乙炔加氢反应器的先进控制(Ⅰ)--动态机理模型的建立

从反应机理出发，建立为多变量预测控制服务的乙炔加氢反应器非线性动态机理数学模型，为该反应器的先进控制工程应用打下良好基础。对模型进行动态分析，对非线性模型进行集总化、线性化处理，得到工业上适用的线性化模型，将线性化模型与原始模型进行仿真对比及模型校验，仿真及验证证实了模型的有效性。     

数据模型化的分析准则

实验数据的准确、可靠的模型关联是对过程进行有效模拟和设计的基础。通过气体吸附平衡数据的模型化的研究，结合统计技术的分析，对各种吸附平衡模型的适用性进行了探讨，包括提出的吸附平衡模型。讨论了依据统计分析进行模型选择应考虑的几个问题。     

以LOM原型为基础的电铸载体选择

本文以LOM原型为基础，分别制作环氧树脂模型、硅胶模型、吸塑件模型石膏模型，并对这四种模型做电铸载体的可行性进行分析，在不影响电铸质量的前提下，根据不同结构特征可以选择合适的电铸载体。     

生态工业园区的MINLP模型

生态工业园区的设计和管理需要建立在定量分析的基础上，目前仍然是一个薄弱环节. 本文提出了一个引入逻辑表达式的生态工业园区模型，可以通过对一个混合整数非线性规划(MINLP)问题进行求解来获得有价值的参考信息. 模型可以分为成员模型和连接模型两部分，成员模型作为积木，通过连接模型搭建成不同拓扑结构的生态工业园区方案. 开发的生态工业园区模型具有良好的扩展性、可修改性、可重用性，可以作为生态工业园区决策系统的核心模型. 以山东枣庄市南工业区为对象进行了案例分析. 模型用非线性优化软件LINGO求解.     

用于Texaco气化炉同轴射流计算的不同湍流模型的比较

应用商业CFD软件Fluent，分别采用Spalart-Allmaras模型、标准k-ε模型、RNG k-ε模型、Realizable k-ε模型和RSM模型对气化炉同轴射流冷态实验台进行了数值模拟，并通过不同模型计算结果与实验结果的对比，讨论了各模型受网格质量、网格类型和边界条件的影响。通过对比发现，S-A模型和标准k-ε模型受网格质量影响最小，但准确性不高；RSM模型受网格影响较大；而RNG k-ε模型和R k-ε模型在网格划分合理的情况下，能够给出合理的结果。     

制碱工业生产过程的建模与仿真

针对60万吨的纯碱生产流程，建立了包括石灰石煅烧、盐水制备、盐水氨化和碳化、重碱煅烧以及蒸氨等过程基于物料平衡和能量平衡产率模型，以典型操作单元为例给出了建模细节说明，并利用工厂实际运行数据对模型的参数进行了拟合。提出了针对该模型的数据校正和MINLP优化目标函数。基于上述模型对纯碱的生产过程进行各种生产条件下制碱过程的物流和能耗的实际状态的仿真，与生产数据进行了对比，验证了模型的有效性。该模型是对制碱过程进行数据校正和过程优化的基础。     

基于深度神经网络的材料粘接裂缝识别

针对传统裂缝识别方法准确率低的问题，研究基于深度神经网络，设计一个Crack-CNN裂缝识别模型。根据CNN神经网络结构，利用CNN的特征提取和学习能力特性，将CNN应用于材料粘接裂缝识别中，然后将裂缝定位和CNN网络相结合，构建Crack-CNN模型，将裂缝图像输入至该模型中，通过CNN网络提取裂缝特征，并进行卷积、池化操作，再利用激活函数和全连接层进行特征分类，最终输出裂缝分类结果。结果表明，相较于传统裂缝识别模型，模型的训练和测试精度均保持在95%以上，模型的训练时间为3 825 s，远远低于VGG-13和ResNet模型。由此证明该模型性能好，可在材料粘接裂缝中取得较好的识别效果。     

浅谈石膏模型的干燥

１　前言石膏模型是卫生陶瓷注浆成形所必需的重要工具，其质量的优劣直接影响着卫生陶瓷产品质量的高低。如何提高模型质量、延长模型使用寿命的问题愈来愈受到国内外卫生陶瓷生产厂家的重视。笔者认为，模型干燥是陶瓷生产的一个重要环节，它对提高模型质量、延长使用寿命起着极其重要的作用。本文仅就模型干燥问题进行粗浅的探讨。２　石膏模型的干燥机理模型干燥主要是通过干燥介质与模型的热交换和水分交换而将模型中的自由水排出去。在模型干燥过程中，干燥介质———热空气使模型水分蒸发，同时降低模型表面的水分浓度，从而使模型表…     

基于IV-IOE-LR耦合模型的滑坡易发性评价——以云南省泸水市为例

开展滑坡易发性评价有利于提高当地滑坡风险管控水平。以云南省泸水市241个滑坡点为研究对象，选取高程、坡度、曲率、地形起伏度、坡向、岩组类型、断裂缓冲区、河流缓冲区、年均降雨量、道路缓冲区等10个影响因子构建滑坡易发性评价体系，将建模数据划分为70%的训练数据和30%的测试数据，分别利用信息量模型(IV)、信息量-熵指数耦合模型(IV-IOE)、信息量-逻辑回归耦合模型(IV-LR)和信息量-熵指数-逻辑回归耦合模型(IV-IOE-LR)进行了滑坡预测，并通过ROC曲线对模型准确性进行了检验，结果表明：4种模型的预测结果均较理想，A_UC值均大于0.7,3种耦合模型的效果明显优于IV模型，其中IV-IOE-LR耦合模型的精度最高，预测效果最好；对未参与训练的30%滑坡栅格进行预测精度分析，得到IV、IV-IOE、IV-LR模型和IV-IOE-LR模型的A_UC值分别为0.725、0.736、0.741、0.794,IV-IOE-LR模型较其他3种模型的预测成功率分别提高了9.5%、7.9%、7.2%。     

基于Simha-Somcynsky状态方程的高分子-溶剂体系扩散系数模型

将Simha-Somcynsky状态方程引入到Vrentas-Duda扩散系数模型，建立基于状态方程的溶剂在高分子中扩散系数模型。与原模型相比，改进的模型避免进行高分子的黏弹性实验测定，模型中高分子的相关参数仅由状态方程的特征温度和特征体积确定，提高了模型的预测能力。对苯、甲苯、乙苯、氯仿在聚苯乙烯、聚异丁烯和聚醋酸乙烯酯中的扩散系数计算结果表明，改进模型的预测值与实验值吻合较好。     

基于PLS的原油选择与混合优化研究

为降低原油采购成本和生产符合质量要求的产品,将原油的选择与混合看作一个整体,基于原油属性数据信息,采用偏最小二乘法建立原油选择与混合优化的非线性混合整数规划模型,应用分支定界算法对模型进行求解,并通过具体实例分析证实了模型和算法的有效性。     

基于自适应遗传算法的多变量系统近似模型设计方法

研究多变量系统近似模型设计方法中近似模型的选取问题,提出基于自适应遗传算法的最优近似模型选取算法。该方法是一种启发式智能选择方法,它改变了一直以来凭设计人员的经验选取近似模型的做法．使用方便,准确度高。所实现的基于近似模型技术的多变量系统鲁棒设计平台,集模型优化、系统分析和系统设计于一体,在工程上具有较大的应用价值。在自行研制的多变量系统设计平台中对一个参数不确定性工业对象的鲁棒系统进行设计,结果表明了该算法的有效性和实用性。     

基于渐近理论的两阶段过程辨识方法

提出了一种基于渐近理论的两阶段过程辨识方法：先用高阶模型得到无偏估计和频域方差;然后通过OE模型与MDL定阶法进行降阶处理。它将多变量模型结构辨识转换为易于实现的单变量问题,同时通过模型频域方差进行模型验证,解决了传统多变量辨识方法的阶次估计及模型验证难的问题。采用多通道测试信号,测试时间短,对装置生产影响小。应用实例表明了算法的有效性。     

基于动态规划的油气管网路径优选

油气管网路径优选的目标是使油气管网的运行费用最低,以管网系统输送的总费用最小为目标函数,建立路径优选的数学模型,并应用动态规划法进行了求解.具体实例表明,应用动态规划能够对油气管网的运行管理进行优化,确定运行费用最低的输送路径及最小运行费用.     

选煤厂重介质旋流器的选型

分析了几种常用重介质旋流器选煤工艺的选型计算方法,通过与现场实际使用情况进行对比,表明处理量与旋流器直径D2.5成正比,经适当修正后的庞学诗生产能力计算法更适用于选型;指出了不同类型、产地的旋流器选型应区别对待。     

离心泵选型不当对机械密封的影响

介绍了心泵选型及使用不当对机械密封的影响,提出了具体的整改措施,取得了良好效果。     

基于渐进黑箱理论的多变量辨识方法

为克服传统单变量开环阶跃测试法测试时间长和误差大的缺点,提出一种基于渐进黑箱理论的多变量辨识方法.针对辨识的几个基本问题:测试信号的设计、模型结构的选择、模型阶次的判别和参数估计,进行了全新的设计.采用平移的方法,把一个周期较长的伪随机二进制序列平移若干次,从而得到若干个近似两两互不相关的伪随机二进制序列作为多变量测试信号.选取高ARX模型作为参数模型,并用输出误差(OE)模型进行降阶模型的参数估计,降阶模型的阶次由最小描述长度(MDL)准则来判别.实例仿真的结果表明,用该方法解决多变量辨识问题,能减少测试时间,降低测试期间对设备产生的干扰,辨识的结果也优于常规辨识法.     

基于多元线性回归与滚动窗的NO_x排放量软测量

提出一种基于多元线性回归与滚动窗的NO_x动态软测量建模方法,并研究模型更新周期和不同变量选择方法对软测量模型预测结果的影响。仿真结果表明:基于BIC向后剔除多元回归和滚动窗方法的软测量模型在运行较长时间后,仍然能够较好地预测NO_x的排放量。     

机器学习在多相反应器中的应用进展

准确理解并精确预测多相反应器内复杂的流体力学特性、传递现象及反应特征,是过程工程领域的热点方向之一。随着试验测量技术及高性能计算机的快速发展,研究者可以获取高精度的多维瞬态流场数据集。近十年来,机器学习作为一门新兴学科,越来越广泛地应用于数据挖掘、图像识别、智能控制等领域。本文概述了几种常用的机器学习方法（包括神经网络模型、支持向量机模型、决策树模型、聚类算法模型等）,总结了机器学习模型的构建过程（包括数据集的建立、特征变量的选择、算法框架的选取、模型参数的调优、模型验证与测试等）,综述了机器学习辅助多相反应器中流场本构模型构建、流场图像重构、流型识别、流场关键参数预测及优化、不确定度分析、数字孪生技术平台等方面的应用进展,剖析了机器学习结合多相反应器领域所面临的挑战,展望了机器学习在多相反应器中可能有待拓展的方向。     

Selected Aspects of Developing a Simulation Model of a Spouted Bed Grain Dryer Based on the Eulerian Multiphase Model

This article discusses the key aspects of developing a simulation model of a spouted bed grain dryer for an analysis of fluid dynamics. The following aspects have been analyzed: selection of computational space, type of geometry and computational grid, configuration of the mathematical model (based on the Eulerian multiphase model) through the selection of “closures,” turbulence modeling, the simulation model's sensitivity to changes in phase and flow parameters, as well as the configuration of numerical parameters. The presented study makes reference to an earlier experiment carried out by the author, and it sums up the author's previous work in the modeling of a spouted bed grain dryer. This article presents a synthetic overview of the problems that are frequently encountered in the process of developing simulation models of a spouted bed grain dryer and proposes several solutions.