采用Aspen Plus软件对一氧化碳变换单元的模拟研究

煤制甲醇一氧化碳变换单元原设计根据温度梯度,回收热量副产4.1MPa、1.1MPa和0.46MPa蒸汽,借助Aspen Plus工程软件对已运行装置一氧化碳变换单元进行模拟校核。通过比较设计数据,变换系统的各流股数据与工艺包数据较为接近。可作为变换单元实际操作技术改造方案的比选和模拟计算的基础,对变换单元优化操作有一定的指导意义。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

SDN中基于KMOBPSO的高可靠性控制器部署算法

针对SDN中控制器系统的单节点故障问题,兼顾系统成本和系统时延,应用N+1冗余备份模型来提高SDN控制器部署的可靠性,并将其抽象为多目标优化问题.同时,提出了一种融合K-means聚类算法和遗传算子的多目标二进制粒子群算法——KMOBPSO算法,以求解SDN控制器高可靠性部署问题的解.仿真结果表明,所提算法具有求解精度高、分布均匀、沿Pareto前沿面覆盖广的特点,能够显著提高SDN中控制器部署的可靠性.     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

发电机组高效节能配置方案

通过对在网通信用发电机组的容量、数量配置现状、在网发电机组的健康状况等进行分析,结合中国电信节能减排-油机减容增效的指导思想,针对当前形势,提出通信用发电机组高效、节能的配置方案。     

炉前TMT三大机控制系统可靠性升级项目

首钢京唐公司一期1#、2#高炉有效容积5500m3,日最高产铁量13200t,平均每分钟产出铁水量最多为9.17t,为确保高炉正常生产,要求炉缸内的铁水数量不能超过安全容铁量,这就必须保证高炉将单位时间内生成的铁水全部及时地从铁口排出,否则就会造成高炉减风、停风,要将每分钟内生成的大约9t铁水及时排出炉外,单铁口出铁显然无法满足要求,这就需要一定时间内有两个铁口同时出铁,首钢京唐公司1#、2#高炉出铁场共设有4个出铁口,每个铁口每分钟出铁量大约4t^7t,因此4个出铁口就处于2用2修状态,因此,倘若有一个铁口的设备发生故障,也没有备用铁口出铁,在这种情况下,如果不能迅速地、及时地排除故障,都将造成高炉减风、停风;同时,这也要求炉前三大机系统有很高的稳定性及可靠性,这就要求我们对其系统功能进行完善,减小各类设备故障对系统造成的影响,确保高炉炉前的正常、连续生产。