隔膜压滤机污泥脱水工作流程优化

针对隔膜压滤机各工作流程阶段污泥的过滤性能,运用Fluent软件数值模拟隔膜压滤机压滤过程,研究污泥二相流在隔膜压滤机深度脱水过程中滤液总量随时间变化的规律,并采用最小二乘法拟合其关系曲线。通过仿真分析,提出隔膜压滤机鼓膜阶段的虚拟滤液量法的概念,并以此推导鼓膜阶段实际滤液总量V3与压滤时间的数学关系表达式,描述两者的影响关系,进而得到隔膜压滤机工作效率的计算公式;利用该公式对某污泥处理厂隔膜压滤机各工作阶段时间进行优化计算。研究结果表明:对于规格一定的隔膜压滤机,其压滤阶段时间是压滤机工作效率的决定因素;利用本文方法计算的某污泥处理厂隔膜压滤机各工作阶段时间,污泥处理工作总效率提高37.7%,为隔膜压滤机进行污泥脱水找到了最佳作业流程时间,大大提高了作业效率。     

基于成形过程的闭塞式冷锻工艺优化

针对闭塞式冷锻工艺复杂、单纯在某个成形阶段优化金属填充性和成形力无法使工艺参数达到最佳值的问题,提出了一种基于成形过程的冷锻工艺多目标优化方法.结合有限元模拟技术和正交试验方法,在闭塞式冷锻基本成形阶段使金属填充性达到最佳,实现金属填充性的优化,获得相应的工艺参数组;然后采用目标函数值拟合优化方法研究了飞边槽高度与凸模下压量之间的关系,通过控制飞边槽高度使成形力在最终填充阶段达到最小,实现了成形力的优化,在保证金属填充性最优的前提下获得了新的使成形力最小的优化工艺参数组,实现了金属填充性和成形力的分过程优化,优化得到的工艺参数组与物理实验数据一致.研究结果表明,所提出的方法充分考虑了闭塞式冷锻工艺的成形特点,能更简便、更准确、更合理地实现闭塞式冷锻工艺的参数优化.     

基于GP的税收能力智能估测的研究与应用

目的将基于遗传程序设计(GP)的数据建模方法应用于税收能力智能估测系统建模中。方法利用遗传程序设计来实现复杂函数的自动建模。结果改变了目前税收能力估测中采用的使用拟合粗糙、估测结果准确度差的线性模型进行曲线拟合和趋势预测的估测方法,通过优化初始种群的方法提高了GP算法的收敛率,实现了复杂函数的自动建模,并将该方法应用到税收能力智能估测原型系统(TCES)的建模中。结论采用GP得到的数学模型比传统方法使用的数学模型拟合精度更高,估测误差更小,更适于反映地区税收能力的实际情况。     

基于AMWPSO-LSTM的多阶段间歇过程故障预测

过程安全对于间歇过程生产具有重要意义,为提高间歇过程生产安全性,提出一种基于改进粒子群算法(AMWPSO)优化长短期记忆网络(LSTM)的间歇过程故障预测模型AMWPSO-LSTM。针对LSTM中的神经元个数、迭代次数、学习率等参数需要人为设置的问题,采用AMWPSO对这些参数进行自动寻优。AMWPSO在原有粒子群优化算法(PSO)中融入了自适应变异和非线性递减惯性权重,提高了PSO的参数寻优能力。由于间歇过程具有多阶段性,因此先根据模糊C均值聚类(FCM)方法对间歇过程进行阶段划分,再利用Pearson相关系数对各阶段实验数据进行相关性分析,以降低系统变量的维数,并建立各阶段T²统计量控制限作为系统是否发生故障的指标。实验以青霉素发酵过程数据为例,建立基于AMWPSO-LSTM 的多阶段故障预测模型,并将该模型的预测结果与基于LSTM的多阶段预测模型、基于PSO-LSTM的多阶段预测模型的预测结果进行比较,结果表明,基于AMWPSO-LSTM 的多阶段故障预测模型可取得较高的预测准确度。     

瑞木红土矿摇床铬铁矿粗精的磁选富集

瑞木红土矿中存在含铬尖晶石矿物,在进行矿浆管道输送和高压浸出之前需要先经过铬矿选矿处理,以减轻对管道和高压釜的磨损.目前瑞木红土矿项目选矿得到的铬铁矿精矿其铬铁质量分数比(w(Cr2O3)/w(Fe O))仅为2.3,不能满足冶金级铬铁矿的要求.针对瑞木红土矿项目摇床分选所得的铬铁矿粗精矿开展了工艺矿物学和磁选提高铬铁质量分数比的研究.筛分实验和矿物提纯实验结果表明,去除细颗粒矿物以及分离脉石矿物是提高铬铁矿铬铁质量分数比的有效途径.对筛分后的+0.074 mm的粗精矿进行磁选分离,所得到的铬铁矿精矿铬铁质量分数比为2.59,铬回收率为63.89%.     

基于引力搜索算法的动车组端门自动控制技术

提出一种基于引力搜索优化算法的端门自动控制方法,解决动车组自动端门的优化控制问题。构建了自动端门系统,并阐述了系统的工作原理;根据自动端门系统驱动装置电动机的转速特性和扭矩特性建立了系统的优化控制模型;通过引力搜索优化算法实现对不完全微分PID参数的优化求解,实现了最自动端门运行过程的优化控制;实验结果表明该优化控制方法切实可行,能够满足动车组自动端门的精确运行控制要求。     

基于AMWPSO-LSTM的多阶段间歇过程故障预测

过程安全对于间歇过程生产具有重要意义，为提高间歇过程生产安全性，提出一种基于改进粒子群算法(AMWPSO)优化长短期记忆网络(LSTM)的间歇过程故障预测模型AMWPSO-LSTM。针对LSTM中的神经元个数、迭代次数、学习率等参数需要人为设置的问题，采用AMWPSO对这些参数进行自动寻优。AMWPSO在原有粒子群优化算法(PSO)中融入了自适应变异和非线性递减惯性权重，提高了PSO的参数寻优能力。由于间歇过程具有多阶段性，因此先根据模糊C均值聚类(FCM)方法对间歇过程进行阶段划分，再利用Pearson相关系数对各阶段实验数据进行相关性分析，以降低系统变量的维数，并建立各阶段T²统计量控制限作为系统是否发生故障的指标。实验以青霉素发酵过程数据为例，建立基于AMWPSO-LSTM 的多阶段故障预测模型，并将该模型的预测结果与基于LSTM的多阶段预测模型、基于PSO-LSTM的多阶段预测模型的预测结果进行比较，结果表明，基于AMWPSO-LSTM 的多阶段故障预测模型可取得较高的预测准确度。     

分段函数的光滑方法及其在曲线拟合中的应用

在分析复杂实验数据时,常采用分段曲线拟合方法.利用此方法在段内可以实现最佳逼近,但在段边界上却可能不满足连续性和可导性.为了克服这种现象,本文提出了一种分段函数的光滑算法,并给出了相应的误差分析.最后,给出了该方法在分段曲线拟合中的应用方法以及凸轮实验数据自动分段拟合的应用例子.     

基于柔度曲率曲线拟合的薄板结构损伤识别研究

提出了基于柔度曲率多项式曲线拟合的损伤识别方法,并用该方法对薄板结构进行损伤研究。采用有限元软件ANSYS进行模态分析,得到损伤薄板的模态振型和固有频率,进而得到X方向和Y方向柔度曲率,然后分别在X方向和Y方向进行多项式曲线拟合。基于拟合值与原始值的差值构造新的损伤指标。数值算例的结果表明,基于柔度曲率多项式曲线拟合的方法相比仅采用柔度曲率矩阵的方法能够更好地进行平板损伤定位,同时相比柔度曲率差等需要结构损伤前后模态数据的损伤识别方法,该方法不需要用到结构损伤前的模态数据,可以运用于难以获得健康结构的模态振型数据的结构损伤识别中。     

油田超稠油地面作业技术措施的优化

为了日常油田工作的需要，我们需要进行油田超稠油地面工艺应用环节的优化，针对油田超稠油的运作特点，进行相关环节的优化，以满足日常超稠油开发的需要。在此过程中，我们要进行超稠油管输工艺技术环节的优化，实现对相关设备的有效应用。实现其超稠油管道集输环节及其相关管道输送环节的优化。基于此，本文对油田超稠油地面作业中的集油、脱水、管道运输环节进行技术优化。     

基于工况分析的城市轨道列车自动行车系统多目标优化策略

传统的自动行车系统(ATO)具有良好的自动行车能力;但系统为达到行驶目的,通常会进行频繁地工况转换,从而导致浪费能源并使乘客舒适度下降。将对能耗和舒适度这两个参数进行目标优化;并在前人的研究基础上,提出以工况为基础的分段分析建模优化参数的ATO多目标优化策略。利用改进的遗传算法进行模型求解。最后整合各段优化得出的运行曲线,得到完整的运行曲线图。通过实例仿真,该方法具有很好的优化效果及可操作性。     

中小型风力机功率曲线的分析与优化

以提高风力机发电效率为目标,对风机功率曲线的工作点及可优化区间进行分析,为功率曲线优化提供基础。根据风力机的监测数据,采用最小二乘法与查表法估算出最优功率曲线,将其与叶尖速比法结合,调整风力机内部参数,以进行功率曲线优化。该方法利用实际的中小型风力机机进行试验,克服了叶尖速比法需要建立准确风力机模型及风速测量等在实际生活中应用的局限性;并对单台风力机建立模型,理论输出功率精度高,具有很高的自适应性。通过对多台风力机功率曲线的对比分析,发现该方法对优化风力机的功率曲线具有一定效果,可为中小型风力机的优化提供参考。     

基于滚动优化的校直工艺理论及实验研究

在分析细长轴类零件弯曲变形的基础上 ,结合行程控制校直工艺计算方法 ,将多弯曲点轴类零件的校直工艺问题作为一种优化问题进行讨论 ,反向校直弯曲作为约束条件之一 ,利用滚动优化算法 ,实现校直工艺实时预测算法 ,得到实时校直压点、支点和行程信息。实验研究表明 ,此算法满足校直精度要求 ,对全自动校直机设计开发有一定指导意义     

利用LS-OPT软件自动标定DNAN/RDX熔注炸药JWL状态方程参数

爆轰产物状态方程是预估炸药做功能力的重要手段. 为拟合JWL状态方程参数,使用铜和钨两种阻抗相差较大的金属飞片进行炸药驱动飞片实验,得到两组飞片自由面中心点速度-时间曲线. 使用试错法及LS-OPT软件自动标定两种方法标定了钨飞片工况下的DNAN基熔注炸药（DNAN/RDX 40/60）JWL状态方程参数,试错法得到结果的计算曲线与实验曲线对比误差为16.86%,自动标定的误差为3.04%. 再使用自动标定得到的参数对炸药驱动铜飞片的过程进行数值模拟,与铜飞片的实验曲线进行对比,误差为4.60%. 研究表明,LS-OPT软件自动标定的方法可用于标定DNAN基熔注炸药JWL状态方程参数,与传统拟合方法相比,可避免进行大量的人工计算,得到的结果更为准确.      

自动加工中控制铣削速度的智能化仿真

提出了利用虚拟样机技术控制铣削速度的方法,针对某自动铣削设备对铣削速度的要求进行了仿真设计,得到了理想的缓冲参数曲线,从而制作合适的缓冲器,达到了精确控制铣削速度的目的,并在实践中验证了该方法的可行性.     

基于DRNN-LSTM-IPSO的锅炉经济运行优化目标值

锅炉作为火电厂的重要设备,提高其运行经济性直接影响电厂的生产效益,而锅炉运行参数优化目标值的合理确定是保障锅炉经济运行的关键。首先提出改进的高斯混合模型算法应用于工况划分,即通过划分数据的分散度作为依据并基于马氏距离来构建评价准则函数,以确定聚类数;其次通过构建具备长短时记忆功能的深度循环神经网络(deep recurrent neural network with long-short term memory, DRNN-LSTM)建立各工况区间下的经济模型;最后在经济模型构建的基础上,针对传统粒子群算法容易陷入局部极值问题,通过对惯性权重和加速因子进行调整得到改进的粒子群算法(improved particle swarm optimization, IPSO),可更加精准地在不同工况下进行区间范围内寻优,确定运行参数的优化目标值。实验结果表明,采用本文方法确定的优化目标值对应供电煤耗优于历史最优运行值,说明了该方法在挖掘锅炉优化运行潜力上具有一定的优势,按此方案调整锅炉运行可有效降低能耗水平,以达到锅炉经济运行的目的。     

精制棉脱水工艺技术改进

针对精制棉传统生产工艺中压榨脱水存在的问题,对比精制棉与硝化棉的特性,提出精制棉离心脱水工艺流程,并就双级活塞推料离心机的特点、工作原理及进口的料浆浓度处理进行了较详细的讨论,为精制棉离心脱水机的进一步研制奠定了一定基础。     

基于LBM-DEM方法的泥浆过滤微观过程

在各类工程中产生了大量的高含水率废弃泥浆,过滤分离技术逐渐应用于泥浆的快速减量化中。为明确泥浆过滤的微观过程及堵塞机理,建立并验证了利用格子玻尔兹曼方法-离散单元法(Lattice Boltzmann method-discrete element method, LBM-DEM)模拟泥浆过滤。采用LBM-DEM方法模拟了多类条件下泥浆的过滤,包括不同泥浆含水率、过滤介质孔径、过滤压力及絮团性质。实验结果表明：泥浆在过滤过程中,过滤介质先作为主要的过滤单元,颗粒(或絮团)不断堵塞在过滤介质中或发生流失,当过滤介质完全堵塞后,颗粒(或絮团)不再发生流失,逐渐堆积在过滤介质表面,随着过滤的进行,泥皮逐渐累积增厚;堵塞完成的过滤介质及不断增厚的泥皮的组合体成为新的过滤系统。泥皮的渗透系数决定了新过滤系统的渗透能力,是影响泥浆过滤脱水的主要因素。LBM-DEM新方法的建立为研究及优化泥浆过滤效率提供了借鉴以及新的思路。     

基于机器学习的石油多峰模型研究及应用

油田在实际开发过程中，受新区块投产、开发方案调整和"三采"措施等因素的影响，年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题，开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型，对多峰数据序列进行分段最小二乘拟合，在拟合误差函数中引入控制分段个数的罚分项，采用动态规划算法，自动求得最优分段的多峰预测模型，该模型运用在实际的油田产量数据上，预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法，在实际应用中具有建模简单、自适应性强的优点。     

多模型的油藏模拟自动历史拟合方法研究

传统油气藏数值模拟通常仅建立单个随机地质模型，采用人工历史拟合方式获得符合油藏动态的地质模型并用于方案预测。但由于地质资料相对稀少且地层非均质性的客观事实存在，历史拟合问题必然存在多解性，所获得的单个地质模型无法保证准确反映地下真实情况。本次研究中首先利用静态地质资料生产大量随机实现，使用PCA降维方法减少模型数据量，再利用聚类方法挑选出多个特征各异的实现作为初始模型，采用基于SPSA算法的自动历史拟合方法，获得多个符合油藏动态却又包含不同特征的历史拟合模型。结果表明，多模型能够更接近地下的真实情况，产生的预测结果不再是单一动态曲线，而是具有多种开发可能性的一系列曲线，这样使预测更为科学可靠。