文摘
研究和优化的专门建造煤混合系统可以大大提高成品煤的种类多样性和质量稳定。然而,现有的研究对专门建造煤混合系统有一些缺陷,如模糊专门建造煤混合仓库产品的灰分和过度专门建造煤混合比例误差由人工经验,这让许多缺点和困难选煤厂的生产效率和稳定。遗传算法和智能传感器网络目前相对先进的技术。因此,专门建造煤混合的优化分析模型及其控制系统基于智能传感器网络和遗传算法已经成为一个研究热点。本文首先介绍了遗传算法的基本理论和专门建造煤混合研究的智能传感器网络和他们的应用程序,然后建立了一个基于智能传感器网络动态专门建造煤混合优化模型和遗传算法,并分析了其应用效果。研究结果表明,煤质量预测模型可以从煤炭开采质量数据和专门建造煤混合数据通过使用遗传算法和思想,和基于智能传感器网络监测系统可以随时随地监控异常状态。与传统的专门建造煤混合方法相比,平均误差为3.33%,精度提高了4.82%。
1。介绍
在发电厂和化工厂、电力煤炭作为还原剂中扮演一个重要的角色,热源和骨架。其严格的质量要求,主要包括低灰、低硫、高强度和高各向异性。随着高炉技术的发展,动力煤的质量要求(1逐渐增加。因此,为了节省能源和满足生产的需要,各种热煤通常用于按比例分配。然而,由于限制我的运输、运输、和地理位置,所需的热煤可能不会及时赶到,和由于热煤存储的限制,设备条件,和脉动燃烧条件的热煤炉、热煤比例需要实时调整根据上述因素,确保动力煤质量的稳定性(2,3]。
动力配煤技术是混合煤的品质在一个适当的比例,所以各种动力煤品种质量是相辅相成的,以混合和匹配动力煤品种,满足产品质量要求4]。目前,尽管一些国内制造商已经实现了一个自动功率专门建造煤混合系统对于一个给定的力量专门建造煤混合比,力量专门建造煤混合比率通常是由人工经验,大大动力煤的质量波动混合(5]。在充分利用现有资源,确保产品质量和优化投入产出比率已成为一个紧迫的问题6]。
精确的力量配煤技术在港口的应用在国内外已成功经验(7]。1994年,荷兰建立了一个专门建造煤混合系统与筒仓动力配煤技术为核心,以每年专门建造煤混合能力1000万吨。EMO力量专门建造煤混合设施包括五种力量混合煤筒仓2到5个不同的来源和类型的动力煤。在大约2到3年,超过175种不同的混合煤被送到Amercentale机组# 9,荷兰,通过这个系统8]。通过情绪力量专门建造煤混合系统,荷兰每年可以节省1亿欧元的燃料成本。2006年,中国首次引进这种技术并成功地完成了在连云港港口动力煤码头。连云港CBF的试验产品大陆和Kong-India集团的项目已经被用在一些电厂和已被证明具有良好的应用效果,热煤研究所等科研机构(9]。的可靠性和精度动态测量和在线检测的准确性动力煤的主要影响因素是动力煤分布的准确性。在旧势力专门建造煤混合系统,计量的准确性和在线检测设备限制权力配煤技术的准确性。改进的测量精度和在线检测设备和人工智能技术的应用,准确的煤混合是专门建造煤混合技术的发展的必然趋势10]。
基本遗传算法和自适应遗传算法搜索速度慢的问题,容易陷入局部最优解。遗传算法的操作规程是概率而不是确定性[11]。在传统遗传算法的交叉和变异操作执行有一定概率,随机交叉和变异的位置变化,和下一代的个体也随机变化。因此,其发展方向是随机的,不可控,无记忆。虽然真正的编码解决了遗传算法的准确性和存储容量问题在很大程度上,其算术交叉操作主要交叉算子是一个凸(12),所以整个集团只能找到最优值,可能不熟练地收敛于局部最优值,并不能解决缺乏记忆和随机性的进化方向13]。专门建造煤混合控制系统的主要问题在选煤厂自动化低,安全性和可靠性差,难以满足需要的专门建造煤混合控制。出于这个原因,许多学者提出了专门建造煤混合使用智能传感器控制研究。例如,Zhang et al。14)针对短时煤量太大的问题,当两个面板的主轴皮带输送机同时卸煤,导致不均匀载荷的偏差系数。整体的承载能力是有限的,和当地煤炭溢出,基于智能传感器网络技术,优化主轴皮带输送机的专门建造煤混合控制系统和收集传感器数据的专门建造煤混合控制系统。实时混合比例计算和预测,煤炭释放量在面板完全协调优化专门建造煤混合系统。Mikulandrićet al。15]建立煤流和皮带速度之间的关系模型,实现煤流的合作和匹配操作和皮带速度基于智能传感器网络的方法,并完成了系统仿真。与传统的控制方法相比,它表明,控制效果更好。吴et al。16)实现煤流的实时控制和远程控制的选煤厂通过使用智能传感器网络控制系统,实现远程监测和故障信息记录的功能/查询/存储上计算机,而提高选煤厂的智能水平和降低工人的劳动强度。然而,很少有研究煤量和皮带速度之间的匹配的带式输送机。
但到目前为止,仍有许多问题专门建造煤混合系统的研究;特别是,没有成熟的专门建造煤混合系统的智能化研究工作,并结合遗传算法和智能传感器网络将成为未来研究的热点话题。提高质量稳定、输出和选煤厂的经济效益,并实现该组织的目标,提高质量和效率,因此,有必要研究和开发领域的新技术、新工艺和新设备动力煤配煤混合来实现权力的准确性。
2。遗传算法模型和智能传感器网络
2.1。遗传算法及其在煤矿中的应用研究
2.1.1。原理和特点
有三个方法可以解决装配线平衡的典型离散组合优化问题在理论界,即工业工程方法,数学模型方法和智能优化算法。作为一种广泛使用的智能优化算法,遗传算法结合了“适者生存”理论具有适应性的特点,随机性和高并行性。通过迭代的人口,每个染色体评估的优势和劣势,以及一系列的操作,如选择、交叉,和变异用于多个迭代筛选最优染色体,这是问题的最优解。遗传算法的特点如下:(1)擅长解决NP难题的多个参数,变量,目标,或地区,但可怜的连通性。与模拟退火算法相比,擅长单一的解决方案搜索,遗传算法可以找到大规模的组合问题的最优解得更快(2)由于其强大的可伸缩性,更容易与其他混合算法来生成一个混合遗传算法(3)有一个“过早”的问题。由于遗传算法的初始种群大小是有限的,通过多次迭代,大量的染色体具有较高的健身价值保留在人口和发展速度降低。因此,遗传算法“早熟的问题。”的根本原因在于染色体的相似性和多样性的缺乏
随机优化算法,遗传算法是由完全不同的从一个简单的随机搜索相结合的所有信息标准化的搜索过程。标准遗传算法的流程图如图1。
步骤1。输入参数和设置迭代次数, 。一组染色体随机生成的初始种群(流行),并且每个染色体对应于一个可行的解决方案。
步骤2。计算适应度值(合适)的染色体。
步骤3。确定是否满足收敛标准。如果满意,停止计算输出结果。如果不是,请 并继续下一步。
步骤4。选择染色体根据适应度函数值来生成一个选择, 。
第5步。根据预设的交叉概率 ,执行交叉操作对选中的人口 在上一步中生成的生成交叉人口, 。
步骤6。执行交叉变异操作 根据预设突变前一步中生成的概率产生突变的人口, 。
步骤7。回到步骤2。
2.1.2。参数设计
(1)编码。的目标人口的遗传算法迭代计算初始种群中的染色体,而不是直接解决这个问题。因此,我们需要表达我们想要解决的问题的染色体通过编码和解码。
(2)种群初始化。种群初始化的初始定义的染色体,基因在染色体的数目和排列在染色体的基因。如果生成的人口的数量很小,这是不利于解决方案的多样性。如果人口大,算法的效率将会降低。因此,在种群初始化,需要生成一个人口规模匹配的大小根据复杂性问题和解决方案的需求。
(3)适应度函数。适应度函数的设计主要是评估内部生成的初始种群的染色体。其设计是否合理将影响的生成算法优化过程与和解。解决一般组合优化问题的目标函数将简单地转化为生成一个适应度函数。如果这个问题的目标是寻求最大值,然后健身价值较高的染色体代表一个更好的解决方案。相反,问题的目标是寻求最小值;然后,染色体健身价值较低代表一个更好的解决方案。
(4)选择。选择操作是选择合格的染色体在生成初始种群根据适应度函数作为评价标准,然后使用生成的群初始种群的交叉操作。
(5)交叉。交叉操作是用来选择两条染色体作为父母在选择手术后形成的人口和交换一些基因在两条染色体形成两个新的后代染色体。关键是选择染色体的位置和数量的十字路口,如何交换基因。目前,有几种常用的交叉方法,包括单点交叉和多点啮合穿越。
单点交叉:顾名思义,单点交叉向父染色体随机对一个十字路口,然后交流在这个十字路口在父染色体基因。图2显示了单点交叉操作的示意图。特定的交换过程如下。
步骤1。人群中随机选择两条染色体配对。
步骤2。随机选择一个整数染色体和基因的位置由这个整数的十字路口。
步骤3。交点之后,父染色体的基因的一部分是互相交换根据设置交叉概率生成后代染色体。
双刃相交:使用两点交叉随机选择两个十字路口在父染色体然后交换一些基因在父染色体内这两个十字路口。图3显示了两点交叉操作的示意图。特定的交换过程如下。
步骤1。人群中随机选择两条染色体配对。
步骤2。随机选择两个整数和的染色体,基因的位置由两个整数的十字路口。
步骤3。这两个路口之间,一些父染色体的基因交换彼此根据设置交叉概率生成后代染色体。
(6)变异。变异操作方法后再产生新的个体交叉操作。结合交叉操作,它提供了一个更为多样化的解决方案空间遗传算法。目前,常用的变分方法包括单点变分,两端变分和多点变分。
单点变异:图4是单点突变的原理图的操作。
步骤1。随机生成一个整数对应的基因定位在父染色体变异点。
步骤2。选择一个值范围内的基因数量来代替原基,并完成单点突变操作形成的后代。
多点变异:图5显示了多点变异操作的示意图。
步骤1。随机生成多个整数来定位相应的父染色体上基因站点形成多个可变点。
步骤2。选择多个数字基因值的范围内取代原基,并完成多点变异操作形成的后代。
(7)终止。设置算法将使算法的终止条件后立即停止循环达到设定目标,这决定了算法的终止条件的设置会影响算法的收敛速度。目前,终止算法有两种方式:一是设置算法的迭代次数,,另一个是判断算法是否寻找一个持续的和不变的最佳解决方案。
2.2。智能传感器网络及其在煤矿中的应用研究
智能传感器网络的结构是由信号采集模块、信号处理模块、故障诊断模块、电源模块、键盘输入和显示模块,输出和摄影模块,通信模块和存储模块。处理器采用STM32F103系列单片机,采用Cortex-M3架构,高性价比,低功耗,和灵活的配置。
主模块主要完成的功能自测、初始化、通道选择、和每个模块调用。信号采集模块主要完成的功能信号放大、A / D转换和数据阅读。最大的智能传感器采集模块的功能是分离的结构设计。信号采集模块采集槽电流信号,电压信号和频率信号。电流信号的槽主要是连接到电流信号输出的电流传感器。专门建造煤混合系统的标准目前是4 - 20毫安。在采样电阻,电流信号转换为电压信号。电压信号的振幅很小,需要处理的放大器。处理过的电压信号是一个稳定的电压信号,这是由a / D模数转换电路处理,最后,获得的电压信号的大小;然后,计算电流信号的大小。 The data signal-processing module mainly completes the functions of data filtering, nonlinear compensation, signal processing, error correction, and search table. The function of the fault diagnosis module is to analyze the signals of each sensor and judge whether the working state is normal. The function of the keyboard input and display module is to query whether the key is pressed. If it is pressed, it will be fed back to the main program module. The main program module will execute or call the corresponding module according to the key to display the data and working status of each sensor. The output, alarm, and photographing module mainly controls the output of analog quantity and alarms and completes photographing tasks. The communication module mainly controls the communication between the RS-232 serial communication interface and the microcomputer. The storage module is mainly used to store the information measured by each sensor and then save the information.
安装后的智能传感器网络系统完成后,网络的静态标定和动态标定灰水仪器进行第一,然后,专家自动化系统积累的原始数据和存储。委托系统并投入使用。配煤煤混合后,所有指标基本达到设计要求。通过建立智能传感器网络专门建造煤混合系统,系统专门建造煤混合计算混煤可以有效地避免专门建造煤混合调整的滞后问题引起的离线数据和减少煤炭质量波动的频率和幅度的混合煤产品。添加专门建造煤混合搅拌设备之后,原煤的充分混合,洁净煤,和媒介实现煤炭,专门建造煤混合产品的质量稳定是保证。
3所示。煤炭功率分布模型和遗传算法模型
3.1。煤电分布模型
煤炭电力配电模型由两部分组成:动力煤质量预测和动力煤质量的预测。目前,根据国家标准和钢铁企业的实际生产需求,动力煤质量主要以四项指标来衡量,即抗压强度 ,耐磨强度 ,硫 ,和火山灰 ,表达的不平等的形式根据不同的动力煤的成绩: 在哪里 , , ,和给定值的每个索引标准等级。
动力煤质量的预测是一个多元线性函数的物理混合过程。有类型的动力煤,混合比例 , , ,和为th动力煤代表火山灰,挥发性物质,硫和债券指数分别th动力煤。的定义如下:
然后,符合电力煤炭分布模型表示为
因为电力煤炭分布过程是一个物理化学过程,大约65%到70%的火山灰和硫的煤混合输入动力煤;大约30%到35%的硫逃与贫瘠的天然气在电力煤炭分布;和挥发分、粘结指数和火山灰影响煤炭质量指标和 ,所以这个过程提出了一个非线性函数。让交配动力煤的性能指标 ,和定义 作为模型的输入;然后,动力煤分布模型是一个四个输入,output结构,设置为 。建模采用改进的基于遗传算法的BP算法;根据模型结构,采用4 - BP算法 - - - - - -4结构(是在隐层节点的数量);为了避免陷入局部最小值,使用遗传算法来优化其权重系数;,它还可以实现模型的在线修正根据监控信息的变化。使用GA优化权重系数,以避免局部最小值,并实现在线模型修改根据监控信息的变化。GA与实数编码,和染色体由BP权重设置 , ,和模型校正是通过提高算术交叉算子。算术交叉算子通常是作为一个固定的值,但为了介绍相关的监控信息,算术交叉算子的变量提出了;集 ,在哪里是相关的监控信息。
结合上述两个部分,让是一个非线性函数之间的权力专门建造煤混合比和电力煤炭质量指标
3.2。优化计算动力煤分布比例
动力煤的最佳计算分配比实际上是一个受约束的整数规划问题,描述如下: 在哪里 ; 之前的预测模型;的平均值标准等级权力煤炭质量指标,也就是说, 与其他项目用类推的方法,之间的区别是最高的和最低的极限 ;和的偏差是对应于当前电力煤炭质量指标分配比例。
使用遗传算法优化动力煤分配比例。自动力煤分配比率表示为整数百分比,十进制整数编码选择,选择适应值函数是基于电力煤炭电力分布模型。
让最初的人口数量 ;然后,最初的人口 ,和个体染色体 。为了提高搜索的效率,满足下的初始种群选择经验的限制,如天然气和电力煤炭的比例通常是30%。
交叉操作是由算术交叉,并让和是父母和个人和是后代的个体 在哪里 常数。变异操作采用非均匀变异(动态);让染色体 ,然后 在哪里 , 是随机数在区间[0,1],是几代人的最大数量的算法,是一个常数,然后呢和分别是最大和最小值的 。可以看出,的概率 趋于0时增加增加;即。,the effect of the variation operation decreases. The roulette wheel method is used to select the offspring individuals, and both the offspring individuals and the variant offspring may have individuals that do not satisfy the constraints, and the infeasible solution is restricted by the rejection strategy.
与传统技术相比,它可以将超过五个不同的物理量和新的功能定位和语音等具有重要意义,促进煤矿安全监控,确保工人的健康。此外,拟建立一个线性预测模型和数学模型,动力煤混合动力煤混合的原则。通过元素分析和工业分析单煤,每个组件的混合煤的预测价值。同时,遗传算法用于解决电力煤混合的数学模型,和技术措施和方案,安全、经济、节能、减排的发电厂。
4所示。专门建造煤混合模型系统基于智能传感器网络和GA
4.1。基于GA的专门建造煤混合预测方法
预测混合煤的特点,基本思想是计算混合煤的特点,通过混合的特点,单一的煤炭。无线传感器网络包括许多微卫星移动传感器;由于种种原因的限制,大多数预测模型的混合煤的特点在国内外采用线性增加。其中,元素分析和工业分析(动量,量化值、火山灰和挥发性物质)的混合煤加权根据混合比例。在无线传感器网络中,内容是首先传送到相应的集中节点通过无线消息,和开发实际参数的混合煤是小。作业特点、滑动特征,和完整性的混合煤加权值差异很大,不能满足简单的加权关系(16- - - - - -18]。
以下4.4.1。目标函数
在哪里全面的单位发电成本,元/千瓦时;是单位发电燃料成本,元/千瓦时;是环境保护的单位发电成本,元/千瓦时;是穿的单位发电成本,元/千瓦时;和是辅助的电力消耗单位成本发电、元/千瓦时。
4.1.2。约束
(我)热值约束: (2)不稳定约束: (3)灰约束: (iv)硫约束: (v)水分的限制: (vi)结渣特性约束: (七)倦怠特征约束: (八)易磨性约束:
在上面的限制列表,是单煤的比例系数;单煤的热值,%;单煤的水分,%;单煤的灰分,%;单煤的挥发分,%;单煤的水分含量,%;倦怠的特点,%;结渣特性,%;硫磺含量,%;和易磨性,%。
当使用微分进化算法解决优化问题的专门建造煤混合方案,每个人在主专门建造煤混合程序需要配合装运计划,人口(考虑到一群专门建造煤混合比例)将变异和交叉,并会被考虑的约束产生的测试。如果条件得到满足,如果两个输入配比表不同,设置称重给煤机为零的频率。接下来将进行选择操作。如果不是,专门建造煤混合比例的个体按照一定的原则将调整以满足约束条件,将和下一个选择操作。因此,在主程序中,有必要不断读取发送的停止信号加载链接,将继续发展,直到获得全局最优专门建造煤混合比(19,20.]。
4.2。专门建造煤混合基于智能传感器网络监测系统
有很多种煤炭质量指标,其中灰是一种重要的信息收集过程评价煤炭质量指标。火山灰主要由矿物质。在燃烧过程中,岩层的结构稳定性会吸收一些热量和放电以及燃烧后的煤矸石,从而降低煤炭的热值和利用率。此外,高灰分在煤粉锅炉燃烧会导致结渣炉的内壁,导致设备磨损。基于智能传感器反馈(设备可以精确测量统一的煤炭低于10毫米),自动控制专门建造煤混合系统构建。
carbon-mixing系统的一般原则的选煤厂是最小化成本,提高公司的固体货物利益,满足所需的碳中和所有指标框架服务单一的煤炭基地发射过程的分析和评价的基础上确保安全与稳定。PLC第一控制信号发送给变频器。由变频器控制的频率来控制燃煤引擎返回相应的速度。汽车运输应当控制减少设备,这是前面的燃煤发电机组的监测方法。减少设备应控制碳钻机。燃煤的转速电路控制煤流。网络节点的负载传感器还估计煤流和PLC控制器发送一个模拟信号关闭循环。此外,由于不同湿度、大小、和准确性的煤炭块,释放的碳排放量可能会有所不同。然而,由于快门开放和手动设置,只应该考虑延迟时间。通过分析两个煤炭基地的协调过程,正确的运输速度下煤炭基地无法控制,只有两者之间的缓慢的过程可以被认为是煤炭基地。
4.3。系统实现基于智能传感器网络和GA算法
专门建造煤混合系统负责专门建造煤混合流程显示、参数设定、报警功能,数据库,趋势线记录。加载链接负责加载流程显示、参数设定、报警功能,数据库,趋势线记录。监控系统需要设计新设备的早期预警系统,原始设备,和中间参数,以及参数记录加载链接,通过数据与数字煤场和电厂的实时生产监视系统;一个决策支持系统的煤混合和燃烧发电厂是由使用机器学习算法;和控制系统如图6。
4.3.1。监控系统设计
系统提供了模块化和即插即用。通过与数字煤场数据交互,BP神经网络算法建立预测模型的coal-mixing特点,和微分进化算法用于解决优化问题的专门建造煤混合方案。与此同时,通过实时生产数据的收集、在线评价系统建立了煤混合和燃烧,实现整个process-blending管理煤场存煤量的混合和燃烧炉,混合后评价,指导的需求。(1)添加在线灰水探测器和皮带秤。三套在线灰水表和皮带秤被添加到501年原煤传输带式输送机,703年洁净煤输送皮带输送机,507混合煤带式输送机。df - 5756 b / C在线多点灰水表选为火山灰水表,它可以实现水分和灰分含量的在线检测(2)现有的507混合煤带式输送机下滑将改革,带式输送机的中间部分将提出,两个重定向滚轮将被添加,专门建造煤混合搅拌设备将被安装。混合装置将定制根据现场控制,处理能力为300 t / h,它可以完全把原煤,中煤炭和精制煤(3)专门建造煤混合专家自动化系统采用人工智能算法优化专门建造煤混合精度。它是设计和开发根据配煤流程需求,结合用户的煤炭来源和客户的煤炭需求,并且可以根据用户的功能需求扩大。输入煤炭用户所需的参数,如煤炭数量、灰分、水分含量,将自动由专门建造煤混合专家自动化系统。人工智能算法将用于选择最佳的配比方案,根据输出调整最终的清洁专门建造煤混合量和最终的原煤灰分(4)专门建造煤混合数据库设置为实现电子和自动存储,专门建造煤混合数据信息的传输和处理。历史数据可以实时查看平台软件,可以分析煤质变化,专门建造煤混合数据可以自动生成报告
4.3.2。体系结构设计
远程上位机监控系统用于实现优化时间相对较短,可以满足远程监控和控制的专门建造煤混合系统和加载链接专门建造煤混合过程。在这个设计,安全监察信息监测平台进行现场,然后,使用西门子WinCC监控软件。广泛应用于各种工业系统,污染物排放,煤炭价格监督发展平台和集成信息处理,流程管理,和本地控制功能完成的状态监视和管理企业生产的整个过程。监控系统是基于s7 - 300 PLC控制器(图7)。
4.3.3。监测校正
基于模糊集合理论,人的经验和知识和先前的无线传感器网络转换为模糊规则,和系统的控制系统是由模糊推理。学习速率的调整是由两个输入变量,和两个权重之间的差异作为第一个判断标准。收集终端设备可以使用之间的偏差百分比期望输出和实际输出作为第二个判断标准。如果体重改变网络拓扑结构变化速率大,整体误差变化率不为0,这是判断,学习速率的变化很大。正确使用传感器来测量控制器常数。为了验证控制器的控制效果反馈给相应的监测结果在大延迟和模型不稳定的情况下,两个不同的控制对象和三个操作程序作为例子来设置不同的延迟时间模拟。离散PID控制、模糊PID控制和达林算法主要用于传输的控制节点和专门建造煤混合控制系统来验证该设计的优越性。
4.4。应用效果
原系统的加载链接有足够的能力。聚合节点通知值班室手动记录车辆数量,和值班室合作动员无线传感器。人员在中央控制室可以控制选煤系统通过调整皮带。该计划有大量的工人操作,和地面信息监测平台是容易出错。同时,相应的加载链和设备也为选煤系统而设计的。此外,煤炭系统系统的相互配合来实现定量和稳定的加载,这是显示在WinCC屏幕。在操作期间,网络有多个传感器节点记录当前车辆数量,装载煤炭类型,加载,加载灰,预设灰分,马车负载,和分散的三个产品。数据每分钟更新一次,以促进操作状态和详细的手工检索和观察。自动加载系统投入运行后,平均车辆质量是58 t,平均误差为3.33%,精度提高了4.82%。可以看出,改进后的加载链接不仅提高了自动化水平,降低了工人的劳动数量也提高加载精度,降低企业的生产成本。
5。结论
动态专门建造煤混合模型是一种配煤技术领域的重要研究内容。基于智能传感器网络动态专门建造煤混合模型和遗传算法。系统有完整的功能和稳定运行。专门建造煤混合效果满足预期的要求,确保专门建造煤混合的产品质量的稳定性。主要研究结果如下:(1)介绍了遗传算法的基本理论,建立了煤炭质量预测模型,建立了专门建造煤混合模型的约束条件,根据锅炉煤质量特性的要求。在令人满意的前提下锅炉的燃烧条件,配煤数学模型建立了优化配煤(2)一个监控系统基于WinCC的智能传感器网络的设计和它的通信结构。新系统设计了一个小闹钟程序,可以随时随地接受系统的异常状态,并且可以大大提高配煤的效率和准确性(3)新的专门建造煤混合系统的实验分析,专门建造煤混合过程的加载链接显示,与原系统相比,新系统有小灰偏差和更稳定的比例。与此同时,自动化程度的提高专门建造煤混合系统的加载链接。自动加载系统投入运行后,汽车的平均体重是58 t,平均误差为3.33%,精度提高了4.82%
数据可用性
本文中使用的数据集可从相应的作者。
的利益冲突
作者宣称,关于这项工作他们没有利益冲突。