基于PSO-DMPC的反应再生系统优化控制方法

    公开(公告)号:CN107065576B

    公开(公告)日:2019-10-29

    申请号:CN201710447640.0

    申请日:2017-06-14

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种基于PSO‑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PSO算法中粒子在搜索空间内的强随机性,在不放松约束条件的前提下,在更大的范围内对经济优化函数进行求解;S4:根据PSO算法对经济优化函数求得的解获得反应再生系统的输出设定值,并与实际输出的偏差作为目标误差函数,最后利用PSO算法对该目标误差函数求解,获得操作变量的最佳变化量。本发明提供的基于PSO‑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,在保证经济效益的基础上,进一步对RRS进行优化控制。

    基于物联网大数据分析的宠物喂养方法及系统

    公开(公告)号:CN106614273B

    公开(公告)日:2018-05-08

    申请号:CN201610883620.3

    申请日:2016-10-10

    IPC分类号: A01K67/02

    摘要: 本发明提供了一种基于物联网大数据分析的宠物喂养方法及系统,其中的方法包括:采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量,当前图像、当前体重构成影响因素矩阵X,并上传至服务器;其中,喂食类型和喂食量构成决策变量;在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系,获得宠物喂养模型;利用SPEA‑II算法对宠物喂养模型进行优化,获得决策变量的一组最优解;将决策变量的该组最优解作为宠物的推荐决策X*通过服务器下发至用户的终端设备进行显示;用户根据终端设备显示的推荐决策X*喂食宠物。利用本发明能够确定最优的宠物喂养方案,为宠物营造了更好的生活环境。

    基于物联网的宠物喂养方法及系统

    公开(公告)号:CN106472412B

    公开(公告)日:2018-03-27

    申请号:CN201610883571.3

    申请日:2016-10-10

    IPC分类号: A01K67/02 G06N3/02

    摘要: 本发明提供了一种基于物联网的宠物喂养方法及系统,其中的包括:采集宠物的种类、性别、年龄、心跳频率、呼吸频率、体温、活动量、喂食类型、喂食量,当前图像、当前体重构成影响因素矩阵X,并上传至服务器;其中,喂食类型和喂食量构成决策变量;在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系,获得宠物喂养模型;利用MOPSO算法对宠物喂养模型进行优化,获得决策变量的一组最优解;将决策变量的该组最优解作为宠物的推荐决策X*通过服务器下发至用户的终端设备进行显示;用户根据终端设备显示的推荐决策X*喂食宠物。利用本发明能够确定最优的宠物喂养方案,为宠物营造了更好的生活环境。

    基于物联网大数据分析的植物培育方法及系统

    公开(公告)号:CN106444378B

    公开(公告)日:2019-07-12

    申请号:CN201610883950.2

    申请日:2016-10-10

    IPC分类号: G05B13/04

    摘要: 本发明提供了一种基于物联网大数据分析的植物培育方法及系统,其中的方法包括:采集植物的种类、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度、图像、浇水量、施肥量、施肥类型并构成影响因素矩阵X,并上传至服务器;其中,浇水量、施肥量和施肥类型构成决策变量;在服务器内利用Elman神经网络建立植物各影响因素矩阵X与植物健康指数之间的复杂非线性关系,获得植物培育模型;利用NSGA‑Ⅱ算法对植物培育模型进行优化,获得决策变量的一组最优解;将决策变量的该组最优解作为植物的推荐决策X*通过服务器下发至用户的终端设备进行显示;用户根据终端设备显示的推荐决策培育植物。利用本发明能够确定最优的植物培育方案,为植物营造了更好的生活环境。

    基于递归神经网络与角度偏好的铝电解建模与优化方法

    公开(公告)号:CN108984813A

    公开(公告)日:2018-12-11

    申请号:CN201810193126.3

    申请日:2018-03-09

    IPC分类号: G06F17/50 G06N3/00 G06N3/04

    摘要: 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。

    基于AR支配关系的铝电解节能减排智能控制方法

    公开(公告)号:CN108445756A

    公开(公告)日:2018-08-24

    申请号:CN201810192955.X

    申请日:2018-03-09

    IPC分类号: G05B13/04

    CPC分类号: Y02P80/10 G05B13/042

    摘要: 本发明公开了一种基于AR支配关系的铝电解节能减排智能控制方法。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AR-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、变异等复杂操作,只有最简单的位置更新步骤,并且引入量子特性,使得粒子具有强全局搜索能力,容易保证种群进化过程中偏好最优取值的完整性,满足决策者偏好需求。利用该方法获得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。

    基于物联网大数据分析的宠物喂养方法及系统

    公开(公告)号:CN106614273A

    公开(公告)日:2017-05-10

    申请号:CN201610883620.3

    申请日:2016-10-10

    IPC分类号: A01K67/02

    CPC分类号: A01K67/02

    摘要: 本发明提供了一种基于物联网大数据分析的宠物喂养方法及系统,其中的方法包括:采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量,当前图像、当前体重构成影响因素矩阵X,并上传至服务器;其中,喂食类型和喂食量构成决策变量;在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系,获得宠物喂养模型;利用SPEA‑II算法对宠物喂养模型进行优化,获得决策变量的一组最优解;将决策变量的该组最优解作为宠物的推荐决策X*通过服务器下发至用户的终端设备进行显示;用户根据终端设备显示的推荐决策X*喂食宠物。利用本发明能够确定最优的宠物喂养方案,为宠物营造了更好的生活环境。

    基于物联网大数据分析的植物培育方法及系统

    公开(公告)号:CN106444378A

    公开(公告)日:2017-02-22

    申请号:CN201610883950.2

    申请日:2016-10-10

    IPC分类号: G05B13/04

    CPC分类号: G05B13/042

    摘要: 本发明提供了一种基于物联网大数据分析的植物培育方法及系统,其中的方法包括:采集植物的种类、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度、图像、浇水量、施肥量、施肥类型并构成影响因素矩阵X,并上传至服务器;其中,浇水量、施肥量和施肥类型构成决策变量;在服务器内利用Elman神经网络建立植物各影响因素矩阵X与植物健康指数之间的复杂非线性关系,获得植物培育模型;利用NSGA-Ⅱ算法对植物培育模型进行优化,获得决策变量的一组最优解;将决策变量的该组最优解作为植物的推荐决策X*通过服务器下发至用户的终端设备进行显示;用户根据终端设备显示的推荐决策培育植物。利用本发明能够确定最优的植物培育方案,为植物营造了更好的生活环境。

    基于递归神经网络与角度偏好的铝电解建模与优化方法

    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

    IPC分类号: G06F30/27 G06N3/00 G06N3/04

    摘要: 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。

    基于角度支配关系的铝电解偏好多目标优化算法

    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

    IPC分类号: G05B13/04 G06N3/08 C25C3/20

    摘要: 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。