Large eddy simulation of a 660 MW utility boiler under variable load conditions

Large eddy simulation (LES) has become a promising tool for pulverized coal combustion with the development of computational fluid dynamics (CFD) technologies in recent years. LES can better capture the unsteady features and turbulent structures of coal jet flame than Reynolds averaged Navier Stokes (RANS). The coal-fired power plants in China are now required to be operated in a wide load range and quickly respond to the electric grid. The boiler performance of variable loads should be evaluated in terms of flow, heat transfer, and combustion processes. In this paper, LES was applied to simulate a 660 MW ultra-supercritical boiler under BMCR (boiler maximum continue rate), 75%THA-100, and 50%THA-100 conditions. The predicted gas velocities agree well with the thermal calculation and the temperature error is less than 130 K. The simulation results show that the operation load has significant effects on the boiler performance. It is also proved that LES can provide guidance for the design and operation of advanced coal-fired boilers.     

Prediction maintenance integrated decision-making approach supported by digital twin-driven cooperative awareness and interconnection framework

Predictive maintenance is one of the important technical means to guarantee and improve the normal industrial production. The existing bottlenecks for popularization and application are analyzed. In order to solve these problems, a cooperative awareness and interconnection framework across multiple organizations for total factors that affect prediction maintenance decision-making is discussed. Initially, the structure and operation mechanism of this framework are proposed. It is designed to support the sharing of data, knowledge and resources. As a key supporting technology, the digital twin is also integrated into it to improve the accuracy of fault diagnosis and prediction and support making a maintenance plan with higher accuracy and reliability. Then, under this framework, an integrated mathematical programming model is established with considering the parameter uncertainty and an NSGA-II hybrid algorithm is utilized to solve it. Moreover, an adjustment strategy for a maintenance plan is discussed in response to the dynamic characteristics of the actual maintenance environment. Finally, a case, prediction maintenance decision-making for bearings in grinding rolls of the large vertical mill, is studied. Analysis results verify the advantage of the integrated solving mechanism based on the proposed framework. The framework and integrated decision-making approach can guide the implementation of predictive maintenance with higher accuracy and reliability for industrial enterprises.     

小型模块式反应堆螺旋管蒸汽发生器设计和热工水力分析

近年来，国际上一体化小型模块式反应堆发展飞速，我国也正在加速研制一体化小型模块式反应堆。本文针对15 MW的一体化小型模块式反应堆，设计一种螺旋管式蒸汽发生器，共12个蒸汽发生器组件均匀分布在反应堆堆芯围板外侧和压力容器内侧壁的环形空间中，每个组件含5层、25根螺旋管，整个蒸汽发生器共300根螺旋管。给出了蒸汽发生器的具体参数，分析了蒸汽发生器组件中换热系数、温度、温差和热流密度等沿管长的变化，并给出了螺旋管内流体的动力特性曲线。     

变邻域量子烟花算法求解CVRP

针对带容量约束的车辆路径问题，提出一种融合量子进化算法和变邻域优化策略的变邻域量子烟花算法。该算法采用等分随机键与最大位置法结合的实数编码方式，通过量子旋转门和非门变异提高算法全局搜索能力，同时运用结合2-Opt的变邻域优化策略加强局部搜索能力。选取17个基准算例进行参数实验和对比实验，实验结果表明，相对于对比算法，所提出的算法具有较好的寻优能力和收敛速度。     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。     

基于强化学习的HP模型优化方法研究

蛋白质结构预测问题一直是生物信息学中的重要问题。基于疏水极性模型的蛋白质二维结构预测问题是一个典型的NP难问题。目前疏水极性模型优化的方法有贪心算法、粒子群算法、遗传算法、蚁群算法和蒙特卡罗模拟方法等，但这些方法成功收敛的鲁棒性不高，容易陷入局部最优。由此提出一种基于强化学习的HP模型优化方法，利用其连续马尔可夫最优决策与最大化全局累计回报的特点，在全状态空间中，构建基于能量函数的奖赏函数，引入刚性重叠检测规则，充分挖掘生物序列中的全局进化关系，从而进行有效与稳定的预测。以3条经典论文序列和5条Uniref50序列为实验对象，与贪心算法和粒子群算法分别进行了鲁棒性、收敛性与运行时间的比较。贪心算法只能在62.5%的序列上进行收敛，该文方法能在5万次训练后稳定的在所有序列上达到了收敛。与粒子群算法相比，两者都能找到最低能量结构，但该文的运行时间较粒子群算法降低了63.9%。     

菱铁矿直接还原-低阶煤提质一体化扩大试验

摘要：菱铁矿作为中国重要的铁矿资源，因具有“贫、细、杂”的特点，常规选矿工艺无法对其进行有效分选；此外，中国低阶煤通常被用作低级燃料直接燃烧使用，导致大气污染严重。因此，开发复杂难选铁矿石及低阶煤资源高效清洁利用新技术，将具有重要现实意义。以难选的低品位菱铁矿和难利用低阶煤为对象，开展菱铁矿直接还原与低阶煤提质一体化扩大试验研究。以神府烟煤为还原剂，在直接还原温度为1050℃，时间为120min，C/Fe质量比为250，脱硫剂配比为6%，干式磁选磁场强度为015 T，一段磨矿细度小于0074mm占50%左右，湿式磁选磁场强度为008 T，二段磨矿细度小于0074mm占90%左右，磁选磁场强度为0043 T的条件下，可获得直接还原铁（DRI）粉铁品位9103%、铁总回收率8133%的良好指标；同时每吨DRI固定碳质量分数为7611%的半焦产品产出率为1340kg，其质量达到工业及民用燃料兰炭Ⅰ级品标准。在煤基直接还原工艺中一步成功实现低阶煤半焦化提质和铁矿直接还原，不仅可制备电炉炼钢原料，还可以生产新型的清洁燃料半焦。     

基于优势学习的深度Q网络

强化学习问题中，同一状态下不同动作所对应的状态-动作值存在差距过小的现象，Q-Learning算法采用MAX进行动作选择时会出现过估计问题，且结合了Q-Learning的深度Q网络（Deep Q Net）同样存在过估计问题。为了缓解深度Q网络中存在的过估计问题，提出一种基于优势学习的深度Q网络，通过优势学习的方法构造一个更正项，利用目标值网络对更正项进行建模，同时与深度Q网络的评估函数进行求和作为新的评估函数。当选择的动作是最优动作时，更正项为零，不对评估函数的值进行改动，当选择的动作不是最优动作时，更正项的值为负，降低了非最优动作的评估值。和传统的深度Q网络相比，基于优势学习的深度Q网络在Playing Atari 2600的控制问题breakout、seaquest、phoenix、amidar中取得了更高的平均奖赏值，在krull、seaquest中取得了更加稳定的策略。     

基于分级存储的石油勘探地震处理应用研究

石油勘探中“两宽一高”采集技术的深入应用，对地震资料并行处理能力提出了更高的要求，针对存储对地震资料处理应用的影响进行研究。为提高各类应用的运算效率，设计并实现了基于SSD、集群NAS多级分层存储地震资料处理方法，针对高IOPS应用、大数据块并行应用进行算法流程级设计。通过DD与IOZONE基准测试、两种应用实际运行效果，验证了设计方案具备在地震资料处理中应用效率与性价比上的优势，适用于勘探数据中心地震资料处理，具有一定的普适性。     

基于卷积神经网络优化TLD运动手势跟踪算法

针对TLD（Tracking-Learning-Detection）算法在光照变化不均、遮挡严重、跟踪目标模糊等情况下会出现跟踪失败的问题，提出一种基于卷积神经网络优化TLD运动手势跟踪算法。选取手势特征作正样本，其背景作负样本，获取手势HOG特征并投入到卷积神经网络中加以训练，得到手势检测分类器，从而确定目标手势区域，实现手势的自动识别；再利用TLD算法对手势进行跟踪与学习，对正负样本进行估计检测并实时校正，同时运用SURF特征匹配更新跟踪器。实验结果验证，该算法对比TLD经典算法跟踪精度提高了4.24%，增强了运动手势的跟踪效果，相比经典跟踪算法拥有更高鲁棒性。