充液格栅结构抗射弹冲击数值模拟研究

为研究充液格栅结构抗射弹冲击性能,基于经验证的充液箱体抗射弹冲击动力学建模方法,建立典型充液格栅结构抗射弹冲击有限元模型,分析射弹初速度、充液比例、流体液面压力以及流体黏性等对冲击过程中射弹速度衰减变化规律、形成的空腔形态以及流固耦合作用下格栅结构前、后壁板变形的影响。结果表明:射弹动能损失与充液比例基本没有关系,但与射弹初速度、液面压力和流体黏性与射弹动能损失正相关;后壁板的变形程度大于前壁板的变形,壁板变形程度与充液比例、射弹速度和液面压力正相关;射弹冲击下,充液比例越高、射弹初始速度越高、液面压力越高、流体黏性越大,充液格栅结构越容易发生失效。     

板坯连铸机结晶器内钢液流动的数值分析

采用有限差分法和ｋ－ε湍流模型对板坯连铸机结晶器内钢液的流动进行了数值计算。分析了双侧孔浸入式水口射流角度。连铸速度，以及水口浸入深度等操作和设计参数对流场的影响。     

基于机器学习的地下水水质预测研究

基于实测的地下水水质数据（pH、总硬度、溶解性总固体、硫酸盐、氯化物、Fe、Mn 7种）和气象数据（平均气温、最低气温、最高气温、平均最低气温、平均最高气温、20:00—20:00降水量、日降水量≥0.1 mm的时间、最大日降水量8种）,分别使用BP神经网络、随机森林（RF）和支持向量机（SVM）构建了地下水水质参数的机器学习预测模型．对于每一种水质参数,分别使用不同的机器学习算法基于不同滞后期的数据进行模拟,将结果与实测水质进行对比,选择精度最高的机器学习模型及其对应的滞后期作为该水质参数的最优模型和最佳滞后期．结果表明,不同机器学习方法和滞后期的选择对预测精度影响很大,BP神经网络对pH（R2=0.225,RMSE为2.411）、总硬度（R2=0.503,RMSE为47.973 mg·L?1）、氯化物（R2=0.994,RMSE为0.544 mg·L?1）和Fe（R2=0.302,RMSE为7.772 mg·L?1）的预测精度最高,RF对硫酸盐（R2=0.908,RMSE为3.788 mg·L?1）和Mn（R2=0.522,RMSE为0.429 mg·L?1）的预测精度最高,BP神经网络、RF和SVM对溶解性总固体的预测性能均较好（R2=0.994~0.996,RMSE为674.660~950.470 mg·L?1）．此外,硫酸盐和Mn预测模型对应的最佳滞后期为0个月,溶解性总固体和氯化物预测模型对应的最佳滞后期为1个月,pH、总硬度和Fe预测模型对应的最佳滞后期为2个月．      

基于TCP/IP网络中多PLC通信的设计和实现

随着工业自动化的发展,在控制领域中PLC应用范围日益广泛,因此与上位机间的通信也越来越频繁。通常PLC同上位机间的通信方式是单线对等连接或通过PLC网络实现。文章提出了一种将上位机和多个PLC通过通信服务器组成通用TCP/IP局域网的方法,上位机以定期主动查询方式和PLC实行通信,介绍了上位机通信程序的设计和实现。     

基于最小二乘支持向量机对偶优化问题的核偏最小二乘

提出了一种基于对偶优化的核最小二乘(KPLS)方法,把KPLS用最小二乘支持向量机的形式表示.推导了KPLS对偶优化形式的公式,且使其具有最小二乘支持向量机的风格.在初始空间中构造优化问题,应用核技术在特征空间中解对偶问题,这种解与非线性的KPLS具有相似性.实验验证了这种方法的效果,表明了该方法的有效性和优越性.     

丙烯酸十八酯—丙烯酰十八胺对原油流变性的影响

研究了丙烯酸十八酯－丙烯酰十八胺共聚物对中原WC98－2井原油流变性的影响，探讨了降凝剂的筛选，不加剂和加剂原油的全黏温曲线的测定，重复加热和高速剪切对加剂效果的影响和降凝剂的改性效果的时效性，试验表明，降凝剂使原油的凝点和反常点降低，原油的牛顿流体温度范围变宽，并且使非牛顿流体温度下的黏度减小，但是，牛顿流体温度范围内的黏度基本没有变化，重复加热的温度高于原油的反常点100℃以上时，重复加热对降凝剂的改性效果没有显著影响，但是，重复加热温度低于原油的反常点，重复加热显著恶化降凝剂的改性效果，在原油的反常点以上，高速剪切对降凝剂的改性效果无明显的影响，在原油析蜡高峰区温度范围内高速剪切，将大大恶化降凝剂的改性效果。     

转炉炼钢厂钢包转运的物理模型

在对炼钢厂钢包转运过程进行解析中,给出了钢包运行时间因素的数学描述,提出了钢包转运过程的“柔性时间”概念和钢包使用个数的计算方法,同时,对钢包运行的优化进行了分析,建立了钢包转运的物理模型。     

基于特征选择和支持向量机的异常检测

为在提高检测率的同时保持较低的虚警率,提出一种不同于单一算法的基于特征选择和支持向量机的异常检测技术.首先用一个数据子集进行特征选择,通过构造函数来计算特征间的相似度,并在不失样本信息的前提下,完成会话样本的特征选择;然后对用于训练和测试的数据执行特征选择,剔除不必要的数据特征;最后利用支持向量机来判断入侵.仿真实验表明:与基于标准的支持向量机、基于tf×idf的支持向量机、基于tf×idf的神经网络及基于数据挖掘等的异常检测相比较,该方法具有更高检测率,同时其虚警率也更低.     

基于LS-SVM的电炉钢水温度预测

通过对LS-SVM的参数进行优选,使所建模型具有较强的拟合和预测能力．针对某厂实际生产数据,运用LS-SVM建立钢水温度预测模型,拟合和预测结果良好,表明该模型对实际生产具有指导意义．     

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法.通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理.通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好.