基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

基于有限元的区域分解方法在永磁聚焦系统仿真中的应用

随着计算机技术以及并行求解技术的发展,区域分解方法越来越多地应用于计算电磁学的各个领域.针对微波管中的永磁聚焦系统仿真,该文提出一种基于有限元的非重叠区域分解方法,其引入一种新型传输条件,并采用内罚的方式推导出有限元弱形式.该区域分解法的最大优势是不需要引入多余的未知量,并且最终集成的有限元矩阵满足对称正定性,适合采用预处理共轭梯度法进行矩阵方程的求解.该文仿真了多个微波管永磁聚焦系统,并与商业软件Maxwell进行了详细的对比,结果表明所提出的区域分解方法和Maxwell精度相当,却拥有着更加优越的计算性能.     

LNG接收站火炬放空系统设计工况研究与分析

在液化天然气(LNG)接收站工程设计建设过程中，火炬系统的设计是保证LNG接收站安全生产的必要条件。以国内某LNG接收站为例，分析了LNG蒸发气(BOG)产生的因素和机理，及6种工况组合下火炬排放量的计算方法。结果表明：在工况1条件下与实际生产情况吻合良好，其对应的火炬气排放量约为142.7 t/h。在此基础上确定了：BOG支管管径为DN600,BOG总管的管径为DN900;被分离液滴的直径不大于600μm;火炬分液罐尺寸为?2.5 m×8.0 m;电加热器的功率为195 kW;火炬形式为封闭式地面火炬。研究结果可为今后LNG接收站项目火炬系统的处理能力及设备配置提供理论指导。     

浅谈3G02沿空留巷工作面效益分析

东峰煤矿原回采工作面采用"一进一回"通风方式,上隅角瓦斯管理问题严重制约着工作面的安全生产,为做好上隅角瓦斯管理工作,提高巷道掘进效率和煤炭资源采出率,根据《山西省煤矿现代化矿井标准》第4条要求,该矿3G02工作面采用了沿空留巷无煤柱开采技术,不但解决了上隅角瓦斯管理问题,还促进了矿井安全、高效生产。     

低-超低渗透砂岩油藏水驱采收率影响因素权重分析

针对主观赋权法在确定低-超低渗透砂岩油藏水驱采收率影响因素权重时存在主观随意性,客观性较差的问题,本文应用85个低-超低渗透砂岩油藏实际样本,结合大量科研和现场认识筛选了影响水驱采收率的9个重点因素,并根据客观赋权法更客观、精确的计算出低-超低渗透油藏水驱采收率影响因素的具体权重。研究表明低-超低渗透油藏水驱采收率影响因素中,注水开发效果指标影响权重最大,其次为储层物性,流体性质影响最小。     

岳城煤矿复杂地质条件下工作面设计优化

为了提高煤炭资源回收率,对岳城煤矿3号煤三盘区最后两个小工作面回采区域的回收布置进行了研究,利用巷道外错布置工艺,对该区域进行整体布置,优化工作面设计,既回采了两个小工作面,又回收了与1308工作面之间的煤柱和原南河滩煤矿的部分大巷煤柱,增加了资源回收,简化了生产系统,实现了科学高效回采。     

垂直铺膜防渗技术在分淮入沂堤防加固工程中的应用

以分淮入沂堤防加固为例,探讨总结了垂直铺膜防渗处理技术的具体施工工艺和施工时的质量控制要点。通过加强开槽、卷膜、塑膜联接、塑膜铺设、回填沟槽等关键环节的质量控制,确保工程质量,为今后的同类工程提供可借鉴的经验。     

基于参数优化VMD的齿轮箱故障特征提取方法

为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解成若干IMF分量,从中选择包络熵较小的分量进行信号重构,并对重构信号进行包络解调运算,从重构信号的包络谱中提取故障频率特征。结果表明,利用此方法对实测信号进行处理,成功降噪、提取齿轮箱故障特征,并且比利用经验模态分解方法降噪效果更好,提取的故障特征更加明显。