使用不同催化剂转产过程中淤浆法HDPE脱气仓结块原因分析

在英力士淤浆环管工艺高密度聚乙烯(HDPE)装置上,由采用钛系催化剂生产PE100级管材专用HDPE转换成用铬系催化剂生产的过程中,使用钛系催化剂的停车期间以及使用铬系催化剂的开车期间,粉料输送至低压闪蒸脱气仓都会产生块状的聚乙烯,严重影响装置的正常运行;通过对块状聚乙烯进行密度与凝胶渗透色谱分析,发现结块的聚乙烯主要为低相对分子质量、低密度的聚乙烯粉料黏结物。停车期间,将第一反应器氢气进料量降低50%,提前终止1-己烯进料,从而完全消除结块的形成。     

内热型超声雾化溶液再生系统最优内热量的研究

基于质量守恒、能量守恒定律，建立了内热型超声雾化溶液再生系统（IH-UARS）的再生性能预测模型并进行了充分的实验验证，通过研究不同内热量下IH-UARS的再生性能及其变化规律，寻求系统所需的最佳内热量并明确其可能的影响因素。结果表明：IH-UARS系统存在最优的内热量范围，使其再生系统性能最佳；所需最优内热量随着再生溶液流量增大呈显著的对数增长，但受空气流量的影响较弱；在该研究中的标准工况下，IH-UARS所需最优内热量约为275~350 W。此外研究发现：内热量的增长有益于促进初始浓度较高的溶液进一步浓缩再生，如当IH-UARS中内热量增至800 W时，其初始浓度为36%的溶液比24%的溶液浓度增量指标改善幅度高37%。研究所得结果可对提高溶液再生性能及经济性提供积极参考。     

基于变权与正态云理论的煤矿安全评价及应用

为准确对煤矿安全状态作出客观评价,综合考虑评估过程中指标的模糊性和状态随机性,构建基于变权与正态云理论的煤矿安全状态评估模型。结合正态云的数字特征量期望、熵、超熵组成的特定结构函数确定安全状态评判矩阵,得出各评价指标隶属于不同等级的确定度。同时为了避免常权方法确定权重的局限性及突出关键指标对综合评判结果的影响,引入变权理论对常权权重进行处理得到变权。结合实例研究,发现基于变权云理论评判方法对取值较差的指标作用不会被其他指标作用中和,可以有效地反映煤矿的真实安全状态,能够为煤矿的安全风险预测提供了一种技术途径。     

基于粗糙集融合最小二乘支持向量机的煤矿安全预警模型

针对煤矿安全影响因素多、各影响因素之间相互关联、样本信息采集困难等问题,分析了煤矿安全生产系统风险,从人员、设备、环境、管理四个方面构建了煤矿安全影响因素指标体系,基于粗糙集理论融合最小二乘支持向量机方法的提出了煤矿安全机预警模型,并以实测数据为例对该预警模型的计算结果进行了训练和检验。结果表明,粗糙集融合最小二乘支持向量机能够有效提高预警效率,反映各控制因素对煤矿安全的影响,计算结果与样本值拟合精度较高,对保障煤矿安全生产具有重要而现实的意义。     

基于SVM模型的胶东金矿成矿预测研究

本文系统结合前人研究资料，进行控矿要素分析，总结金矿成矿规律，采用支持向量机模型（SVM）进行深部隐伏金矿预测。首先根据研究区矿床类型，得知该区金矿床为造山型，矿床严格受构造、岩浆岩等方面控制。建立了勘查模型，Au、Ag两种贵金属元素经多重分形滤波（S-A）分离得到的背景和异常，进而将各勘查标志转换为证据图层，采用高斯、线性、双曲正切SVM、逻辑回归模型、朴素贝叶斯模型进行成矿预测，最终生成成矿潜力图和累计预测面积比例与累计预测矿床数量图，共圈定远景区5个。结果表明高斯、线性、双曲正切核函数的SVM模型逻辑回归模型相差无几，且均优于证据权模型，表明支持向量机是一种具有广泛的应用前景的成矿预测方法。     

基于支持向量机和磁记忆技术的管道缺陷深度的定量化反演研究

金属管道表面往往存在不同深度的腐蚀缺陷。金属磁记忆检测技术是目前唯一能对铁磁性构件的早期损伤进行诊断的无损检测技术,然而磁记忆原始信号本身并不能直接实现对管道腐蚀缺陷深度特征的定量化识别,进而无法实现对管道腐蚀程度的预警。针对该问题,采用支持向量机方法建立了管道缺陷深度的定量化反演模型,利用该模型对管道上深度为1~15mm的腐蚀缺陷进行了多次反演,反演结果的平均误差为2.398mm,平均均方根误差为3.205mm,结果表明,模型对管道腐蚀缺陷深度的定量化反演是可行的。研究结果可为该领域的研究提供一定的参考,且具有较高的实际应用价值。     

Optimal design and operation of ammonia decomposition reactors

The design and steady-state operation of a packed bed reactor with tubular geometry is optimized. Direct optimal control methods are used. Two objective functions are considered: (i) minimization of the ammonia mass fraction at reactor outlet and (ii) minimization of the heat flux necessary to reach a predefined value of the ammonia mass fraction at reactor outlet. The optimization process is performed by using different controls, that is, the space distributions of (1) tube wall temperature T_w , (2) circular tube diameter D_tube , and (3) diameter d_p of the catalyst spherical particles. Results for the first objective function are as follows. The optimal distribution of T_w along the reactor consists of a constant temperature or a U-shaped space temperature distribution, respectively, depending on the allowed range of variation of T_w . The optimal space distribution of D_tube (or, in other words, the shape of the reactor tube) depends of T_w . For smaller values of T_w the tube is narrower at inlet and larger at outlet while the reverse situation happens for larger values of T_w . For lower T_w values, particles with smaller diameter d_p are placed at reactor inlet while when higher values of T_w are considered, particles with larger d_p are placed at reactor inlet. When both D_tube and d_p are used as controls, the optimization results are generally different from the results obtained from one-control optimization. Results for the second objective function are as follows. The optimal space distribution of T_w starts with high values at reactor inlet. Next, the temperature decreases abruptly towards a minimum (which is lower for longer tubes). Finally, the temperature increases smoothly towards a maximum near the reactor outlet. The required heat flux slightly decreases by increasing the tube length. The optimal D_tube ranges between its maximum allowed value (at reactor inlet) and its minimum allowed value (at reactor outlet). The best performance is obtained for catalyst particles of the smallest allowed diameter.     

随机森林算法在温度分布重建中的应用

为提高温度分布重建精度,提出了使用随机森林算法对温度测点进行优化布置的新方法。 将测点位置作为样本特征, 以不同的测点布置方式及其对应的重建误差作为样本数据集。 使用样本数据集构建随机森林模型,评估样本特征重要性,根据 特征重要性排序实现温度测点的优化布置。 设定仿真实验与燃烧实验验证优化布置算法的可行性与有效性。 分析实验数据, 所提出的优化布置算法相对于原有算法,重建精度提升了 20%以上。 研究结果表明,随机森林算法在温度分布重建中具有良好 的应用价值,并为解决工业实际问题提供了新思路。     

基于SVM的煤与瓦斯突出预测模型及应用

为有效预测矿井内煤与瓦斯突出的危险程度,对其影响因素做了分析与探讨,分别构建了基于粒子群优化算法以及遗传算法支持向量机的煤与瓦斯突出预测模型,并且通过实例对两种模型预测的准确性进行了验证。分别利用单项以及综合指标、BP神经网络以及PSO-SVM模型、GA-SVM模型,对寺河煤矿二号井的突出区域进行预测比较。结果表明,PSO-SVM的预测模型不仅可以在小样本数据中预测出煤与瓦斯突出程度的大小,而且综合预测结果更加精确,其在解决矿井内煤与瓦斯突出的小样本数据中显示出更加强大、通用的性能。     

工业园区混合能源优化配置方法应用与实践

为了充分挖掘多能源之间的互补潜力,使工业园区混合能源系统的配置方式由传统粗放式转变为精确优化配置并降低系统配置方案的保守性,基于粒子群联合CPLEX求解算法对工业园区的系统配置和运行调度方案进行分析优化,并以某生物园区为例进行了实例分析,得到了目标函数下的最优设计方案和运行策略。仿真分析结果表明,优化配置方法的应用能够协调冷热电多种能源的混合利用,提升系统的综合经济性。同时,为工业园区能源供应项目的规划、设计提供参考性支撑,丰富设计手段。