回转窑动态检测及托轮磨削的应用

我公司3#回转窑Φ4.8 m×74 m，三档支撑，带液压挡轮，斜度4％，设计产量5?000~6?000 t/d。回转窑运行过程中，筒体存在晃动现象，在窑尾密封处观察较为明显，晃动幅度约±20 mm，甚至导致三档托轮基础及周围栏杆也随之晃动。     

基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统，往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气），采用红外光谱仪进行光谱数据采集，得到多组分气体混合光谱图。根据数据集样本求解回归系数，建立了多元线性回归模型，并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价，结果表明:模型真实有效且具有良好的线性回归效果，可以用于预测气体浓度，乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内，其中乙醇浓度预测误差最小，不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰，能够较准确地预测乙醇浓度。     

川中地区侏罗系沙溪庙组致密气处理和解释关键技术与应用

四川盆地蕴含丰富的致密砂岩气资源，近期利用高精度三维资料开展侏罗系沙溪庙组河道砂体勘探取得突出成效。沙溪庙组河道砂体具有横向变化快、储层非均质性强的特点，因此提高河道砂体的边界识别及其含气性预测精度是致密气地震勘探的关键。通过开展AVO特征低频保护的“六分法”（分类、分频、分时、分域、分步和分区）高保真叠前去噪、近地表Q补偿和OVT域叠前时间偏移等技术攻关，形成了一套针对川中地区侏罗系沙溪庙组致密气藏的“双高”（高保真、高分辨率）地震处理技术，并创新应用“双亮点”属性及多波、多分量砂体含气性地震预测等解释技术，提高了含气砂体预测精度。该技术系列在川中沙溪庙组致密气预测应用成果显著，地震数据频带得到了拓宽，低频信息更加丰富，资料信噪比明显提升，河道边界及其含气性预测的精度大幅提高，钻井成功率超过83%，应用成果有力地支撑了该地区沙溪庙组致密气的增储上产。     

机械设备故障规律及运行趋势预测方法综述

对于机械设备的故障运行问题,技术人员应当深入研究机械设备的故障规律,并研究出运行趋势的预测方法,从传感器的检测时间间隔与使用数量等方面加以深入的研究。本文介绍了机械设备运行状态的故障预测方法,并将机械设备运行状态的故障预测方法总结为三个步骤,分别是数据获取、处理与设备寿命预测,结合这些内容,提出了关于机械设备故障运行的一些方法,旨在为相关技术人员提供参考依据。     

基于稠密变形场能量优化的非刚性在线体积重建方法

针对动态非刚性在线重建存在的重建漂移问题,提出了一种基于单个RGB-D传感器的稠密变形场在线融合策略,实现了对非刚性几何形状的动态重建.通过局部平滑和输入约束处理,将空间的最优变形转换为非线性正则变分优化问题,并使用数据并行闪存优化策略,以摄像机捕获速率,实现对非刚性场景的在线跟踪重建.通过实验表明,本文方法实现了对非刚性场景的鲁棒跟踪,减少了在线重建过程中的漂移现象,适用于快速运动和缺乏几何特征的场景重建.     

FE-SEA方法在平台支持船噪声预报中的应用

平台支持船由于作业需要通常配备有动力定位系统,其在侧推工况下舱室噪声超标较为严重。针对这个问题采用计算流体力学(CFD)方法,得到侧推螺旋桨作用在导管上的脉动压力,并将时域计算结果转换成噪声计算的激励条件。采用有限元(FE)与统计能量分析(SEA)混合方法建立船体中频段FE-SEA耦合模型并建立船体高频段SEA模型,对某65 m AHTS船侧推工况下全频段(63 Hz~8000 Hz)舱室噪声进行预报,分析该船噪声分布规律及主要影响因素。并建立起全船的SEA模型,在中频段对比SEA与FE-SEA两种方法得到的舱室声压级频谱曲线,验证了使用混合模型的必要性。     

动态限星算法对RTK定位的耗时改进

差分卫导实时动态定位(RTK)依靠 Kalman 滤波功能的实现，当滤波器阶数过高时，会带来计算量的激增，这就会影响定位的耗时。当运算平台能力有限却需要较低的计算时间耗时，动态限星算法能够有效地将 RTK 的计算耗时降低至合适的耗时需求。运动平台实测结果表明，动态限星算法优化后的 RTK 定位耗时较优化前减少了 50%。     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.