应用数值方法,研究喂入料浆的水分含量对窑内热过程的影响,分析得到熟料烧结方式由湿法转变为干法时回转窑具有提高产能、降低能耗的潜力.结果表明:当料浆水的质量分数降至20%时,回转窑生产能力可比实际工况提高24%,相应燃煤单耗降幅可达18%.随料浆含水量再递减,则产能和燃煤单耗的平均变化量显著减少,改变幅度逐渐趋缓.     

大型超静定回转窑机械运行状态优化

结合中国长城铝业公司氧化铝厂2号回转窑,分析了大型超静定变截面回转窑的力学特征;通过调整窑运行轴线,以回转窑各托轮受力均衡为优化目标,考虑窑轴线单次调整量、轴线偏差、传动系统、窑头窑尾密封、滚圈变形、筒体应力等窑体调整制约条件,建立了回转窑机械运行状态优化模型,用复合形法求解了2号窑的优化模型,对2号窑在优化调窑前、后及常规调窑后的机械运行状态进行了对比.研究结果表明,2号窑在优化调窑后的机械运行状态远优于调窑前及常规调窑后的机械运行状态,运转率显著提高.     

大型多支承回转窑运行状态监测与调整

在研究回转窑运行状态影响因素的基础上，建立了回转窑载荷分配与轴线变化的线性关系式；得出了运行时回转窑主体部件的应力及变形情况；探明了回转窑轴向运动机理，建立了轴向运动接触力学调控模型；给出了回转窑最佳运行状态调整的优化方法，建立了调窑参数模糊优化模型；研究了一种新型的回转窑运行轴线测量方法--零位移方向键相法；应用理论研究成果，开发了回转窑运行状态分析与监测系统.     

基于SVM的刻蚀工艺失效状态识别

针对反应离子刻蚀工艺,研究其状态监测与识别.采用主元分析(PCA)方法对原始数据进行降维,提取出有效的特征子集,再应用SVM建立失效状态的诊断识别模型,分析模型参数对失效状态的分类识别效果.采用主元分析法进行数据降维,从多监控量中提取影响最大的特征子集,再基于支持向量机(SVM)算法建立了失效状态的诊断识别模型,并分析了模型参数对失效状态的分类识别效果.研究结果验证了基于SVM方法的有效性,表明该模型具有高效的模式识别能力,可应用于存在小样本问题的其他半导体工艺状态分类和识别中.     

基于改进SVM分类器的动作识别方法

利用智能手机加速度传感器信号,提出一种改进的动作识别方法以降低传统动作识别方法的复杂程度,提高识别率。在特征提取时用盲选法,即用PCA(principal component analysis)进行特征值的降维和去除多维间的干扰,而所选特征没有对应的物理意义;并在分类识别中将遗传算法应用到SVM(support vector machine)分类器参数优化中。通过实验表明,该方法能够对日常的走路、站立、跑及上下楼等动作进行准确的识别。     

基于RS和SVM的水泥回转窑故障诊断研究

将粗糙集和支持向量机两种理论相结合应用于水泥回转窑的小样本故障诊断。首先介绍了粗糙集(RS)理论和支持向量机(SVM)理论的基本理论知识,然后将RS理论应用于水泥回转窑故障信息的知识约简,再利用SVM理论对RS理论约简后的数据进行训练和分类。这种融合之后的诊断方法不仅充分发挥了两种理论的优点,同时克服了SVM对冗余信息和有用信息识别的局限性,有效地降低了SVM的输入信息空间维数,弥补了RS理论法对输入信息中的噪声敏感、抗干扰能力差的缺点,有效地提高了诊断的效率和准确率。     

烧结过程布料均匀性状态的在线识别方法

提出了定量评价烧结机宽度方向上布料均匀性状态的方法. 通过对烧结机废气温度的检测,利用烧结工艺及气体力学的基本原理,建立了描述该均匀性评价指数的数学模型,以解决现阶段仅凭人工定性判断的不足. 在此基础上,开发了在线监测软件. 实践证明,该模型能客观、定量地反映出烧结机宽度上各部位料层密实度的差别.     

基于SVM的不同特征空间多分类方法研究

目前,在基于SVM的分解多分类方法中,各个子分类器都采用相同的核参数进行整体优化.如果采用不同的核函数参数分别优化各个子分类器,相当于在不同的特征空间进行分类,此时,能否直接采用求输出最大值(MaxWin)等判别策略,需要研究各分类器的输出是否可比.利用相对间隔对此问题进行深入的研究,说明在基于SVM的"一对多"等多分类方法中,采用不同的核参数分别优化各个子分类器,其决策函数的输出结果仍是可比的,且具有更好的泛化能力.     

基于SVM信息融合方法的人脸表情识别

提出一种基于支持向量机(SVM)的信息融合方法进行人脸表情识别．该方法首先对 预处理后的人脸图像进行局部特征和整体特征的提取;然后用最小距离分类器、最近邻距离 分类器、最大相关分类器、径向基函数(RBF)神经网络分类器进行表情识别;最后构造一 个三阶的多项式支持向量机对多个分类器的输出进行决策融合以达到人脸表情识别的目的．     

基于多特征PCA融合的SVM质量异常识别

为了提高动态过程质量异常模式识别的精度,提出一种基于主元分析的多特征融合方法.首先提取出样本数据的统计特征和几何特征;接着将混合的多种特征进行PCA处理,提取出主元特征向量;然后利用粒子群算法寻找SVM分类器的最优参数;最后,通过仿真实验与其他识别方法进行对比,实验结果表明:本文提出的多特征PCA融合方法具有较高的识别精度,为质量异常模式识别研究提供了新的方法.     

基于SVM的生物医学事件触发词识别研究

研究了基于支持向量机(Support Vector Machine,SVM)方法下的生物医学事件触发词识别的问题.利用SVM对事件抽取的过程进行分类,建立相应的模型来对生物医学事件中的触发词进行识别,得到了相应的实验结果,并验证了此方法的可行性.     

基于PCA和SVM的人脸识别技术研究

从人脸图像特征提取和分类器构建两方面分析了人脸识别系统设计的关键点,提出了以主成分分析技术和支持向量机技术相结合构建人脸识别系统的策略,同时在主成分分析技术的理论基础上提出了一种快速PCA算法.通过实验系统在ORL人脸库上的测试结果,分析了该系统的相关参数和特征向量维度的选取对系统识别率的影响,并得到了其最优解.同时,通过实验证明了所提出方法在小训练集下的识别率优于其它一般方法,其识别率比一般的人工神经网络法提高了7%~10%左右.     

基于混合特征和支持向量机的抽油杆缺陷识别

为了提高抽油杆的缺陷识别率,将小波包能量特征和时域峰峰值特征组成的混合特征向量和基于小样本的支持向量机法应用于抽油杆的缺陷识别中.应用基于类距离的可分离性判据,证明了混合特征比单一小波包能量特征的可分离性强,在一定程度上可提高抽油杆缺陷识别的有效性;同时应用大量的数据和一对一分类的支持向量机进行抽油杆缺陷模式识别.其识别结果表明,混合特征具有比单一小波包能量特征更好的分离性,识别缺陷的泛化误差小,提高了抽油杆的缺陷识别率.     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于Latent SVM的多视角行为识别方法

为了在静态图像中获取有效信息, 构建行为模型, 提出了行为覆盖区 ACA(Action Coverage Area)和行为核心 AC(Action Core)的概念, 基于 Latent SVM(Support Vector Machine)目标识别方法, 设计了一种多视角行为模型 MVAM(Multiple Viewpoint Action Model)。 建立了独立的用于行为模型训练和测试的行为数据库。 实验表明, 该表示法对静态图像中的人体行为能有效地进行分类和检测。     

基于改进支持向量机的冷轧带钢表面缺陷分类识别

针对冷轧带钢表面缺陷图像模式识别中存在的问题,提出了基于改进支持向量机的冷轧带钢典型表面缺陷分类识别方法.根据带钢表面缺陷图像识别的特点,对渐进直推式支持向量机在其基本原理基础上加以改进,设计了一种冷轧带钢表面缺陷图像模式识别的分类器.通过实验确定了分类器的结构,给出了相关参数选择的方法.对几种生产现场出现频率较高的典型缺陷图像进行了计算机实验研究.研究结果显示,这种分类器很好地克服了传统支持向量机中存在的推广性能差以及当类别距离过近时准确率下降的问题,具有更好的适应性和准确性.