李娜
- 作品数：5 被引量：13H指数：2
- 供职机构：新疆大学电气工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术冶金工程更多>>
- 基于HCS-GNN模型的ORP传感器故障诊断被引量：3
- 2016年
- 针对生物氧化预处理过程中氧化还原电位(ORP)传感器常见故障,通过详细分析该工艺中影响ORP的因素,提出一种混合布谷鸟搜索(HCS)算法与灰色神经网络(GNN)相结合的传感器故障诊断方法。即采用HCS算法对GNN模型参数进行优化,建立ORP非线性预测模型,将ORP预测结果与实际测量值相比较得到残差,分析残差的变化趋势,最终实现对ORP传感器的故障诊断。仿真结果表明,HCS-GNN模型具有较高的预测精度,能够有效地完成对ORP传感器的故障诊断。
- 陈剑楠南新元李娜
- 关键词：灰色神经网络故障诊断
- 多学习教与学优化算法被引量：6
- 2016年
- 针对教与学优化算法(TLBO)局部开发能力差,易陷入局部最优的缺点,提出一种基于反向学习的多学习教与学优化算法(MTLBO)。通过反向学习技术拓展搜索空间,增加解的多样性,进一步增强算法的全局搜索能力。引入多学习机制,使其更有效地进行局部搜索,加快收敛速度。同时提出一种小概率变异策略,增加跳出局部最优的可能性。在基准测试函数上进行验证实验,结果表明,与TLBO算法、ITLBO算法以及其他优化算法相比,该算法在低维和高维函数上都取得了较好的优化效果。
- 李志南南新元李娜史德生
- 基于改进教学算法优化WNN的ORP预测被引量：1
- 2016年
- 针对生物氧化提金工艺强耦合、非线性、不确定性的特点,提出一种基于改进的教与学算法优化小波神经网络(WNN)的氧化还原电位(ORP)预测模型。采用三层小波神经网络,采用一种改进的教与学优化算法(MTLBO)对其进行改进。在标准教与学优化算法的基础上,引入线性递减权值策略和混沌机制,加快小波神经网络参数训练速度,提高其训练精度。仿真结果表明,相较WNN方法、基本TLBO-WNN方法和GA-WNN方法,该方法预测精度更高、速度更快、效果更好。
- 李娜南新元刘烨
- 关键词：小波神经网络混沌
- 关于金矿石生物氧化预处理过程ORP预测研究被引量：2
- 2016年
- 生物氧化预处理过程能有效地处理高砷高硫,难处理金矿石。细菌与矿浆之间的反应是一个复杂、多相混合的生化反应。预处理过程是一个非线性、多变量和多参数影响的复杂工业过程。氧化还原电位(ORP)是生物氧化预处理过程中体现细菌活性的关键因素,但在工业现场ORP波动频繁,无法准确测量,很难建立ORP的精准数学模型。提出建立基于机器学习的LSSVM预测模型,采用改进的磷虾(KH)算法对它的参数进行优化,以工业现场的实际生产数据为背景进行预测,通过仿真分析并与已有文献中的研究结果进行对比,验证了改进模型具有更好的效果。
- 李娜南新元陈剑楠
- 关键词：氧化还原电位最小二乘支持向量机
- 基于磷虾群算法优化的SVR-ARMA组合模型的ORP预测被引量：1
- 2015年
- 为了实现生物氧化提金预处理过程中关键参数的准确预测,提出一种基于磷虾算法优化的SVR-ARMA组合预测模型。该改进的组合预测模型把具有较好连续空间非线性寻优性能的磷虾群算法用于SVR模型的参数优化过程,对原始数据进行预测,然后用ARMA模型对SVR模型产生的线性残差进行预测,将两部分的预测值几何相加得到最终预测值。仿真结果表明,与基本SVR模型、KH-SVR模型和SVR-ARMA组合预测模型相比,该改进模型具有更高的预测精度,能够满足对氧化还原电位(ORP)的精准预测。
- 李娜南新元李志南
