Zone model predictive control for pressure management of water distribution network

In the water distribution network (WDN), although the water demand of the node is changing constantly, the water quantity and water pressure of the node need to be met at each moment. To realize energy saving and consumption reduction, it is proposed to control the nodal water head of WDN in an appropriate narrow range. The frequent large fluctuation of the water demand, which may lead the water pressure exceed the expected range, increases the difficulty of the zone control. To realize optimized WND control, a novel zone predictive control is proposed, where two switching cases are considered. The switching condition is whether there are feasible solutions to keep the pressure within the expected region over the prediction horizon. When the condition is satisfied, the controller minimizes the variation of inputs with constraints of pressure range for ensuring the tank level staying within the expected zone and obtaining optimal economic cost. When the current pressure is out of the expected region or the condition is not satisfied due to the large variation of water demand, a reference trajectory of outputs is introduced, which is combined with the inputs as an optimization variable, and the constraints of expected zone are moved from the output to the introduced reference trajectory. Through minimizing the distance between reference trajectory and output, the controller will keep the tank level from deviating too far from the expected zone and will drive the tank level rapidly into the expected zone once the tank level exceeds the expected range. An application of the proposed zone MPC to WDN in Shinan District of Shanghai is given to illustrate its effectiveness.     

空冷器用高压水清洗与雾化降温系统集成设计与开发

高压水清洗系统和喷淋降温系统分别是春季保持空冷器翅片表面清洁和夏季保证空冷器在高温下正常运行的2个重要辅助系统。针对喷淋系统的缺点研究了高压射流雾化技术,通过试验论证了高压水清洗与雾化降温系统集成的可行性和合理性。根据设计思路开发的集成系统已在山西某项目获得应用并取得了良好的使用效果,此高压水清洗与雾化降温集成系统中高压水发生装置及介质输送管路共用,产生的高压水射流雾化颗粒可达到60μm,夏季降温效果较传统喷淋降温效果大幅提升,水资源的利用率得到极大提高,系统性价比更高。     

矿用直线振动筛结构故障分析

针对煤矿选煤厂直线振动筛工作过程中出现的结构故障问题,采用有限元仿真与现场测试结合的方法对振动筛出现故障的原因进行了分析研究。介绍了振动筛的主要结构及常见故障,并以某矿选煤厂发生大梁断裂的振动筛为例,对该振动筛进行三维建模和有限元模态分析,分析结果表明:随着模态阶次的增加,振型的变化逐渐由移动转为结构本身的扭曲变形。在该振动筛空载工作状态下,选用本质安全型便携式测振记录仪进行振动测试并处理测试信号,得到该振动筛的工作频率。结合模态分析结果和实际测试结果,判断出空载时频繁运行振动筛是造成其大梁断裂的主要原因。根据故障原因给出维护建议:应当尽量避免振动筛在空载或物料较少的状态下长时间运行;在振动筛投入使用前,应预先了解振动筛的工作状态及可能存在的薄弱环节,尽可能避免结构故障,保证振动筛可靠运行。     

精细注水配套工艺技术优化研究

本文通过对注水配套工艺的优化研究,有效提高奈曼油田分注率和配注合格率,提高精细注水开发效果。     

浅析火力发电厂汽水系统中内径管与外径管的设计选择

按照管道加工工艺的不同,管道可分为内径控制管和外径控制管。通过热轧工艺生产的外径控制无缝钢管,可满足火力发电厂汽水系统中绝大部分管道的使用要求。对于超(超)临界机组的主蒸汽和高温再热蒸汽管道采用的P91/P92材质的大口径厚壁无缝钢管,由于对材料性能和加工工艺有特殊要求,因此宜采用内径控制管。     

中国钢化联产发展现状与前景展望

中国是一个钢铁生产大国,也是一个油气资源相对不足、煤炭资源相对丰富的国家。基于中国能源结构的实际情况,结合钢铁行业和化工行业的发展现状,讨论了钢铁生产各个工序煤气的发生与使用情况,并对钢铁流程副产煤气合成化工产品的现状与潜力进行了分析,指出了存在的问题。结合分析结果,提出了未来可再生能源廉价制氢发展达到一定阶段,钢铁联合企业可以通过“以氢固碳”实现钢铁生产大规模减少CO₂排放的目标,提升其清洁能源转化与高附加值化工产品生产的社会功能。最后,对未来中国钢化联产的发展提出了建议。     

自动化立体仓库消防给水设施设计探讨

立体仓库采用智能化出入库管理,集自动入库、智能化储存和自动化出库于一体,物品高度集中,火灾负荷集中的建筑。立体仓库的消防给水设施是其中重要的消防设施之一,本文主要分析立体仓库消防水系统的设计及参数的选择。     

煤油气共生矿井底板油型气赋存特征及防治

为了提高煤油气共生矿井油型气灾害治理的科学性，以黄陵二矿为例，采用现场测试、钻探取芯、跟踪观测、地质分析等多种方法，研究了采掘工作面煤层底板油型气分布特征、涌出规律和运移机理，并初步探讨了底板油型气体灾害防治措施。结果表明:底板油型气涌出点多位于底板砂岩储层上倾尖灭端和砂岩透镜体附近，呈现不连续区带状分布特征，涌出的油型气主要来自富县组砂岩层，涌出的动力主要为地层流体压力差，底板油型气通过地层中存在大量的断裂和裂缝、微裂缝系统进入采掘空间，采掘扰动是底板油型气异常涌出的工程诱导因素。建议加强油型气综合探查技术、油型气灾害预测预报技术、油型气综合抽采技术和智能化矿井建设等方面的研究。     

大涡模拟Smagorinsky模型用于磨粒流精密加工喷嘴的质量控制研究

为研究固液两相磨粒流加工喷嘴小孔过程中的流场分布、涡旋形成规律及涡旋的存在对磨粒流加工的影响机制，采用Smagorinsky亚格子模型对磨粒流加工喷嘴小孔的流道进行大涡数值模拟，并使用磨粒流对变直径喷嘴工件进行加工试验。数值模拟发现磨粒流流体中磨粒与壁面的碰撞与剪切作用随流体的速度增大而增大，同一截面的速度存在速度差，其中还伴随涡旋的存在；通过试验研究发现：经固液两相磨粒流加工后的喷嘴小孔表面质量得到明显提高，喷嘴经过四次不同入口速度的磨粒流加工后大孔处表面粗糙度Ra由1.24 μm降至0.542 μm，小孔处表面粗糙度Ra由1.21 μm降至0.437 μm。结论显示固液两相磨粒流加工技术可有效提高被加工喷嘴工件的内表面质量，加工时同一截面的速度存在速度差，速度差的存在利于涡旋的形成，涡旋的存在利于提高磨粒流加工过程的剪切作用，有助于获得高质量的喷嘴小孔内通道表面。     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。