天然沸石吸附甲基橙的准二级动力学

以天然沸石为吸附剂,研究了时间和温度对沸石吸附水溶液中甲基橙的影响.随着吸附时间的增加,沸石对甲基橙的吸附量也增加,升温有利于吸附.根据准二级动力学的线性形式和非线性形式,采用最小差方和方法,用线性回归分析和非线性回归分析方法,得到了准二级动力学方程的参数.结果表明,线性分析和非线性分析都可用于预测时间对天然沸石吸附甲基橙的影响,误差分析表明非线性回归分析方法优于线性回归分析方法.沸石吸附甲基橙的表观活化能为14.8 kJ·mol-1,吸附过程属于化学吸附.     

姜黄色素吸附精制的数学模型

研究了D4020吸附剂吸附姜黄色素的吸附等温线和吸附柱流出曲线，并用数学模型对其进行了模拟．D4020吸附姜黄色素的等温线可用Freundlich方程拟合，在25℃时，通过线性回归得方程系数kf=0．3152，指数nt=0．7443．用常微分法对流出曲线模型求数值解，得到的理论流出曲线与实验结果吻合良好．     

沸石与γ-氧化铝吸附氟离子等温线的线性和非线性方法比较研究

采用线性和非线性方法研究沸石与γ-氧化铝对水中氟离子吸附等温线的拟合形式,并分析比较了两种数据处理方法的优劣。结果表明,非线性方法提供了一种更准确的方法来确定最佳的吸附等温线模型;沸石吸附氟离子的实验数据与Redlich-Peterson、Langmiur等温线模型拟合较好;γ-氧化铝的吸附氟离子实验数据与Redlich-Peterson等温线模型拟合较好。     

基于ABC-SVM固体氧化物燃料电池电堆建模与仿真

为了更好地满足工程上对SOFC (solid oxide fuel cell)性能预测和控制方案设计要求,提出利用人工蜂群算法(ABC)优化支持向量机(SVM)来建立SOFC电堆模型。通过利用ABC算法优化SVM参数(核函数值宽度和惩罚因子),采用优化后的参数作为SVM的初始参数建立模型,与SVM、GA-SVM和PSO-SVM模型进行对比。实验结果表明:ABC-SVM模型平均平方误差小,说明该算法可以很好的预测在不同氢气流速下SOFC的电压/电流特性曲线。该模型对SOFC预测和控制方案设计有一定价值。     

离子交换树脂对铀的静态和动态吸附行为研究

利用规格为Φ40 mm×1200 mm的吸附装置模拟实际铀水冶过程工业生产过程,测得了在固定床离子交换吸附的穿透曲线,并进行了静态吸附实验,测得了不同浓度条件下的平衡吸附量.应用Freundlich与Langmuir等温吸附方程对实验数据进行拟合,结果表明两者都适合描述离子交换树脂对铀的吸附,说明铀的吸附过程受到液膜扩散和孔内扩散共同控制,同时得到了动态吸附容量是静态吸附容量的1.87倍左右.应用Bohart-Adams模型、Wolborska模型对穿透曲线进行拟合,相关系数均在0.92以上,模型得到的树脂吸附容量与液计吸附容量误差较小.对静态吸附与动态吸附的区别,本文提出了观点加以解释.     

丙酮在活性炭固定床上的吸附穿透曲线数学模拟

实验测试在15℃下,丙酮以不同进样浓度通过活性炭(CAO／4)固定床的透出浓度(c)和时间(t)的关系．根据测试的实验数据绘制c—t穿透曲线图,通过分析曲线的变化规律,预测穿透曲线关于曲线上“半浓度”点对称,建立数学模型,对模型中的参数进行估计,并用化学工程软件编写模型程序,模拟穿透曲线．本研究中采用相关性法和相对误差分析法分析模拟结果,模拟数据与实验数据的相对误差绝对值小于10％,相关系数值远大于0．95,说明所建立的数学模型适用于描述固定床活性炭吸附挥发性有机物丙酮的穿透曲线．本研究为有机蒸气吸附过程的设计提供了参考．     

活性炭C40/4吸附甲苯和丙酮吸附性能研究

为探讨活性炭吸附C40／4有机蒸汽的性能曲线规律，在不同温度288．15K，293．15K和298．15K下实验测试了活性炭C40／4吸附有机气体甲苯和丙酮的吸附性能，基于langmuir等温吸附理论，从吸附动态平衡的角度，理论分析了吸附性能曲线中参数与温度之间的关系，提出一个经验的langmuir等温吸附曲线模型，它能很好地描述不同温度下的有机蒸汽在活性炭上的吸附性能曲线，模型计算值与实验测试值之间的误差小于6％，为确定活性炭吸附有机蒸汽的吸附量提供了有效的计算模式，从而为有机蒸汽吸附过程的设计、预测和优化提供有益的支持。     

伺服系统Hammerstein非线性模型及参数辨识方法研究

在伺服系统建模中,针对线性模型无法表达系统在低速、运动换向条件下摩擦与死区等非线性现象的问题,采用包含静态非线性部分和动态线性系统的Hammerstein模型来代替线性模型对伺服系统进行了描述.根据静态非线性模型逼近伺服系统的非线性特性,非线性模型采用分段非对称多项式基函数来解决摩擦在运动中存在的非对称特性.对于多频率正弦输入信号和伺服系统的速度输出信号,由迭代最小二乘方法来估计模型的参数.通过辨识实验中的线性模型和Hammer-stein模型的输出,说明采用Hammerstein模型方法能有效地对系统非线性部分建模,Hammer-stein模型的输出误差比线性模型的输出误差约减少90%,因此显著地提高了系统的模型精度,实现了对系统非线性动态行为的精确预测.     

碱改柚子皮生物炭对水体中Mn(Ⅱ)的动态吸附研究

为了探求碱改柚子皮生物炭在实际应用中去除水体中Mn(Ⅱ)的理论依据,考察了其在固定床中对Mn(Ⅱ)的动态吸附.以流量、床高、Mn(Ⅱ)初始质量浓度为变量,研究了这三类运行条件对碱改柚子皮生物炭在固定床中吸附Mn(Ⅱ)的影响,并对实验结果进行了模型拟合,结果表明:碱改柚子皮生物炭对Mn(Ⅱ)的吸附有一定的缓冲作用;降低流量和Mn(Ⅱ)初始质量浓度,增加床高均能使固定床的运行时间延长;在流量为1 mL/min,Mn(Ⅱ)初始质量浓度为150 mg/L,床高为2 cm时,观察到了碱改柚子皮生物炭对Mn(Ⅱ)的最大比吸附量为25.59 mg/g;Thomas模型表明内部扩散和外部扩散不是吸附过程中的限制性步骤;在Adams-Bohart模型的拟合中发现固定床系统吸附初期的动力学受外部传质控制,且其线性表达式(BDST模型)较为准确的预测了各初始条件下Mn(Ⅱ)穿透70％的运行时间;modified dose-response模型准确的描述了Mn(Ⅱ)穿透曲线的形状.     

应用非线性加权的集成学习软件缺陷序列预测算法

针对当前软件缺陷序列预测算法准确度不高的问题,提出了基于非线性加权的集成学习软件缺陷序列预测算法(NLWEPrediction)。该算法在常见线性集成预测算法的基础上增加了非线性回归项,回归项代表了集成预测算法中基预测算法之间的相互关系,修正了线性集成预测的偏差,并通过梯度下降法求解了模型中的参数。实验表明:NLWEPrediction在14个软件缺陷数据集上的均方误差均小于250,并且平均绝对误差均小于13。通过与基预测算法、集成预测Bagging、Stacking算法和只考虑两个分类器关系的非线性加权集成学习算法进行对比,可以看出,NLWEPrediction预测算法的均方误差和平均绝对误差显著减小,预测精度显著提高,说明在线性集成预测算法基础上增加非线性回归项,能够有效提高集成学习算法的分类效果。     

PCA在非线性系统传感器故障检测和重构中的应用

由于主成分分析(PCA)方法是一种线性算法,基于PCA的故障检测方法若直接运用于非线性系统的传感器故障检测和重构,会导致明显的故障误报和数据重构错误。为了使基于PCA的传感器故障检测和重构方法适用于非线性较严重的热工过程,对该方法进行了有效的改进。应用不同负荷下的历史数据,分别建立机组不同负荷下的局部PCA模型,再根据机组当前实际运行负荷选择相应的PCA模型进行传感器故障检测和重构,并结合相邻负荷PCA模型的计算结果进行数据融合,从而进一步提高了故障检测的准确性和重构精度。理论分析和现场实际应用表明,该算法能够对非线性较为严重的电厂热工过程进行精确的传感器故障检测和重构。     

活性炭固定床上氯苯气体的吸附过程

研究了氯苯气体在活性炭固定床上的吸附过程。对不同温度下氯苯在活性炭中的吸附特性进行了测定,并用过热蒸气对活性炭吸附的氯苯进行了脱附回收。采用线性平衡吸附体系的动力学模型对实验数据进行关联,得到了活性炭吸附氯苯的总传质系数和吸附带长度。结果表明:吸附温度升高时,总传质系数减小,吸附带长度增大。根据模型计算得到的穿透曲线与实验结果进行比较,两者吻合较好。     

基于GA-SVM算法永磁同步直线电机变载荷进给位置误差预测

针对永磁同步直线电机精密进给过程中,受到齿槽效应、端部效应及摩擦力扰动等非线性因素的影响,位置误差难以预测问题,提出了一种基于遗传算法(GA)优化支持向量机(SVM)算法永磁直线电机变载荷位置误差预测模型的方法。通过测量各种情况下永磁直线电机在运动过程中的位置变化情况,利用遗传算法优化支持向量机算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,经过遗传算法优化支持向量机建立的位置误差预测模型,在拟合和预测精度上要优于未经过算法优化的位置误差预测模型。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

基于人工蜂群算法优化支持向量机的 采场底板破坏深度预测

为确定合理的底板防水煤岩柱尺寸,减少底板突水安全事故的发生,利用支持向量机(SVM)与人工蜂群算法(ABCA)综合研究底板破坏深度问题。由于SVM训练参数惩罚因子C和核函数宽度g的选择对预测精度的影响显著,采用ABCA优化该训练参数的选择过程,建立基于SVM的底板破坏深度预测模型。选取采深、煤层倾角、采厚、工作面斜长、底板抗破坏能力和是否有切穿断层或破碎带作为影响底板破坏深度的主要影响指标,利用现场实测的30组数据作为样本对该模型进行训练和预测。结果表明:该预测模型的平均相对误差为12.5%,平均绝对误差为0.986m,均方误差为0.005,平方相关系数为0.980,较其他预测模型具有更强的泛化能力和更高的预测精度。     

具有非线性摄动网络控制系统的量化控制设计

针对具有网络诱导时延及数据包丢失的非线性摄动网络控制系统,考虑系统存在量化误差及非线性摄动等干扰,建立具有一般性的网络控制系统新模型.基于李雅普诺夫稳定性原理和线性矩阵不等式方法,提出网络控制系统渐进稳定的充分条件和量化反馈控制器设计方法.通过求解凸优化问题获得具有非线性摄动网络控制系统的最大允许时滞界.最后,仿真示例验证了所提出方法的有效性.     

半参数顺序变量回归模型

在比例优势模型基础上对顺序变量回归模型作更一般的推广, 建立了半参数顺序变量回归模型, 构造了模型中的线性和非线性部分的估计量, 并证明了该估计量的弱相合性. 通过数值模拟, 考察了不同样本容量下半参数顺序变量回归的判断正确率和回归函数的均方误差.实验结果表明: 半参数顺序回归模型在小样本情况下仍具有较高精度, 并且在实验点处的重复次数相对于观察点个数对精度影响更大. 通过对粮食预警实例的计算表明, 半参数顺序回归模型较比例优势线性模型具有更好的外推效果.     

基于优化最小二乘支持向量机的数控机床热误差建模分析

数控机床热误差是降低加工精度的主要因素之一.针对热误差建模问题, 结合布谷鸟算法的随机莱维飞行机制和最小二乘支持向量机结构风险最小化与线性规划等优点, 提出基于布谷鸟算法优化最小二乘支持向量机的热误差建模方法.在最小二乘支持向量机将低维非线性问题转化为高维线性问题时, 构建了混合核函数.同时,采用布谷鸟算法对最小二乘支持向量机惩罚因子γ、核宽度参数σ和混合核权值λ进行了优化.以GMC2000A机床为实验对象, 分别对热误差数据进行了聚类分析和建模分析.通过误差预测对比分析得出结论, 基于布谷鸟算法优化混合核最小二乘支持向量机建立的误差模型取得了良好的预测效果, 且明显优于BP神经网络模型和未优化的最小二乘支持向量机模型的预测效果.     

广义相加模型在乌江夏季径流预报中的应用

基于前期冬季海温指数,构建具有4个非线性指数和9个线性指数的广义相加模型(GAM),对乌江流域洪家渡夏季径流进行了模拟与预测,利用5种评估指标,包括最小信息准则(AIC)、均方根误差(RMSE)、平均绝对误差(MAE)、概率空间线性误差(LEPS)和线性相关(r),评估GAM和广义线性模型(GLM)模拟效果。结果表明:在AIC、RMSE和LEPS评估指标上,GAM的模拟效果与实测值相比均小于GLM,在线性相关系数上显著大于GLM。因此,GAM的模拟效果明显优于GLM。利用留一法交叉验证对洪家渡夏季径流分别进行了GAM和GLM预测,结果表明,GAM与实测数据的相关系数提高到0.41,相对误差小于30%的预测值达到60%以上,特别是在洪家渡典型洪水年中,GAM的预测误差仅在10%左右,在典型干旱年中,GAM的预测误差小于10%,GAM的预测结果比GLM明显改善。因此,考虑了径流量与预报因子的非线性关系,在径流预报中使用GAM进行建模,能够有效改善线性回归模型的模拟效果和预测精度。