Di对Mg-10Al合金显微组织与力学性能的影响

研究了Di加入量为1％～3％（质量分数，下同）[Nd—Pr混合稀土金属，w（Nd）：w（Pr）=3：1]的Mg-10Al合金的显微组织和力学性能。通过显微组织分析发现Di加入Mg-10Al合金后，析出了块状的Al2（Nd，Pr）相及杆状的Al11（Nd，Pr）3相，合金组织得到细化。Di的加入使铸态的Mg-10Al合金的力学性能提高，在Di的加入量为2％时，块状的Al2（Nd，Pr）相占主导地位，合金的抗拉强度和伸长率都达到峰值。在Di的加入量达到3％时，杆状的Al11（Nd，Pr），相增加，抗拉强度、尤其是伸长率有所降低。     

超临界直流炉蒸汽发生器的建模与仿真分析

研究以某600MW机组超临界直流炉的蒸汽发生器为对象,从过程基本方程出发,建立单相及两相受热管动态特性的动力学方程.采用随体导数法建立了关于在亚临界及超临界工况的非线件分布参数动态数学模型.针对蒸汽发生器在两种典型工况下的动态特性进行了仿真研究,所得结果,对进一步研究超临界直流锅炉的安全运行中全工况动态仿真提供有意义的设计参考.     

基于递阶G-K聚类的热工过程多模型建模方法

针对热工过程分段线性化的特点,本文提出一种新的基于递阶模糊聚类的热工过程多模型建模方法。首先基于递阶G-K模糊聚类对系统输入／输出数据空间进行快速聚类分解,避免了聚类数确定的盲目性;然后在每个子空间中利用最小二乘法辨识出相应的线性子模型,再将各子模型通过模糊加权求和以得到精确的系统全局模型。同时,为保证各聚类子空间内样本的“线性化度”,采用新的综合聚类指标,并利用免疫遗传算法来求解该聚类问题,以克服迭代算法易陷入局部极小和对聚类初始化敏感的缺点。该方法能充分利用运行数据中所包涵的对象动态特性信息,以描述过程的全局非线性。最后通过几个典型实例验证了该方法的有效性、准确性。     

一种新的小波神经网络结构优化设计方法

针对基于框架的小波神经网络存在的网络冗余性较大的问题, 提出一种基于粗糙集理论的网络结构优化设计方法. 首先通过时频分析确定小波神经网络的初步构造; 在此基础上, 根据网络输出对隐层节点依赖度的大小去除冗余的隐层节点, 达到优化网络结构的目的, 仿真结果表明该方法是简单而有效的.     

基于神经网络的火电机组负荷预见控制方法及其仿真研究

利用多个自适应神经元构造了火电单元机组负荷预见控制系统，研究了用神经网络实现多变量系统的预见协调控制，神经网络输入量应该怎样选取。仿真结果证明了这种控制方案的正确性。与原有的负荷最优预见控制方法相比，该方法不依赖于对象的精确模型，也不涉及权重矩阵的选取。     

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象，常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数，输出层采用线性函数，采用BP算法对网络进行训练，并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明，小波网络输出值与实际模型输出值之间的误差在允许范围内，小波神经网络可以较好地逼近单元机组负荷数学模型。     

基于单向解耦的火电机组负荷最优预见控制方法

根据火电单元机组数学模型的特点,将多变量解耦理论与最优预见控制方法相结合,提出了一种基于单向解耦的负荷最优预见控制系统设计方法,该方法将2×2多变量最优预见控制系统的设计转化为两个单回路系统的设计,从而简化了系统结构,减少了计算量。仿真结果表明:所设计的系统具有良好的负荷跟踪性能。图5参7     

Zr对Mg-5Sn合金显微组织与力学性能的影响

研究了含Zr0．4％-1．2％的Mg-5Sn合金（质量分数，％，下同）的显微组织和力学性能。显微组织观察表明，Zr元素能够起到明显的晶粒细化作用。扫描电镜EDS分析和XRD分析验证了这一结果。力学性能测试结果表明：随着合金中Zr含量的增加，抗拉强度及延伸率都有提高，延伸率提高更显著，Zr的晶粒细化起了主要作用；而合金的显微硬度基本不变，其原因是在合金中没有明显数量的硬质相出现。     

超超临界锅炉闭环燃烧优化控制方法及应用!

燃烧优化是实现锅炉进一步节能减排的重要手段。针对1 000 MW超超临界锅炉,提出了一种闭环燃烧优化控制方法。首先,采用在线最小二乘支持向量机(LSSVM)建立了燃烧系统的动态模型,以准确描述控制变量、主要扰动与输出参数之间的动态变化关系;然后,结合预测控制的思想,构建了兼顾锅炉效率和NO_x排放的经济性性能指标,并利用非线性优化算法求解滚动优化问题,实现了对配风方式、氧量等运行参数的闭环自动调节;最后,设计、开发了相应的优化控制软件,并成功实现了现场应用。应用结果表明,该方法能够在保证锅炉效率的情况下,明显降低NO_x排放,并有效克服煤种变化和负荷变化的影响。该方法对推动智能控制技术在工业过程中的实际应用具有借鉴意义。     

火电机组负荷多模型鲁棒预见控制方法

提出一种火电机组负荷多模型鲁棒预见控制方法,该方法首先对负荷区间进行模糊划分,然后在每个模糊子区间建立相应的结构参数摄动模型,并使用鲁棒预见控制方法设计控制器,最后总的控制量为多个子控制器输出的加权平均。仿真研究表明,该方法能够使负荷系统获得良好的全局控制性能。