CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

高盐水条件下亚硫酸盐氧化特性实验研究

在“水十条”背景下，脱硫废水零排放已是大势所趋，利用烟气余热浓缩脱硫废水将脱硫废水减量化引起业内关注。在烟气预浓缩过程中有较少的SO₂转移至液相，产生SO₃ ^2-、HSO₃ ^-、SO₄ ^2-。其中亚硫酸盐性质不稳定，会影响后续处理。为探究此过程中高盐水条件下亚硫酸盐的氧化特性，通过氧化还原电位（ORP） 和溶解氧联合监控，对亚硫酸盐的氧化特性进行研究。研究发现：烟气含氧量促进亚硫酸盐氧化；脱硫废水浓缩倍率同ORP值呈正相关，有利于亚硫酸盐的氧化；烟气预浓缩过程中亚硫酸盐氧化情况较好，氧化率可达94.7%，不需要进行强制氧化。此研究对烟气浓缩过程中控制结垢及减少对后续处理的不良影响具有重要的价值。     

低温脱硝催化剂研究进展

在传统选择性催化还原技术（SCR）催化剂的基础上,分别以钒-钛系催化剂、固溶体催化剂和新型MnO _x 催化剂为重点介绍了近些年低温SCR催化剂的研究进展,综述了不同活性组分的复合型催化剂的制备方法、元素掺杂、反应机理和抗性等,并通过分析不同复合型催化剂的表征总结了催化剂的性能状况以及低温脱硝效率,着重阐述了新型MnO _x 催化剂所具有的优异脱硝特性,认为通过改性提高新型MnO _x 的抗水抗硫性将会成为该领域未来的发展方向和研究热点,最后介绍了不同负载体对新型MnO _x 催化剂的催化效率的影响规律,发现二氧化钛负载体具有良好的抗水性,三氧化二铝负载体能显著增强催化活性,二氧化铈负载体的热稳定性较好。     

基于灵敏度分析的直驱永磁风机并网系统小干扰稳定优化研究

通过分析风力发电系统的工作原理,建立了双脉冲宽度调制(PWM)控制策略下直驱永磁风机并网系统的数学模型。在此基础上,在静态工作点处对数学模型进行线性化处理,建立了相应的小信号数学模型。利用特征值灵敏度分析法直观地筛选出影响系统小干扰稳定性的关键因素。据此,从系统的设计角度出发,提出了风机并网系统参数的优化方案。结果表明,通过参数的优化,风机并网系统的稳定性得到了改善。     

氨法碳捕集耦合化工品生产实验研究

针对再生氨法碳捕集面临高昂的运行成本的问题,提出一种氨法碳捕集耦合化工品生产的新思路,分析了该过程的化学热力学趋势,而后通过模拟氨法碳捕集吸收溶液,利用Na2SO4与模拟吸收溶液中的NH4HCO3反应,得到制备Na2CO3的中间产物NaHCO3。实验结果表明,NH4HCO3浓度为2 mol/L时,NH4HCO3的转化率在50%~60%;NH4HCO3/Na2SO4的质量比R=1/1.3~1/2.1,随着R值减小,NH4HCO3的转化率逐渐升高;pH=7.5时,NH4HCO3最高可达50%的转化率,最佳反应时间为40~60 min。     

超超临界二次再热机组再热汽温调节方案应用分析

二次再热机组相对一次再热机组的热力系统具有更加复杂的结构,且国内二次再热技术的应用刚刚起步,缺乏建设与运行经验,从而导致新建二次再热机组难以确定调节方案。对国内新投产华能安源660 MW、国电泰州1 000 MW超超临界二次再热机组再热汽温的调温原理、控制方案以及投运效果进行了详细的总结分析。分别给出了这2种典型调节方案的优势与缺陷,并基于此给出了改进建议,为二次再热机组再热汽温调节方案的选取与改进提供参考。     

单片机程序远程升级的研究与实现

随着微控制技术的发展,单片机在工业领域得到广泛的应用,但是由于工作环境恶劣使得对单片机的升级维护存在很大的困难。针对这种问题,提出了一种基于GPRS（General Packet RadioService）的单片机远程升级的方案。单片机借助GPRS（通用无线分组业务）模块连接到Internet上的服务器,远程客户端通过...     

基于SK‑MOMEDA的风电机组轴承复合故障特征分

针对在实际工况中风电机组滚动轴承发生复合故障时,多个故障间相互作用,彼此干扰,造成复合故障特征难以分离问题,提出了基于谱峭度（spectral kurtosis,简称SK）与多点最优调整的最小熵解卷积（multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA）的风电机组滚动轴承复合故障特征分离提取方法。首先,对复合故障信号进行谱峭度分析,选出能量较大的共振频带,并通过构建带通滤波器对相应的共振频带进行滤波,对滤波信号进行包络谱分析,对单一故障特征进行分离提取;其次,对未能实现单一故障特征提取的滤波信号进行多点峭度谱分析并确定故障周期,应用MOMEDA完成后续分离提取过程。仿真信号和工程应用分析结果表明,该方法能够准确且有效地实现轴承复合故障特征的分离提取。     

基于节点电荷电位有限元法的油纸绝缘结构极性反转电场分析

基于电荷一电位有限元法分析换流变压器的油纸绝缘结构极性反转电场,该方法可以直接得到节点电位和节点电荷。对各个时刻节点电荷进行处理,提出得到电荷密度的方法。通过提取一类边界上的节点面电荷密度,可以准确地计算出第一类边界上的法向电场强度,从而可以更好地指导绝缘强度设计。通过一个有解析解的双层有损同轴绝缘结构模型,验证了方法的有效性。最后,分析了一个换流变压器阀侧绕组典型绝缘结构的极性反转电场变化过程。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。