垂直上升管内油气水三相流动摩擦阻力压降特性的研究

对垂直上升管内油气水三相流动摩擦阻力压降特性进行系统的理论研究,建立了泡状流、间歇流和环状流摩擦压力降的理论模型,并以35号润滑油,空气和自来水为实验介质,对垂直上升管内油气水三相流动各流型的摩擦阻力压降进行实验测量,最后实验结果与理论计算结果相吻合.同时在实验中得出了垂直上升管内三相流摩擦压力降在不同含水率和不同折算液速下随折算气速变化的关系曲线.     

一种改进的水平管气液两相流截面含气率预测模型

考虑了环状流液膜中含有气泡, 气芯中夹带液滴的情况, 根据S m i t h的环状流液膜动能与中间气芯动 能相等的假设, 提出了一个改进的截面含气率预测模型。实验结果表明, 对于水平管空气 - 水两相流, 在质量含气率 为0. 0 4 85~0. 7 9 60, S m i t h模型对于分层流误差为2 9. 2%, 环状流误差为1 8. 6%, 而改进模型对于分层流预测误差 1 0. 8 9%, 环状流误差为1 3. 3%, 大大提高了S m i t h模型的预测精度。     

水平管内油气水三相环状流截面含气率的研究

对水平管内油气水三相流中环状流的截面含气率进行了理论和实验研究。建立了平均截面含气率的计算模型。结果表明：影响水平管内油气水三相环状流的主要因素不仅包括气相折算速度和液相折算速度。油水混合物的含油率也起着一定的影响。     

油气水三相流模拟实验装置设计

介绍了油气水三相流模拟实验装置设计,应用流量计量检定系统理论,针对工业中尤其是油田开发中油气水三相流研究应用实验的问题,采用标准表法及静态质量法等计量方法进行设计研制,系统应用后取得了良好效果,其必将为油气水三相流研究的发展发挥更大的作用.     

常压塔顶换热器出口管道冲蚀特性的数值模拟

针对石化工业常压塔顶(常顶)系统中换热器出口管道的冲蚀失效问题,分别利用工艺仿真软件Aspen和计算流体力学软件,进行工艺计算和热器出口管道的三维流场数值模拟,得到多相流中腐蚀性介质的分布规律和流场结果。研究发现:管道内油气水三相流中均存在腐蚀性介质,其溶于水后形成的腐蚀性溶液对管道壁面产生腐蚀作用,生成的腐蚀产物保护膜在壁面剪切应力的作用下快速的脱落、再生,进而加速了管道的腐蚀破坏;流场中水相主要集中在管道的外侧,水相分率由外侧壁面至内侧壁面逐渐降低,在腐蚀性溶液聚集的外侧壁面,各弯管和直管段剪切应力沿流动方向逐渐增大;沿流动方向第四只弯管内侧由入口至30°之间区域、其它四只弯管外侧壁面沿流向30°至出口段和第三、四只弯管间直管外侧壁面,为水相分率和壁面剪切应力最大区域,即在腐蚀和流体剪切作用下失效的高风险区域,仿真结果与管道测厚结果基本吻合。     

牛顿-幂律流体两相分层紊流的水力特性研究

针对圆管中两相分层紊流流动的水力特性，利用一种新的研究方法——旋转坐标轴法，将圆管流的研究转化为平板流，籍此建立了新的牛顿-幂律流体圆管分层紊流流动模型，得出流动的解析表达式，并通过实验对模型进行了验证。给出了两相分层流以及单相管流的流量积分式，用以验证油气两相分层流是否能相对于石油单相管流实现减阻，为油气混输技术提供理论依据。     

变照度下的视觉测量系统误差建模

针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机（GA-LSSVM）,建立照度误差模型的方法. 分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律. 利用照度变化误差实验,获得照度和测量系统的误差数据,分别训练GA-LSSVM、支持向量机（SVM）以及BP神经网络,建立照度和测量系统误差模型,对系统测量误差进行预测. 结果表明：在变照度测量误差预测模型中,GA-LSSVM模型、SVM模型及BP神经网络模型的预测精度分别为94.90%、90.23%及80.60%. 这表明遗传算法优化的最小二乘支持向量机建立的变照度误差模型,在拟合和预测精度上优于传统的BP神经网络.     

水平管内油—气—水三相流流型特性研究

对水平管内油－气－水三相流流型进行了实验研究,采用压差波动法区分流型。结果表明：水平管内油气水三相流动流型可分为油包水型泡状流、弹状流（间歇流）、分层流和环状流以及水包油型泡状流、弹状流（间歇流）、分层流和环状流。得到了含油率为０．２５,０．５,０．７５下的流型图。     

智能电网中电力负荷短期预测数据挖掘模型

依据数据挖掘理论对数据进行收集、整合,运用改进型BP神经网络模型处理数据,建立电力负荷模型进行短期预测.通过不同精度下的实验分析,结果表明,改进型神经网络负荷预测模型在高精度下预测结果优于低精度下预测结果,最大误差同比降低80%,适用实际负荷预测.     

WellFlo与PIPESIM管流关系式预测结果对比分析

根据误差分析方法建立多相管流关系式综合评价模型,该模型包含了3个衡量误差的性能指标.利用中海油锦州地区、渤中地区及平湖地区116井次实测数据分别对WellFlo和PIPESIM软件多相管流关系式进行评价,并对其预测结果进行对比分析,结果表明:依据各地区性能最佳的关系式比较,PIPESIM较WellFlo软件管流关系式预测结果略好；但从排在前9位的WellFlo软件均占6位看,WellFlo软件管流关系式预测结果较PIPESIM软件略好.     

Establishment of constitutive relationship model for 2519 aluminum alloy based on BP artificial neural network

An isothermal compressive experiment using Gleeble 1500 thermal simulator was studied to acquire flow stress at different deformation temperatures, strains and strain rates. The artificial neural networks with the error back propagation（BP） algorithm was used to establish constitutive model of 2519 aluminum alloy based on the experiment data. The model results show that the systematical error is small（δ=3.3%） when the value of objective function is 0.2, the number of nodes in the hidden layer is 5 and the learning rate is 0.1. Flow stresses of the material under various thermodynamic conditions are predicted by the neural network model, and the predicted results correspond with the experimental results. A knowledge-based constitutive relation model is developed.     

应力状态下混凝土碳化深度的神经网络预测

为计算应力状态下预应力混凝土在一定条件下的碳化深度,将混凝土应力水平取为影响碳化速度的参数.在已有试验结果的基础上,分别建立了预应力混凝土碳化深度实用计算模型,以及BP网络、径向基函数(RBF)网络和广义回归(GRNN)网络的三个神经网络预测模型,并通过实例将碳化深度试验值、实用公式计算值及神经网络预测值进行了比较分析.结果表明:考虑混凝土应力水平对碳化深度的影响是合理的,试验回归得到的实用碳化模型计算误差在9%以内;同时,所建立的BP、RBF以及GRNN网络模型均具有较高的计算精度以及良好的泛化能力,仿真和预测误差基本上在5%和4%以内,均低于实用计算模型的误差值.由此可见,所建神经网络模型的仿真及预测结果是理想的,可同时考虑各种影响因素组合、行之有效的混凝土碳化深度预测方法.     

配电网三相潮流的简化分析

为了减少配电网三相潮流分析的计算量,提出了配电网的三相双方向等效电压降落模型,该模型考虑了互阻抗参数的影响,把馈线段上所有的三相负荷用一个三相等效负荷表示,然后使采用简化模型得出的馈线段端部的电压降落与未简化馈线模型计算的电压降落相等,令简化后馈线段总阻抗与简化前总阻抗相等,并利用配电网的馈线段沿线电压幅度和相位变化不大的特点,推导出双方向等效电压降落模型中的各项参数,该模型确保了在馈线段相互连接构成配电网络后,仍能得到精确度很高的馈线段端点电压的计算结果。在此基础上进一步提出了计算馈线段上各个负荷点处的三相电压和各支路线损的递推公式。文中给出了一些算例,并与严格潮流计算方法进行了比较,结果表明提出的简化方法的近似精度高,并且在应用到基于遗传算法和模拟退火算法等随机优化算法的配电网络重构时,可大大提高潮流计算效率。     

A computational fluid dynamics investigation of a novel flooded-bed dust scrubber with vibrating mesh

This work proposes a vibrating mesh screen as an alternative to the static mesh screen currently used in conventional flooded-bed dust scrubbers for removing airborne coal mine dust in the continuous mining environment. Fundamental assessments suggest that a vibrating screen may improve the dust collection efficiency of scrubber systems and mitigate the clogging issues associated with the conventional design. To evaluate this hypothesis, computational fluid dynamics (CFD) simulations were carried out to assess the effects of vibration conditions (i.e., frequency and amplitude) on the dust particle-mesh interaction and mesh wetting conditions, which are the two decisive factors in determining the dust collection efficiency. The results suggest that the vibrating mesh screen can enhance dust particle collision opportunities on the mesh and increase mesh wetted area as compared to the static mesh screen. The effects of mesh screen aperture, coal dust concentration, and spray nozzle flow rate on the performance of the vibrating mesh are also evaluated. Finally, a simplified three-phase flow simulation including airflow, dust particles, and water droplet spray is performed, and the results reflect a significant improvement of dust collection efficiency in the liquid-coated vibrating mesh screen.     

基于BP神经网络的调和生物柴油黏度预测

调和生物柴油的黏度是影响其输送、储存和使用的重要特性参数,对其进行较准确的预测具有重要意义。本研究以生物柴油的组成、含量及温度为影响因素,采用BP神经网络模型分别对已发表的5~25℃范围内调和生物柴油的49和11个黏度数据进行了训练和预测。当平均相对训练误差在5%以下时,该模型的平均相对预测误差为1.36%。此结果表明,该模型能较好地预测调和生物柴油的黏度。     

基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（ResNet）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性;利用长短期记忆循环神经网络来捕获交通流量数据的时间特征;利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果;最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

Three-phase flow of submarine gas hydrate pipe transport

In the hydraulic transporting process of cutter-suction mining natural gas hydrate, when the temperature-pressure equilibrium of gas hydrate is broken, gas hydrates dissociate into gas. As a result, solid-liquid two-phase flow(hydrate and water) transforms into gas-solid-liquid three-phase flow(methane, hydrate and water) inside the pipeline. The Euler model and CFD-PBM model were used to simulate gas-solid-liquid three-phase flow. Numerical simulation results show that the gas and solid phase gradually accumulate to the center of the pipe. Flow velocity decreases from center to boundary of the pipe along the radial direction. Comparison of numerical simulation results of two models reveals that the flow state simulated by CFD-PBM model is more uniform than that simulated by Euler model, and the main behavior of the bubble is small bubbles coalescence to large one. Comparison of numerical simulation and experimental investigation shows that the values of flow velocity and gas fraction in CFD-PBM model agree with experimental data better than those in Euler model. The proposed PBM model provides a more accurate and effective way to estimate three-phase flow state of transporting gas hydrate within the submarine pipeline.     

Prediction of 2A70 aluminum alloy flow stress based on BP artificial neural network

Recently ,withtherapiddevelopmentofthecompu tationtechnique ,thefiniteelementmethodisappliedmoreandmoretothenumericalsimulationofthemetalformingprocess .Therelationshipbetweenflowstressanddeformationconditionssuchasstrain ,strainratesandtemperatures,whichembodiestheresponseofamaterialtothedeformationparameters ,isveryimportantforthenumericalsimulationbyfiniteelementmethod .Butduringthehotdeformationprocess ,therearemanyfactorsthatinfluencetheflowstressofthemetal .Theeffectsofthesefactorsonthef…     

自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度,针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题,提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力,结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心,进而优化神经网络结构。通过路网真实交通流数据进行训练,选择常用于短时交通流预测的BP神经网络,RBF神经网络,广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。