摘要：针对传统教与学算法存在易陷入局部最优、收敛速度慢和求解精度低等问题,提出一种融合经验反思机制的教与学优化算法(empirical reflection teaching learning based optimization,ERTLBO)。首先在教学阶段引入经验反思机制,遴选精英个体引导普通个体向教师靠近,提高班级整体水平,从而提高算法全局探索能力。其次在学习阶段引入动态自适应权重,能够根据学生的适应度值对位置进行自适应扰动,进而实现个体位置的动态更新,提高算法跳出局部最优的能力。仿真实验选取23个基准测试函数对ERTLBO同其他变体和流行算法进行性能测试。实验结果表明,ERTLBO算法具有更好的寻优性能和求解稳定性。最后,通过2个工程设计问题进一步验证ERTLBO解决实际问题的有效性和优越性。

摘要：阿奎拉鹰优化算法(Aquila optimizer, AO)和哈里斯鹰优化算法(Harris hawks optimization, HHO)是近年提出的优化算法。AO算法全局寻优能力强,但收敛精度低,容易陷入局部最优,而HHO算法具有较强的局部开发能力,但存在全局探索能力弱,收敛速度慢的缺陷。针对原始算法存在的局限性,本文将两种算法混合并引入动态反向学习策略,提出一种融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法。首先,在初始化阶段引入动态反向学习策略提升混合算法初始化性能与收敛速度。此外,混合算法分别保留了AO的探索机制与HHO的开发机制,提高算法的寻优能力。仿真实验采用23个基准测试函数和2个工程设计问题测试混合算法优化性能,并对比了几种经典反向学习策略,结果表明引入动态反向学习的混合算法收敛性能更佳,能够有效求解工程设计问题。

摘要：针对阿奎拉鹰优化算法(Aquila optimizer,AO)收敛速度慢、易陷入局部最优且寻优精度较低等问题,提出混合改进策略的阿奎拉鹰优化算法(Aquila optimizer based on hybrid improved strategies,HH-SAO)。初始化阶段引入准反向学习策略,增强初始化种群多样性。引入正弦波随机策略,提高算法全局探索阶段随机性,提升算法全局寻优能力。利用哈里斯鹰算法(Harris hawks optimization,HHO)的4种攻击策略替换原AO算法的局部开发阶段策略,提高算法跳出局部极小值能力;引入能量缩减机制实现全局与局部阶段的动态转换,平衡算法全局探索和局部开发能力。仿真试验选取23个基准测试函数和1个经典工程设计问题进行性能测试,结果表明改进算法相较于其他流行算法具有更好的寻优能力和工程适用性。

摘要：黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法。SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢。AOA算法利用乘除算子进行位置更新,随机性强,具有较好的避免早熟收敛能力。针对上述问题,将两种算法结合并利用随机反向学习策略提高收敛速度,提出一种性能优越且高效的融合随机反向学习策略的黏菌与算术混合优化算法(HSMAAOA)。改进算法保留了SMA全局探索部分位置更新公式,局部开发阶段将乘除算子替换SMA收缩机制,提高算法随机性与跳出局部极值的能力。此外,通过随机反向学习策略增强改进算法种群多样性,提高收敛速度。实验结果表明,HSMAAOA算法具有良好的鲁棒性以及寻优精度,且明显提升了收敛速度。最后,通过焊接梁设计问题与压力容器设计问题,验证了HSMAAOA在工程问题上的适用性与有效性。

摘要：介绍了1台600 MW"W"型火焰锅炉的设计特点。该锅炉在启动调试及试生产过程中遇到分级风喷口烧红、汽包水位两侧偏差大、灰渣可燃物含量高以及燃烧稳定性差等问题,通过燃烧调整和采取一定的运行措施,控制了分级风喷口烧红和汽包水位偏差在允许的范围内;通过增加卫燃带,一定程度上降低了飞灰可燃物含量,提高了燃烧稳定性;对该炉燃烧系统和双进双出制粉系统存在的不足之处和改进方向进行了探讨,指出低挥发分无烟煤制粉系统如果配置动态分离器、一次风粉混合物温度设计在150℃、磨煤机容量留有足够的裕度,能够较好的保证煤粉细度、均匀性和良好的着火、燃尽和燃烧稳定性。

摘要：对国内首台专门为燃烧奥里油设计生产的600 MW某奥里油发电厂锅炉进行了介绍,对该电厂带不到设计负荷、输灰系统不畅、空气预热器堵塞的原因进行了分析,同时对解决这些问题的方法进行了探讨,并介绍了湛江奥里油电厂实际解决这些问题的方法和效果。

摘要：文章介绍了目前电站锅炉应用较为广泛的两种节油点火新技术——等离子点火和微油点火技术。结合600 MW锅炉调试的实例,对比两种点火技术的原理、系统设备、使用效果、经济性及使用中遇到的问题,指出了两种技术的优缺点、适应性和锅炉采用上述两种点火技术后应进行的优化设计。

摘要：䲟鱼优化算法(ROA)是2021年提出的元启发式优化算法,其模拟了海洋中䲟鱼寄生依附宿主、经验攻击和宿主觅食的行为。ROA的结构简单且易于实现,但全局性稍显不足,易导致算法收敛速度慢甚至后期难以收敛的现象。针对上述问题,在探索阶段加入宿主切换机制,引入新宿主白鲸,提高原算法的探索能力;同时加入联合反向学习策略,增强了算法跳出局部最优的能力,进一步提高了算法的综合优化性能。通过以上改进,提出了一种融合联合反向学习与宿主切换机制的䲟鱼优化算法(IROA)。为了验证IROA的性能与改进优势,将IROA与原始ROA、6种典型的原始算法以及4种关于ROA的改进算法进行对比。通过CEC2020标准测试函数的实验结果表明,IROA具有更强的寻优能力和更高的收敛精度;最后针对汽车防撞性设计问题的求解,进一步验证了IROA的优势和工程适用性。

摘要：介绍了广州恒运电厂等离子点火燃烧系统的主要技术性能参数、系统构成。结合锅炉调试 ,重点对系统的运行经验进行了分析总结 ,并和同类机组轻油点火系统进行了经济性比较。分析结果可供锅炉点火系统的设计。

摘要：介绍了安装在广州恒运电厂的广东省第一套等离子点火燃烧系统的主要技术性能参数、系统构成。结合锅炉的调试,重点对系统的运行经验进行了分析和总结,并和同类机组轻油点火系统了进行经济性比较。分析结果对于锅炉点火系统的设计、改造有较大的参考价值。