针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

基于套管挤毁的传统理论，从合金设计、织构设计、强韧化机制和管柱设计等方面介绍了宝钢超高抗挤、抗挤抗硫和抗挤耐热等抗挤系列套管的技术特点.以晶粒细化、析出相强化和织构优化等角度研究了套管的抗挤毁机制，提出了抗挤抗硫套管在硫化氢腐蚀介质中的三个阶段的腐蚀行为以及抗挤耐热套管的抗挤强度的预测模型

采用水模型的方法，以一个七机七流中间包为原型，建立1：2.5的水模型系统，对多流中间包各流的均匀性进行了分析.结果表明：多流中间包在无控流装置下，不能保证各流的均匀性，各流差异性极大；原型中间包各流均匀性较差，且死区比例高，达到45.5%；控流装置的重要性依次为U型挡墙>稳流器>梯形挡墙；优化后各流均匀性良好，死区比例由原来45.5%降低到平均23.1%，在现场应用取得很好效果

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的

针对液压支架优化设计初值选择困难的问题,基于可视优化设计思想提出将Euler-Savary方程和拐点圆生成技术应用于支架直线导路机构的设计.在给定前、后连杆与底座铰接点位、掩护梁与顶梁铰点位置及掩护梁在该点运动方向的条件下,建立以后连杆方位角和拐圆位置角为参量的数学模型,得到所有具有二阶以上密切直线机构的精确解.计算包括直线性能在内的设计者感兴趣的各种机构属性并实现属性信息的图形可视化,施加设计约束构建机构可行域,引导设计者在可行域内快速准确地寻找在指定采高范围的具有最小直线偏差的机构,或在给定允许偏差的条件下具有最大支架调高的机构,为液压支架优化设计提供具有先天优势的机构初始值

针对高炉炼铁过程的关键工艺指标——铁水硅含量[Si]难以直接在线检测且化验过程滞后的问题,提出一种基于稀疏化鲁棒最小二乘支持向量机(R-S-LS-SVR)与多目标遗传参数优化的铁水[Si]动态软测量建模方法.首先,针对标准最小二乘支持向量机(LS-SVR)的拉格朗日乘子与误差项成正比导致最终解缺少稀疏性的问题,提取样本数据在特征空间映射集的极大无关组来实现训练样本集的稀疏化,降低建模的计算复杂度;其次,标准最小二乘支持向量机的目标函数鲁棒性不足的问题将IGGⅢ加权函数引入稀疏化后的最小二乘支持向量机模型进行鲁棒性改进,得到鲁棒性较强的稀疏化鲁棒最小二乘支持向量机模型;最后,针对常规均方根误差评价模型性能的不足,提出从建模误差与估计趋势评价建模性能的多目标评价指标.在此基础上,利用非支配排序的带有精英策略的多目标遗传算法优化模型参数,从而获得具有最优参数的铁水[Si]在线软测量模型.工业实验及比较分析验证了所提方法的有效性和先进性

放矿计划是自然崩落法矿山生产过程中最重要的环节.针对传统手工编制放矿计划随意性大及出矿品位不均衡，在对其进行科学系统的分析基础上，本文运用混合整数规划法解决自然崩落法放矿计划优化问题.以计划期内与目标品位偏差最小为目标函数，综合考虑矿量、品位、放矿速率、崩落指数、排产指数等约束条件，构建放矿计划优化的混合整数规划模型，并在MATLAB环境下用YALMIP编写模型语言调用CPLEX求解器进行求解，使品位波动降低18%，进而得到最优短期放矿计划方案.经实例验证，此方法科学可行，对充分发挥自然崩落法的优越性和提高矿产资源的回收率具有重要的理论和现实意义

在铝镇静钢LF精炼过程中，准确控制钢水中的酸溶铝含量及氧含量，同时减少铝线消耗对钢铁企业有重要的经济价值.本文建立了LF喂线过程中，铝线在钢液中熔化的一维传热数学模型，并利用文献中的实验结果验证了模型的准确性.利用该模型分析了喂线速度、铝线直径以及钢液过热度对铝线熔化过程的影响.计算结果表明，喂线速度和钢液过热度对铝线喂入深度影响较大，在高过热度时应选用较粗的铝线以较低的喂线速度进行喂线

为实现弹药传输机械臂中不可测参数的辨识,建立了机械臂的虚拟样机,并将其作为样本数据的来源;考虑到样本数据的连续性和平滑特性,使用函数型数据分析和函数型主成分分析对样本数据进行了特征提取,并利用提取的特征参数和待辨识参数作为训练样本对极限学习机(ELM)进行了训练.为提高极限学习机的辨识精度和泛化能力,利用粒子群算法对极限学习机的输入层与隐含层的连接权值和隐含层节点的阈值进行了优化.最后,分别利用仿真数据与测试数据对此方法进行了验证,仿真数据的辨识结果表明,优化后的极限学习机具有更高的辨识精度和泛化能力;同时,通过对比将测试数据的辨识结果代入模型中进行仿真得到的支臂角速度与测试角速度,验证了此方法的可行性和有效性

在归纳和比较常用高炉喷吹配煤方法的基础上,以计算法配煤的思想为指导,提出了以实现最佳燃烧效果为目标的混煤模型.通过曲线拟合得到混煤着火点随高挥发分煤种配比增大而减小的关系曲线,混煤着火点下降速率减小到某一较小值时的混煤比例即为该煤种组合燃烧效果最佳的比例.应用该方法对四组不同煤种组合混煤进行配比优化,经静态燃烧性实验证明,该计算法所得结果准确可靠,有一定实用性