基于IWO-ESN的网络流量预测研究

为了提高网络流量的预测精度,针对ESN网络预测结果易受谱半径SR、神经元个数N、输入单元尺度IS、连接稀疏度SD以及嵌入维数p等参数的影响,利用IWO算法收敛速度快的特点对ESN模型参数进行优化。研究结果表明,IWO-ESN可以有效提高网络流量的预测精度,同时可以对ESN网络模型参数和嵌入维数p进行自适应选择,为网络管理优化和拥堵控制提供决策依据。     

生物氧化工艺中温度的影响与控制实践

生物氧化工艺常用来对难处理金矿石进行预处理,细菌最适宜温度40℃～44℃。细菌对环境温度反应敏感,温度过低会影响细菌生长及硫化物氧化率;温度过高又会使细菌失去活性,甚至死亡。生产中常设置冷却或加热系统使氧化槽保持最适宜的温度范围,保证细菌的氧化速度。以锦丰矿业公司生物氧化BIOX~?工艺生产实践为例,介绍了BIOX~?工艺流程及原理,分析了温度的影响及控制方法,总结了BIOX~?工艺近年来的温度变化,并分析了温度升高的原因,给出了清除冷却系统垢质、降低温度的方式,为其他黄金生产企业生物氧化工艺温度控制提供了有益借鉴。     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。     

微生物降解低阶煤的光氧化预处理工艺条件优化

利用旋转床光化学反应器光氧化预处理低阶煤(内蒙古胜利褐煤),再采用黄孢原毛平革菌降解光氧化煤,以降解煤液的A_(450)值为考核指标,采用正交实验优化光氧化预处理工艺条件。结果表明:煤样粒度、紫外灯功率和氧化时间对褐煤光氧化效果的影响极显著,马达转速对褐煤光氧化效果的影响较显著;最佳工艺条件为:煤样20 g、氧气流量200 mL·min~(-1)、通氧时间40 min、煤样粒度(-0.15+0.075) mm、紫外灯功率150 W、马达转速120 r·min~(-1)、氧化时间42 h。     

硫化物预处理方法研究及测定中的质量保证

针对水和废水中硫离子的特点,设计制作了测定硫化物的酸化—吹气—吸收预处理装置,并验证了该装置对硫化物的回收效果,简化了原来的预处理方法。总结分光测定过程中注意的若干事项,确定了最佳实验条件,使该方法具有更准确、简便、快速的特点。