期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于煤仓分层和软测量的入炉煤实时监测
1
作者
陈亚平
王焕明
+6 位作者
孙胡彬
魏勇
王灵敏
赵敏
周晓亮
徐明祥
赵虹
《动力工程学报》
北大核心
2025年第2期190-197,213,共9页
为了实现入炉煤的实时监测,在燃料唯一特征码全过程跟踪模型的基础上构建了煤仓分层模型,初步粗略地监测到煤种分层情况,并根据水分质量分数软测量结果和煤仓分层模型进行水分质量分数的匹配,将成功匹配的历史数据作为入炉煤煤种的真实...
为了实现入炉煤的实时监测,在燃料唯一特征码全过程跟踪模型的基础上构建了煤仓分层模型,初步粗略地监测到煤种分层情况,并根据水分质量分数软测量结果和煤仓分层模型进行水分质量分数的匹配,将成功匹配的历史数据作为入炉煤煤种的真实值,将磨煤机电流、出力等运行参数作为特征输入,建立了基于随机森林算法的入炉煤预测模型,结合模型预测结果和水分质量分数软测量结果对煤仓分层模型错误部分进行了修正。结果表明:分类模型评估指标的测试结果为0.880,满足工程需求;所提出的将机理分析与机器学习相结合的燃煤信息监测模型实现了入炉煤的全时段识别,为锅炉燃烧优化及智能锅炉的建设打下基础,同时实现了燃料特征码全过程跟踪的闭环。
展开更多
关键词
入炉煤监测
煤仓分层
磨煤机
软测量
随机森林
在线阅读
下载PDF
职称材料
基于贝叶斯优化—随机森林回归的燃煤锅炉NO_(x)预测模型
被引量：
12
2
作者
孙胡彬
杨建国
+3 位作者
金宏伟
屠海彪
周晓亮
赵虹
《动力工程学报》
CAS
CSCD
北大核心
2023年第7期910-916,共7页
根据某超超临界1 050 MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NOx质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比。为了更好地评价预测模型...
根据某超超临界1 050 MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NOx质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比。为了更好地评价预测模型,以平均绝对百分比误差δMAPE和决定系数R^(2)作为评价指标,将所建立的BO-RF模型与目前常见的基于贝叶斯优化的BP神经网络(BO-BPNN)模型、最小二乘支持向量机(BO-LSSVM)模型进行比较。结果表明:BO-RF模型比GSO-RF模型的预测精度更高,且BO-RF模型的δMAPE为1.478%,R2为0.916 2,均优于BO-BPNN模型和BO-LSSVM模型的预测结果,证明BO-RF模型具有更高的预测精度和更优的泛化性能。
展开更多
关键词
NO_(x)
预测模型
随机森林
贝叶斯优化
在线阅读
下载PDF
职称材料
基于MSC-Adams的桥式卸船机抓斗摆动自动控制研究
3
作者
虞上长
杨明花
+1 位作者
杨勇
李楠
《山东农业大学学报（自然科学版）》
CSCD
北大核心
2018年第6期1040-1043,共4页
针对传统桥式卸船机抓斗摆动防撞控制的不足之处,本文构建了一个抓斗小车虚拟动力学系统,并基于MSC-Adams构建了多股钢丝绳的离散刚体,Bushing策略构建出钢丝绳链接模型。针对无摇摆防撞控制下的桥式卸船机抓斗进行仿真,具体探讨了空气...
针对传统桥式卸船机抓斗摆动防撞控制的不足之处,本文构建了一个抓斗小车虚拟动力学系统,并基于MSC-Adams构建了多股钢丝绳的离散刚体,Bushing策略构建出钢丝绳链接模型。针对无摇摆防撞控制下的桥式卸船机抓斗进行仿真,具体探讨了空气阻力和抓卸料等因素对于桥式卸船机抓斗摇摆防撞的影响,仿真结果表明多种因素影响到抓斗摇摆防撞控制。最终,分析抓斗摆动教育和小车对抓斗相对速度的关系,得出桥式卸船机抓斗摆动曲线,制定出抓斗摇摆防撞控制策略。
展开更多
关键词
桥式卸船机
抓斗
摆动控制
在线阅读
下载PDF
职称材料
题名
基于煤仓分层和软测量的入炉煤实时监测
1
作者
陈亚平
王焕明
孙胡彬
魏勇
王灵敏
赵敏
周晓亮
徐明祥
赵虹
机构
浙江大学能源高效清洁利用全国重点实验室
浙江浙能台州第二发电
有限
责任
公司
杭州集益科技有限公司
出处
《动力工程学报》
北大核心
2025年第2期190-197,213,共9页
文摘
为了实现入炉煤的实时监测,在燃料唯一特征码全过程跟踪模型的基础上构建了煤仓分层模型,初步粗略地监测到煤种分层情况,并根据水分质量分数软测量结果和煤仓分层模型进行水分质量分数的匹配,将成功匹配的历史数据作为入炉煤煤种的真实值,将磨煤机电流、出力等运行参数作为特征输入,建立了基于随机森林算法的入炉煤预测模型,结合模型预测结果和水分质量分数软测量结果对煤仓分层模型错误部分进行了修正。结果表明:分类模型评估指标的测试结果为0.880,满足工程需求;所提出的将机理分析与机器学习相结合的燃煤信息监测模型实现了入炉煤的全时段识别,为锅炉燃烧优化及智能锅炉的建设打下基础,同时实现了燃料特征码全过程跟踪的闭环。
关键词
入炉煤监测
煤仓分层
磨煤机
软测量
随机森林
Keywords
furnace feed coal monitoring
coal bunker layering
coal mill
soft measurement
random forest
分类号
TK16 [动力工程及工程热物理—热能工程]
在线阅读
下载PDF
职称材料
题名
基于贝叶斯优化—随机森林回归的燃煤锅炉NO_(x)预测模型
被引量：
12
2
作者
孙胡彬
杨建国
金宏伟
屠海彪
周晓亮
赵虹
机构
浙江大学能源清洁利用国家重点实验室
浙江浙能台州第二发电
有限
责任
公司
杭州集益科技有限公司
出处
《动力工程学报》
CAS
CSCD
北大核心
2023年第7期910-916,共7页
文摘
根据某超超临界1 050 MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NOx质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比。为了更好地评价预测模型,以平均绝对百分比误差δMAPE和决定系数R^(2)作为评价指标,将所建立的BO-RF模型与目前常见的基于贝叶斯优化的BP神经网络(BO-BPNN)模型、最小二乘支持向量机(BO-LSSVM)模型进行比较。结果表明:BO-RF模型比GSO-RF模型的预测精度更高,且BO-RF模型的δMAPE为1.478%,R2为0.916 2,均优于BO-BPNN模型和BO-LSSVM模型的预测结果,证明BO-RF模型具有更高的预测精度和更优的泛化性能。
关键词
NO_(x)
预测模型
随机森林
贝叶斯优化
Keywords
NO_(x)
prediction model
random forest
Bayesian optimization
分类号
X773 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于MSC-Adams的桥式卸船机抓斗摆动自动控制研究
3
作者
虞上长
杨明花
杨勇
李楠
机构
浙江浙能温州发电
有限公司
杭州集益科技有限公司
出处
《山东农业大学学报（自然科学版）》
CSCD
北大核心
2018年第6期1040-1043,共4页
文摘
针对传统桥式卸船机抓斗摆动防撞控制的不足之处,本文构建了一个抓斗小车虚拟动力学系统,并基于MSC-Adams构建了多股钢丝绳的离散刚体,Bushing策略构建出钢丝绳链接模型。针对无摇摆防撞控制下的桥式卸船机抓斗进行仿真,具体探讨了空气阻力和抓卸料等因素对于桥式卸船机抓斗摇摆防撞的影响,仿真结果表明多种因素影响到抓斗摇摆防撞控制。最终,分析抓斗摆动教育和小车对抓斗相对速度的关系,得出桥式卸船机抓斗摆动曲线,制定出抓斗摇摆防撞控制策略。
关键词
桥式卸船机
抓斗
摆动控制
Keywords
Bridge typr unloader
grab bucket
swing control
分类号
O231 [理学—运筹学与控制论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于煤仓分层和软测量的入炉煤实时监测
陈亚平
王焕明
孙胡彬
魏勇
王灵敏
赵敏
周晓亮
徐明祥
赵虹
《动力工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于贝叶斯优化—随机森林回归的燃煤锅炉NO_(x)预测模型
孙胡彬
杨建国
金宏伟
屠海彪
周晓亮
赵虹
《动力工程学报》
CAS
CSCD
北大核心
2023
12
在线阅读
下载PDF
职称材料
3
基于MSC-Adams的桥式卸船机抓斗摆动自动控制研究
虞上长
杨明花
杨勇
李楠
《山东农业大学学报（自然科学版）》
CSCD
北大核心
2018
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
