南水北调中线总干渠藻类的生态调度

南水北调中线总干渠无在线调蓄水库,对藻类生态调度过程中出现的问题开展生态调度实现策略和实施方式研究。主要实现策略包括:划定自身的调蓄区,隔离生态调度对下游的影响;采用高效的渠池运行方式,减少生态调度时蓄量的反复调整;综合考虑安全、快速、平稳等需求,设定生态调度实施进程和方式。具体实施方式包括:将总干渠划分为流速调控区、调蓄区和正常运行区,分别实施等体积、控制蓄量和闸前常水位方式运行;将生态调度过程划分为充水阶段和泄水阶段,基于流速调控目标值、持续时长和水位降幅约束条件,确定各阶段时长和各分区的闸门群调控方案等。基于2018年3月输水工况,采用明渠一维非恒定流模型,仿真总干渠上游15个渠池的藻类生态调度过程。结果表明,生态调度可在3.5 d内完成,各渠池的平均流速由0.48 m/s增至0.93 m/s,持续时间超过2 h。在整个生态调度过程中,水位变化平稳,水位变幅符合安全阈值要求,下游渠道的正常运行未受生态调度明显影响。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

胶莱盆地南部大盛群、王氏群的划分与对比

胶莱盆地在胶东半岛地质构造及造山带研究中占有重要地位,其巨厚的白垩系陆相沉积是石油系统多年的研究目标。胶莱盆地南部白垩纪的岩石地层序列较其北部更为复杂,其认识几经反复,其中尤以大盛群与王氏群和莱阳群的部分单位的关系为甚。本次工作通过详细对比其沉积层序、相互关系、古生物组合、岩石学特征及同位素年龄等因素,认为大盛群与王氏群属同一沉积层序,沉积基底相同、沉积环境相似、古生物群落时代一致,二者具有同时代、同沉积相、同岩石组合的一致性,应是一套地层,建议今后使用统一地层名称。     

群塔交叉作业安全措施经验探讨

通过对科威特大学城项目塔机群塔防撞及安全管理措施进行研究,总结分享群塔交叉作业安全的成功经验,对今后类似群塔作业提供参考.     

基于 Janus双亲粒子的超疏水粉末涂料的制备与性能研究

以 Janus双亲粒子为疏水助剂，采用邦定技术，并以聚酯树脂为成膜物， β-羟烷基酰胺（HAA）为固化剂，制备了超疏水粉末涂料。通过场发射扫描电子显微镜、表面粗糙度测试仪和疏水角测试仪对粉末涂料颗粒和涂层性能进行测试和表征。研究了 Janus双亲粒子的添加方式、用量及邦定时间对涂层疏水性能和机械性能的影响。结果表明：以超细砂纹粉末涂料为底粉，采用邦定技术将 0. 5%的 Janus双亲粒子与底粉相结合，匹配 0.1%的聚酰胺类蜡粉，可赋予涂层优异的疏水性能（静态水接触角 164°、滚动角 6°）和机械性能。     

基于孪生支持向量回归机的转炉炼钢终点预测

为了提高转炉炼钢的终点命中率，建立了一种新的转炉终点预测模型，实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法，将权重矩阵引入到目标函数中，并利用鲸群优化算法进行求解，提高了传统算法的性能；然后基于某炼钢厂260 t转炉的实际生产数据，建立了转炉炼钢终点预测模型。结果表明，预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15 ℃)的终点单命中率分别为94%和88%，双命中率达到84%。与其他两种现有的建模方法相比，本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求，也可适用于钢铁冶金其他领域的数学建模。     

粒子流粒子滤波检测前跟踪方法

检测前跟踪通过在连续多帧观测中对目标信号进行非相参积累以检测和跟踪微弱目标。积累的关键在于对目标轨迹的准确估计和多帧迭代滤波。传统粒子滤波器过于依赖建议分布，对目标轨迹的估计不够准确。新提出的粒子流滤波器是一种很好的替代方法，但其过于依赖当前时刻的量测而弱化多帧迭代滤波。本文提出一种在粒子滤波框架下采用粒子流的检测前跟踪方法:采用粒子滤波器进行多帧迭代滤波，但在每一帧内，采用Localized Exact Daum-Huang粒子流进行滤波。为了应对目标量测的不确定性，本文改造了Localized Exact Daum-Huang滤波器，为每个粒子在其邻域内寻找最大似然量测，并利用该量测更新粒子状态。Rayleigh分布杂波下Swerling1型起伏目标的检测和跟踪实验证明了所提算法的性能。