超大能力超细全尾砂超长距离管道自流输送技术

 为解决司家营铁矿超大能力超细全尾砂超长距离管道自流输送难题, 在研究超细全尾砂管道自流输送、骨料颗粒沉降堵管及管道沿程阻力损失特性的基础上, 利用Fluent 软件对超细全尾砂超长距离大管径的自流输送特性进行分析。结果表明:超细粒径全尾砂易于悬浮, 大管径输送可有效降低沿程阻力损失。工作流速为2.95 m·s^-1、管道内径为155 mm 的超细全尾砂浆体的垂直脉动速度分量S_v=0.24 cm·s^-1远大于尾砂的干涉沉降速度0.034 cm·s^-1, 最大允许充填倍线N_max高达10.6, 充填料浆可均匀悬浮顺利自流至采空区。     

超细全尾砂似膏体长距离自流输送的时变特性

基于H-B流变模型和絮网结构理论,构建了考虑时变性的超细全尾砂似膏体流变模型,探究超细全尾砂似膏体长距离管道自流输送过程中的时变特性,推导了相应的管输阻力计算公式.以某深井铁矿质量分数为68%的超细全尾砂似膏体为例,进行了室内剪切试验和管输阻力计算.结果表明:不同剪切速率下的超细全尾砂似膏体表现出剪切稀化的时变特性,且剪切速率越大,达到平衡状态的时间越短,黏度值越低.在流量为80 m3/h时,管输阻力经225 s降至稳定状态的5.03 M Pa/km,为初始阻力的50.6%.超细全尾砂似膏体长距离自流输送过程中,以稳定状态的阻力损失进行计算更为经济合理.     

基于极限学习机(ELM)的连铸坯质量预测

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50％、57.5％、70％和72.5％;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85％和82.5％,且该模型具有极快的运算时间,仅需0.1s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法.     

基于结构自组织ELM的铝热连轧轧制力预测

轧制力在铝热连轧中起着重要作用,针对热轧过程中的非线性、参数强耦合性等因素使得其难以建模的问题.本文提出一种具有拓扑结构自组织的极限学习机(Topology Self-Organizing Extreme learning machine,TSO-ELM)算法,解决了ELM的结构设计问题,实现了结构和参数的自组织.根据现场数据,使用TSO-ELM算法进行铝热连轧轧制力预测,结果表明该算法与人工蜂群算法优化反向传播神经网络(Artificial bee colony algorithm optimized Back-propagation neural network,ABC-BP)和增强型增量极限学习机(Enhanced random search based incremental extreme learning machine,EI-ELM)算法对比,其训练速度和精度都得到了一定的提高.     

基于海洋捕食者算法和ELM的空气质量指数预测

针对极限学习机(Extreme Learning Machine,ELM)模型参数选取敏感问题,文章提出一种改进的海洋捕食者算法(Improved Marine Predator Algorithm,IMPA)优化极限学习机的权重和偏置。首先,针对海洋捕食者算法初始种群的多样性不足,运用准反射学习策略生成高质量的初始猎物种群。其次,引入柯西变异策略更新种群,增强算法的全局寻优能力。然后,运用纵横交叉策略对猎物种群进行修正,进一步提高算法搜索精度。最后,将改进后的海洋捕食者算法优化极限学习机的权重和偏置,构建了一种IMPA-ELM预测模型用于空气质量指数预测。实验结果表明,IMPA-ELM预测模型在空气质量指数预测精度上有所提高。     

基于小波能谱熵和改进ELM的转辙机故障预测

为了进一步提高铁道转辙机故障预测精度和维修效率,提出了一种基于小波能谱熵和改进极限学习机(Extreme Learning Machine, ELM)的转辙机故障预测方法.首先,将采集到的转辙机功率数据用完备集合经验模态分解方法进行预处理;然后,计算各个固有模态函数的小波能谱熵值,通过核主元分析原理方法将多维特征数据降至1维,构建转辙机的退化性能指标,得出失效阈值;最后,利用自适应鲸鱼优化算法对ELM预测模型的权值和阈值进行全局寻优,以获得最优的预测模型,实现对转辙机故障趋势的预测.用Matlab软件对新方法进行实例分析,并与支持向量机和ELM模型进行对比.仿真结果表明,与传统预测模型相比,基于改进ELM模型均方误差更接近于0,决定系数更接近于1,表明该模型预测精度更高,性能更佳,证明了该方法应用于转辙机故障预测的可行性.     

基于改进ABC-LSSVM的浆体管道临界淤积流速预测

针对浆体管道的临界淤积流速存在预测难度高且计算较为复杂的问题,本文引入改进的人工蜂群算法(ABC)优化最小二乘支持向量机的方法对其做出了预测.为平衡算法的局部搜索和全局搜索性能,改进后的算法中的蜜蜂参考了雇佣蜂全局当前最优解和个体当前最优解的搜寻方式来展开寻优.通过实验仿真,结果表明:利用所提出的方法相比常规预测方法得到的预测效果更加精确,其均方根误差、平均相对误差以及平均绝对误差值仅分别为3.05%、1.00%和2.06%.同时,优于传统的临界淤积流速经验计算公式.     

以原子半径和电负性预测玻璃形成能力

提出了一个基于合金组元原子半径和电负性判断非晶形成能力的方法. 建立了原子半径差与电负性差之比Δd/Δe与临界冷却速度Rc的数值模型,并在所有五种不同合金系中获得一致且开口向上的抛物线关系. 在此基础上,设计并制备了四种不同成分的Zr-Al-Ni-Cu金属玻璃,并测量它们的临界尺寸Zmax、过冷液相区间ΔTx和约化玻璃转变温度Trg. 结果表明,Zr54Al13Ni15Cu18的玻璃形成能力最佳,而且用Δd/Δe模型预测的四种金属玻璃的玻璃形成能力顺序与所有实测参数(包括Zmax、ΔTx和Trg)表征的顺序基本一致. 因此,用Δd/Δe的预测方法比较同一合金系内不同合金之间玻璃形成能力的优劣是可靠的.     

浮桥通载时吃水变化对锚纲张力和浮桥临界流速的影响

为了分析通载浮桥吃水改变和水阻力增加而导致锚纲张力改变的规律,以及锚纲张力引起桥脚舟绕浮心艏倾后降低浮桥动水稳定性的现象.利用经验公式计算了浮桥通载时吃水改变量对锚纲张力的影响,并采用等效偏心距方法计算了浮桥考虑艏倾时的临界流速.得出浮桥通载后吃水增加和水阻力增加将使锚纲张力大幅增加而浮桥临界流速略有降低的结论.同时,提出了浮桥在大流速下安全使用的若干措施.     

基于PCA-IBAS-ELM的海底多相流管道内腐蚀速率预测

海底多相流管道运输介质中油、气、水共存,极易发生化学反应引发一系列腐蚀问题。为预测其腐蚀速率,对管内腐蚀机理及影响因素进行分析,提出基于主成分分析法（PCA）和改进甲虫天牛须算法（IBAS）的极限学习机（ELM）预测模型。PCA 筛选腐蚀因素,降低预测模型的输入指标维数,IBAS优化ELM的关键性能指标--输入权值及隐层阈值,提升预测精度。为检验模型效能,以我国海南东部某海底油气管道50组数据为例进行研究,并与其他两种模型对比分析。结果表明：温度、pH值、流体流速和CO2分压是影响该类型管道腐蚀的关键因素,PCA-IBAS-ELM预测结果与实际值拟合度更高,其均方根误差（RMSE）,平均绝对误差(MAE)和平均绝对百分误差（MAPE）和均小于比较模型。 可见构建模型对于海底多相流管道内腐蚀速率预测具有优越性。