基于LSTM神经网络的乘用车能耗预测

为改善当今石油供需矛盾和环境问题,针对乘用车提出了基于LSTM神经网络的燃油乘用车能耗预测模型。通过纵向动力学建模并匹配相应车型进行求解,结合GB/T 38146.1行驶工况数据,得出能耗随时间的变化率。构建LSTM神经网络架构,根据处理后的数据样本,对LSTM神经网络进行训练和评价。最后,通过LSTM神经网络和BP神经网络的仿真对比表明,随着迭代周期的增加,LSTM神经网络模型具有更高的精度,对能耗预测的准确性较好,对改善无人驾驶车辆的节能减排具有工程应用价值。     

原油集输系统能耗分析软件开发与应用

油田进入高含水、特高含水开发阶段后,运行效率降低,系统能耗升高,原油生产成本呈逐年上升趋势,必须进行能耗分析,优化工艺流程。研究开发原油集输系统能耗分析软件,对于控制原油生产中能耗上升,降低原油生产成本,实现油田地面工程高效、低耗运行和科学管理将起到重要作用。以大庆油田第三采油厂以北二二脱水站为例,对其集输系统用能现状和能损分布规律进行了研究,结果表明此软件分析结果准确高效。     

SiO2气凝胶改性岩棉复合材料的制备及性能

分别以酚醛树脂-岩棉纤维毡(PR-RWF)、丙烯酸酯类树脂-岩棉纤维毡(ACR-RWF)2种不同纤维取向的岩棉纤维毡作为增强体,制备SiO₂气凝胶改性岩棉复合材料,即PR-SiO₂-RWF和ACR-SiO₂-RWF复合材料。研究溶剂置换时间对复合材料密度和热导率的影响,研究纤维取向对材料压缩强度、抗撕裂强度的影响,探讨气凝胶对材料的疏水性、抗湿性的影响。结果表明：将溶剂置换改为湿凝胶静置24 h为最合适的工艺过程,且制得的SiO₂气凝胶改性岩棉复合材料具有低密度、低热导率以及良好的抗湿性的优点,PR-SiO₂-RWF复合材料的密度为0.136 g/cm³、热导率为0.024 59 W/(m·K),ACR-SiO₂-RWF复合材料的密度为0.116 g/cm³、热导率为0.014 97 W/(m·K),与复合前的岩棉纤维毡相比,热导率分别降低了31.9%和49.0%,短期吸水率分别降低了97.95%和95.10%。...     

融合信任机制和HBMO算法的WSN能耗均衡分簇方法

针对无线传感器网络(WSN)中的能耗和安全问题,提出一种融合蜜蜂交配优化(HBMO)算法和轻量级信任机制的WSN分簇方法(LWT-HBM).首先,将WSN分成若干个小区,通过HBMO算法选择各自最优的簇头;然后,构建分簇结构,根据簇头和基站的距离设置簇的大小.在簇头能量消耗殆尽前,会利用HBMO选择替代簇头,以此均衡网络能源.在选择簇头的同时,融入轻量级信任机制,根据直接信任和间接信任值来评估节点的可信任度,避免恶意节点被选择为簇头.同时给出了一种精确能耗模型用来计算系统的整体能耗.通过实验将此方法与LEACH和TBCMA方法进行比较,结果表明LWT-HBM方法具有更低的能耗,有效的延长了网络寿命.     

考虑期望间距的全速度差模型及其能耗

基于全速度差(full velocity difference,FVD)模型,通过考虑期望间距,提出了一种推广的车辆跟驰模型,即扩展的全速度差(extended FVD,EFVD)模型;并给出能量耗散的计算公式,对EFVD模型的能耗进行了研究。信号灯车队启动问题的模拟结果表明EFVD模型的启动延时时间和启动波速均在允许的范围内,加速度较优化速度(optimal velocity,OV)模型和FVD模型略小,且加速过程更贴近现实情况。车队刹车问题的仿真结果表明EFVD模型不会产生不切实际的减速度问题。通过车队碰撞问题的模拟,可知EFVD模型模拟的车头距大于车辆长度,避免了车辆的碰撞。车流扰动问题的数值模拟结果表明考虑期望间距的影响可以增强交通流的稳定性,在一定程度上抑制交通阻塞。能耗仿真结果表明,EFVD模型的能耗比FVD模型的能耗小。     

综合考虑公交相位优先和非公交相位补偿的单点信号优化方法

为降低公交车辆在交叉口的延误,同时兼顾社会车辆的通行效率,提出了一种综合考虑公交相位优先和非公交相位补偿的单点信号优化方法。首先,公交优先算法以交叉口的人均延误模型为目标函数,以遗传算法为求解工具,研究了绿灯延长策略ΔGt和红灯早断策略ΔRt的选取。然后,在实施公交信号优先的后续周期对非公交相位进行补偿,从而降低公交相位优先对社会车辆的影响。最后,以北京市朝阳路与高碑店北路交叉口为例进行验证。结果表明:优化后的交叉口人均延误明显降低,且非公交相位补偿策略使社会车辆的通行效率没有受到太大的损害。     

面向节能的阻塞混合流水车间调度问题建模

针对能耗目标的阻塞混合流水车间调度问题(HFSP-B),分别构建了考虑调整时间及不考虑调整时间的阻塞混合流水车间调度问题(MILP)模型.为了减少机床待机能耗,在MILP模型中考虑关机/重启节能策略.针对MILP模型,从目标函数、目标函数的线性化过程、决策变量和约束方程进行介绍.最后,通过对具体实例的求解,验证了所提MILP模型的有效性.通过对MILP所得最优解的分析,挖掘了阻塞因素对能耗目标的影响规律,有助于今后设计基于元启发式算法的近似算法.     

马铃薯升华干燥过程中的仿真研究

目的 为了了解马铃薯升华干燥效果和马铃薯的升华干燥时间,优化冻干过程,减少冻干能耗,采用COMSOL Multiphysics软件对马铃薯切片进行模拟。方法 综合利用传热学、传质学和有关学科知识,建立马铃薯切片在升华干燥过程中的物理模型和数学模型,模拟马铃薯片的升华干燥过程。结果 冰质量与初始时刻冰质量之比随着干燥时间增加逐渐减少,脱水速率随着干燥时间增加逐渐减小。考虑模拟忽略了蒸汽从切片四周流出的实际情况,导致冰质量与初始时刻冰质量之比实际值小于模拟值,脱水速率实际值高于模拟值。实际上升华干燥能除去马铃薯切片85%以上甚至90%以上的水分,干燥效果较好。随着马铃薯切片厚度的增加,马铃薯切片的升华干燥时间逐渐增大。马铃薯升华干燥时所处的冻干仓温度越高,升华干燥完成时所用的时间越少。冻干仓压力越大,马铃薯升华干燥时间越长。隔板温度越大,马铃薯的升华干燥时间越短。结论 在对马铃薯进行冻干时,应尽量增加冻干仓温度,降低冻干仓压力,增加隔板温度,减小马铃薯厚度,以降低马铃薯在冷冻干燥过程中的能耗。     

基于AP-BP神经网络的建筑能耗分析与预测

建筑行业对能源的节约是当前节约能耗的重要途径之一,在对能源浪费现状和建筑物能源绩效调研和分析的基础上,提出了一种基于affinity propagation（AP）聚类的back propagation（BP）神经网络建筑能耗分析与预测方法。通过AP聚类算法对影响建筑能耗的多维因素进行聚类分析,得到影响建筑能耗的主要因素并作为BP神经网络的输入,然后将建筑能耗指标热负荷和冷负荷作为BP神经网络的输出,建立建筑能耗分析与预测模型。均方根误差（RMSE）和平均相对泛化误差（ARGE）评价指标分析结果表明,本文所提方法对能耗值预测的拟合程度优于经典的BP神经网络,且通过建筑能耗输入输出的结构调整能够节约能耗,提高能效。     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。