受火损伤对紫铜材料力学性能影响的试验研究

以紫铜材料为研究对象,对其进行模拟受火损伤试验和机械拉伸性能测试,分析不同热暴露工况条件和不同冷却方式对紫铜材料力学性能的影响,得到紫铜材料抗拉强度、伸长率与断面收缩率随受火温度和保温时间变化曲线。所做研究可以为火灾后紫铜制设备的损伤程度评估与合于使用评价提供参考。     

焊接钻模套的制造与检测

我厂用自制的专机加工曲轴上的斜油孔（见图1）,必须用钻模套导向。钻模套安装在钻模架里（见图2）,这样要求钻模套就比较长。由于钻模套在热处理时产生变形,热处理后的内孔加工,都是很难控制和不好加工的问题。为此,我们用焊接钻模套的方法,解决了这个问题。     

东海西湖凹陷玉泉构造成藏分析

从玉泉构造带成藏因素出发,根据已钻圈闭的油气情况,重点探讨了烃源岩、成藏期、侧向运移等问题,并对玉泉构造花港组侧向运移的影响因素提出新的看法。认为:挤压构造中褶皱陡翼存在的剪切节理的微错断是一个容易忽视的不利因素。并从构造带平面的侧向阻断因素分析中,提出玉泉南部存在两个有利的圈闭供下一步勘探目标选择。     

专用钻孔夹具

我厂加工的一种曲轴,主轴颈和连杆颈（曲柄销）都有径向油孔（见图1）。采用通常的加工方法划线,在交点处用冲子冲＂坑＂,然后在摇臂钻床上钻孔。这种方法生产效率低,而且钻出来的入孔和出孔相差1～2mm,达不到质量要求。为此我们设计了专用夹具,     

基于组态软件和仿真软件的层流冷却实验平台

针对热轧层流冷却过程的自动化系统及优化控制算法难以在实际运行环境中进行充分的调试和验证、基于仿真软件发的实验平台则脱离工业实际的监控与运行环境、购买硬件控制系统进行实物/半实物仿真价格昂贵等问题,本文提出了采用组态软件、工业控制器模拟软件、仿真软件混合编程开发层流冷却虚拟实验平台的方法。该平台采用C#语言开发参数优化子系统、组态软件开发管理监控子系统、工业控制器模拟软件运行回路控制程序、MATLAB软件开发对象模型子系统,通过OPC软总线等技术实现了各个子系统的无缝连接。本文最后采用实际工业数据验证了平台的有效性,表明其广阔的应用前景。     

基于更新样本智能识别算法的自适应集成建模

选择表征建模对象特性漂移的新样本对软测量模型进行自适应更新,能够降低模型复杂度和运行消耗,提高模型可解释性和预测精度.针对新样本近似线性依靠程度（Approximate linear dependence, ALD）和预测误差（Prediction error, PE）等指标只能片面反映建模对象的漂移程度,领域专家结合具体工业过程需要依据上述指标和自身积累经验进行更新样本的有效识别等问题,本文提出了基于更新样本智能识别算法的自适应集成建模策略.首先,基于历史数据离线建立基于改进随机向量泛函连接网络（Improved random vector functional-link networks, IRVFL）的选择性集成模型;然后,基于集成子模型对新样本进行预测输出后采用在线自适应加权算法（On-line adaptive weighting fusion, OLAWF）对集成子模型权重进行更新,实现在线测量阶段对建模对象特性变化的动态自适应;接着基于领域专家知识构建模糊推理模型对新样本相对ALD（Relative ALD, RALD）值和相对PE（Relative PE, RPE）值进行融合,实现更新样本智能识别,构建新的建模样本库;最后实现集成模型的在线自适应更新.采用合成数据仿真验证了所提算法的合理性和有效性.     

融合时/频信息的磨矿过程磨机负荷软测量

磨机负荷(ML)是磨矿过程的重要参数, 能否准确地确定ML状态及ML参数直接影响磨矿产品的质量、产量及设备安全. 针对实际生产中只能依据专家经验判断ML状态, 难以检测与ML及ML状态直接相关的ML参数的问题, 本文提出了融合时频信息的ML软测量策略和相应的软测量方法. 该方法首先求取磨机筒体振动及振声信号的频谱, 再采用自适应遗传算法—偏最小二乘(AGA--PLS)选择频谱特征, 然后融合时域电流信号, 基于PLS算法建立融合时频数据特征的ML参数检测模型, 最后通过规则推理模型判别ML状态. 通过实验球磨机的磨矿过程验证了该软测量方法的有效性.     

工业过程虚拟对象软件平台的设计与开发

针对复杂工业过程的对象难以在实验室建立及其仿真系统不能方便快捷开发的现状,提出采用组态软件及仿真软件混合编程开发工业过程虚拟对象软件平台。该平台采用前台界面层、中间通讯层、后台模型层3层结构,以多种可控数据交换方式实现前台界面与后台模型的无缝链接,制定二次开发规则,以平台程序为基础,可实现针对某一工业过程对象仿真软件的快速开发。最后以钢球磨煤机制粉系统的虚拟对象验证了平台的有效性。     

基于特征提取和极限学习机的软测量方法

针对建模数据存在的高维、共线性等特征,以及常用的基于人工智能的建模方法存在的模型结构难以确定、学习速度慢等缺点,提出了由基于主元分析(PCA)的特征提取和基于优化极限学习机(OELM)的建模算法两部分组成的软测量方法.采用PCA消除输入变量间的共线性并降低输入变量维数,以提取的线性无关的独立变量作为软测量模型的输入,从而简化模型结构.采用集成极限学习机(ELM)与支持向量机(SVM)算法优点的OELM方法作为建模算法,避免了ELM模型的随机性和SVM模型求解的复杂性.将特征提取方法与OELM方法结合后,提高了软测量模型的训练速度和预测性能.采用所述方法,对混凝土抗压强度的软测量问题进行了实验研究,验证了所提方法的有效性.该方法同时可以应用于基于雷达、光电等高维数据的目标识别,具有广阔的应用前景.     

磨机负荷检测方法研究综述

为促进磨机检测方法的工业化应用和深入研究,综述磨机负荷检测的主要研究成果.按检测方式将磨机负荷检测方法分为仪表检测法和非仪表检测法.将基本具备现场应用条件,但功能有限的仪表检测法,按检测原理又细分为压差法、振声法、振动法、功率法、超声法等方法.将处于实验室实验、离线研究阶段及借助工业计算机现场应用的非仪表检测方法分为基于磨机外部响应信号和多源信息融合的检测方法.针对每种具体方法,总结了其特征、研究现状以及应用前景.最后指出融合多源信号并结合专家知识、机器学习进行智能检测的软测量方法是未来磨机负荷检测的发展方向.