基于关键闸坝优选的区域水网水量调控

为实现区域水网水量的高效调控,从水量、水生态、水质和闸坝管理等4个方面构建包含10个指标的闸坝优选评价指标体系,以廊坊市凤河-永定河区域水网为研究对象,计算区域内32座闸坝的综合关键指数并给出影响程度排序,采用水动力数学模型验证关键闸坝选取的合理性。结果表明：优选出的永丰闸和东张务闸是区域水网的关键闸坝,通过调节这两座闸坝的开度即可满足区域水网的生态需水和防洪排涝调度目标,保持区域水网较优的水力连通能力,提高区域水网水量调控效率。     

地月系共线平动点Halo轨道族的运动稳定性研究

地月系共线平动点附近的Halo轨道族,能够提供从L1点至月球再至L2点的广泛空间的多种轨道应用需要,但2个轨道族内轨道的稳定性差异较大。文章引入稳定系数和线性稳定阶数2个指标来判断轨道的稳定性,并用数值模拟分别分析了百米和千米量级的初始轨道误差在数天后所引起的轨道偏差,得出结论：两轨道族内接近平动点的部分轨道稳定性较差,其余部分轨道稳定性相差不大,L1点附近Halo轨道族内轨道较为稳定的是0.85~0.92之间的轨道,L2点较为稳定的是1.02~1.1之间的轨道。     

封装板式冰蓄冷系统蓄能模糊建模与分析

针对冰蓄冷系统蓄能的非线性特性,将自适应神经网络应用于封装板式圆罐型蓄冰装置的蓄能初始化和释冷出口温度实时运行的模糊建模,进行了冰蓄冷系统蓄冷量的模糊建模,确定了实验影响因素载冷剂进口温度、载冷剂流速、蓄冷时间的隶属度函数和模糊推理规则.运用减法聚类法和网格法对模型进行初始化训练与运行对比,使蓄冷系统能够跟踪负荷情况.通过调控影响因素的参数,可以更合理地初始化设定蓄冷阶段的蓄冷量.利用该建模程序进行实时释冷出口温度模糊建模策略验证,模型运行平稳.冰蓄冷装置蓄能模糊控制性能的优化保证了蓄冷量与负荷相匹配,实时输出释冷出口温度,进而达到冰蓄冷空调系统优化及经济运行的目标.     

马钢某轧钢加热炉燃烧控制优化项目实施方案及可行性研究

分析了马钢某钢轧加热炉氧化烧损偏高问题,提出了燃烧控制优化实施方案,并研究了方案的可行性,给出了研究结论和建议。     

面向沿道路机动的最优路径模型优化

根据“公路”地理实体的数据结构以及机动的特点,对最优路径模型以及模型的影响因子进行解析,提出了改进的最优路径模型影响因子。通过层次分析法,量化改进后的权重体系并通过算例分析验证其合理性;利用改进后的最优路径模型,经验证符合实际情况需求。     

基于畅通度度量的无尺度网络中关键节点的选取方法 

现实世界中大量存在着的无尺度网络的抗蓄意攻击能力的不足,决定了从无尺度网络中选择关键节点的重要性。网络中节点的重要性程度可用将该节点从网络中删除前后,网络的连通性能的变化进行度量。文章提出了无尺度网络畅通度的概念,从3个不同的角度对无尺度网络的畅通度进行评价,构造出无尺度网络畅通度的综合度量公式,构建了无尺度网络的关键节点的选取模型,并利用分布估计算法对模型进行求解。仿真结果表明,利用分布估计算法得到的结果要好于直接选取度数最大的节点作为关键节点的方法。     

电喷发动机配油转阀的设计及其流场分析北大核心

针对电子喷油器控制难度和精度高的特点,为进一步提高喷油精度,提出一种新型高压共轨喷油器配油转阀,并对阀口流场特性进行数值模拟。介绍转阀结构和工作原理,基于JE4D25A型柴油发动机工作参数,通过理论计算得到阀口关键尺寸,建立阀道流体域物理模型,在Fluent软件下对阀芯转角分别为11.5°、23°和34.5°位置流域模型进行仿真分析,得到流体在阀口处的流动特性。经分析,在怠速和额定转速下,单次配油量分别为0.059 mL和0.078 mL,额定转速下的输出流量比理论计算多6.8%,为后续阀口尺寸优化提供了参考。     

基于机器视觉及深度学习的静脉药物调配机器人药瓶识别北大核心

静脉药物调配机器人需要对数百种不同类型的药物进行调配,不同药物药瓶类型的识别、测量是精准调配的关键。对静脉药物调配机器人在药瓶类型分类、药瓶关键尺寸测量等不同任务要求情况下,运用基于机器视觉方法和深度学习框架YOLOv5s,实现了一种高效稳定的识别测量方法。结合机器视觉方法的测量准确性,深度学习方法对背景、光源的不敏感性,实现配药过程中不同环节药瓶的准确识别、测量。并通过实验定量地检测背景、环境光源对于识别结果的影响。     

基于模糊熵与CS-ELM的供输弹系统早期故障识别北大核心

针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。     

基于VMD与IFWA-SVM的滚动轴承故障诊断研究北大核心

为有效提取非平稳性、复杂性的滚动轴承振动信号特征,提出一种基于变分模态分解、改进烟花算法(IFWA)优化支持向量机(SVM)的滚动轴承故障诊断方法。利用VMD对原始信号进行分解,计算得到各IMF的样本熵,将原始信号的时域特征与其结合组成特征矩阵。为提高故障诊断效率,采用IFWA优化SVM,建立IFWA-SVM模型。使用训练集特征矩阵训练诊断模型,实现滚动轴承的故障诊断。利用实测信号验证该方法,并与粒子群算法优化进行比较。结果表明:利用该方法进行诊断,正确率提高了3.33%、训练时间缩短了21.55 s,验证了该方法的可行性。