Total Site Hydrogen Integration with fresh hydrogen of multiple quality and waste hydrogen recovery in refineries

This paper proposes a novel method combining Pinch Methodology and waste hydrogen recovery, aiming to minimise fresh hydrogen consumption and waste hydrogen discharge. The method of multiple-level resource Pinch Analysis is extended to the level of Total Site Hydrogen Integration by considering fresh hydrogen sources with various quality. Waste hydrogen after Total Site Integration is further regenerated. The technical feasibility and economy of the various purification approaches are considered, demonstrated with a case study of a refinery hydrogen network in a petrochemical industrial park. The results showed that fresh hydrogen usage and waste hydrogen discharge could be reduced by 21.3% and 67.6%. The hydrogen recovery ratio is 95.2%. It has significant economic benefits and a short payback period for Total Site Hydrogen Integration with waste hydrogen purification. The proposed method facilitates the reuse of waste hydrogen before the purification process that incurs an additional environmental footprint. In line with the Circular Economy principles, hydrogen resource is retained in the system as long as possible before discharge.     

Generating Questions Based on Semi-Automated and End-to-End Neural Network

With the emergence of large-scale knowledge base, how to use triple information to generate natural questions is a key technology in question answering systems. The traditional way of generating questions require a lot of manual intervention and produce lots of noise. To solve these problems, we propose a joint model based on semi-automated model and End-to-End neural network to automatically generate questions. The semi-automated model can generate question templates and real questions combining the knowledge base and center graph. The End-to-End neural network directly sends the knowledge base and real questions to BiLSTM network. Meanwhile, the attention mechanism is utilized in the decoding layer, which makes the triples and generated questions more relevant. Finally, the experimental results on SimpleQuestions demonstrate the effectiveness of the proposed approach.     

增材制造技术在超高膨胀封隔器中的应用

石油和天然气行业不断关注增材制造技术在航空航天和汽车行业的应用发展。研发了利用增材制造技术的超高膨胀封隔器,该封隔器的支承环系统由增材制造。增材制造设计大幅减少了支承系统的构件数量,同时显著提高了膨胀能力和额定压力。密封元件系统与增材制造支承环安装在一起,提供了极端膨胀比、零挤压间隙和对不规则孔的良好适应性。分析和测试结果表明:直径膨胀比高达111%,与常规封隔器相比,提高50%以上; 至少涵盖5种线重的套管(外径相同); 在148.89 ℃的温度下,密封元件能够保持压力68.95 MPa。介绍了增材制造技术、增材制造支承环概念、增材制造材料力学性能、密封元件系统优化和测试情况,以期给我国的完井作业提供借鉴。     

基于粒子群优化算法的五自由度机械臂轨迹规划

为了让机械臂的工作时间达到最优,以自主研发的抛光机器人样机为研究对象,针对手表表壳表耳部分的抛光过程,提出PSO算法对五自由度机械臂轨迹规划进行优化,并通过MATLAB软件进行机械臂的仿真与分析。仿真结果表明,基于PSO算法的轨迹规划使机械臂在工作过程中加加速度不会产生突变,运动轨迹精度高,机械臂工作时间达到最优。     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

磁悬浮控制力矩陀螺高速转子的高精度位置控制

在受到陀螺效应、动框架效应等影响后产生的磁力非线性问题是磁悬浮控制力矩陀螺(MSCMG)高速转子位置精度下降的主要因素。为解决以上问题,提高转子位置精度,本文分析了转子所受磁力的特性,建立了转子系统非线性动力学模型,提出了神经网络滑模控制方法。设计滑模控制律,采用径向基函数神经网络逼近控制律中的非线性模型,自适应算法根据误差在线调整神经网络的权值,同时可以保证整个系统的稳定性。仿真和实验结果表明,所提出方法的转子位置精度达到99%,稳态误差为0.000 2 mm。神经网络滑模控制可以实现MSCMG转子系统的高精度位置控制。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

裸眼井中扩张式封隔器力学行为研究

封隔器在石油天然气开采中起着非常重要的作用,而扩张式封隔器在裸眼井中广泛应用。本文采用有限元软件建立了裸眼封隔器与地层的模型,对胶筒在坐封过程中与井壁接触应力的变化进行了研究,并研究了在不同摩擦系数下接触压力的变化,结果表明,建立粗糙井壁面能够更加符合实际情况,胶筒肩部为应力集中的区域,地层与胶筒的接触应力会随着摩擦系数的增加而减小。研究结果为裸眼扩张式封隔器的设计和改进提供了理论依据。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。