Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2023

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: grey wolf algorithm

Sortuj według:

Ogranicz wyniki do:

Swarm intelligence algorithms in function of efficiency optimisation of PM synchronous motor

Cvetkovski Goga, Petkovska Lidija

Przegląd Elektrotechniczny

2023

R. 99, nr 6

119--122

This paper presents a novel approach to the efficiency improvement of permanent magnet synchronous motor using several swarm intelligence algorithms (particle swarm optimisation, cuckoo search, grey wolf algorithm and dragonfly optimisation algorithm) as an optimisation tool. The idea is to implement those novel optimisation algorithms for the efficiency improvement of permanent magnet synchronous motor, where the objective function in the optimisation process is the efficiency of the investigated motor. Comparative optimisation analysis results are given.

W artykule przedstawiono nowatorskie podejście do poprawy wydajności silnika synchronicznego z magnesami trwałymi przy użyciu kilku algorytmów inteligencji roju (optymalizacja roju cząstek, wyszukiwanie kukułki, algorytm szarego wilka i algorytm optymalizacji ważki) jako narzędzia optymalizacyjnego. Ideą jest wdrożenie tych nowatorskich algorytmów optymalizacyjnych do poprawy sprawności silnika synchronicznego z magnesami trwałymi, gdzie funkcją celu w procesie optymalizacji jest sprawność badanego silnika. Podano wyniki porównawczej analizy optymalizacyjnej.

A sorting method for coal and gangue based on surface grayness and glossiness

Cheng Gang, Wei Yifan, Chen Jie, Pan Zeye

Gospodarka Surowcami Mineralnymi

2023

T. 39, z. 3

173--198

Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.

Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.