东洋在美国市场推出新Proxes Sport轮胎

本文通过实验研究了EPDM配方因素与EPDM粘弹性能之间的关系,并建立了Elman神经网络预测模型,用于预测胶料在85℃,15%应变下的动态粘弹性能(储能模量、损耗模量、损耗因子)。通过正交试验设计取得16组试验数据,并利用其中的1-14组数据训练Elman神经网络,利用剩余的15-16组数据来检测Elman神经网络的预测能力,另外设计4组实验数据来检测Elman神经网络的预测能力。结果表明：建立的Elman神经网络的对胶料粘弹性能的预测误差在4%以内,模型能够准确的预测EPDM胶料的粘弹性能。     

基于EMD与核马氏距离的变速器轴承故障程度评估研究

变速器轴承故障是失效模式的重要因素,故障程度评估是剩余寿命预测的基础,也是实现"视情维修"的前提。经验模态分解(Empirical mode decomposition,EMD)通过信号本身的时域特征,将其自适应地分解为多个分量,具有优异的时频聚焦能力,经常被用于非平稳信号的故障特征提取。本文将EMD与核马氏距离相结合,利用EMD优异的时频特性进行特征提取,以核马氏距离评估轴承的故障劣化程度。     

基于EMD瞬时功率谱熵的神经网络滚动轴承故障诊断

滚动轴承在发生故障时,其动力学特性往往呈现出复杂性和非线性,振动信号也会随之表现出非平稳性。为此,提出一种基于EMD瞬时功率谱熵的滚动轴承特征提取方法。该方法将轴承信号进行EMD分解,得到有限个IMF分量,对这些分量进行功率谱处理,计算其功率谱的信息熵。EMD瞬时功率谱熵作为特征向量,采用神经网络进行故障分类,实验结果表明,此方法的分类准确率可达96.25%。     

基于GA_Elman神经网络的长输管道泄漏检测方法

为提高长输管道泄漏检测的准确率,提出基于GA＿Elman神经网络的管道泄漏检测方法,该方法通过使用遗传算法（GA）对Elman神经网络的权值和阈值进行优化,不但克服了Elman神经网络易陷入局部极值的缺陷,而且提高了Elman神经网络的预测精度。实验证明该方法可用于管道泄漏检测,其效果优于BP神经网络与Elman神经网络检测模型,预测精度96.9%。     

基于经验模态分解的粘接结构缺陷定量检测

针对固体火箭发动机壳体/绝热层界面缺陷进行超声定量检测问题,本文提出采用经验模态分解(EMD)对信号进行降噪处理。通过对信号进行EMD处理,求得各阶本征模态函数(IMF)。通过分析各阶IMF分量的时域信号、频域信号与原始信号的相关性,提出将IMF3分量作为缺陷定量的特征信号,采用峰值引力波因子(SWF)作为特征量来评价特征信号,通过比较SWF数值大小实现了粘接结构脱粘缺陷的定量检测。     

面向复杂环境的输电线路覆冰预测研究

针对复杂环境下输电线路覆冰因素影响,以及传统覆冰预测模型精度不高的问题,提出从时空多粒度的角度,构建基于EEMD-RNN的输电线路覆冰预测模型。根据输电线路覆冰负荷时间序列数据的非线性特点,运用集合经验模态分解(EEMD)方法分解出不同特性覆冰负荷的IMF分量。在IMF分解基础上,运用RNN神经网络进行趋势预测,并与传统的EEMD-Elman模型进行比较预测研究。结果表明：提出的EEMD-RNN模型可有效预测IMF分量趋势,且在输电线路覆冰负荷变化准确度方面,优于传统的EEMD-Elman模型。     

基于k-means++的高炉铁水硅含量数据优选方法

优质数据集是实现高炉铁水硅含量准确预报的基础。针对铁水硅含量数据记录不均衡，特别是部分样本周期内存在多个硅含量值且波动较大，难以与输入变量进行合理关联等难题，提出了一种基于k-means++聚类算法的铁水硅含量数据优选方法。该方法首先利用k-means++的快速聚类能力，将样本分簇，用以表征不同的炉况；其次统计各簇硅含量频数直方图，由此确定高频区间；最后以高频区间为标准，遴选与样本关联的最佳硅含量值。以某钢铁厂2650 m³的高炉为例，分别建立基于多层感知器和LSTM的深度学习模型进行预测，结果表明，该优选方法处理的数据与传统均值法相比，均方误差可减少0.003，命中率提高10%以上，对铁水硅含量数据的预处理具有较好的指导意义。     

基于LSTM-RNN模型的铁水硅含量预测

针对高炉炼铁是一个动态过程,具有大延迟,工况复杂的特性。采用LSTM-RNN模型进行硅含量预测,充分发挥了其处理时间序列时挖掘前后关联信息的优势。首先根据时间序列趋势及相关系数选择自变量,并采用复杂工况的实际生产数据进行验证。然后用程序自动求解最优参数进行硅含量预测。最后将LSTM-RNN模型与PLS模型及RNN模型的结果进行对比,验证该方法的优势。研究发现LSTM-RNN模型预测误差稳定,预测精度较高,比传统的统计学及神经网络方法取得了更好的预测精度。     

基于LSTM-RNN模型的铁水硅含量预测

针对高炉炼铁是一个动态过程,具有大延迟,工况复杂的特性。采用LSTM-RNN模型进行硅含量预测,充分发挥了其处理时间序列时挖掘前后关联信息的优势。首先根据时间序列趋势及相关系数选择自变量,并采用复杂工况的实际生产数据进行验证。然后用程序自动求解最优参数进行硅含量预测。最后将LSTM-RNN模型与PLS模型及RNN模型的结果进行对比,验证该方法的优势。研究发现LSTM-RNN模型预测误差稳定,预测精度较高,比传统的统计学及神经网络方法取得了更好的预测精度。     

基于子波能量特征的气液两相流流型辨识方法

气液两相流的流型影响着两相流的流动特性和传热特性,同时也影响着流动参数的准确测量以及两相流系统的运行特性。针对压差信号的非平稳和非线性特点,尝试利用Hilbert-Huang变换(HHT)和小波包分解对差压波动信号进行信号处理,进而建立流型的子波能量（IMF能量和小波包能量）特征,并以此特征向量作为Elman神经网络的输入量,从而实现对流型的智能识别。实验结果表明：这两种特征向量与Elman神经网络结合都能够较准确地识别出4种流型,并且各自都有不同的优缺点。另外与BP神经网络相比,采用Elman神经网络进行流型识别可以获得更高的识别率。     

建立PNN-HP-ENN-LSSVM模型预测钢铁企业高炉煤气发生量

针对钢铁企业高炉煤气发生量机理模型难以对发生量进行精确预测的问题,通过分析高炉煤气发生量特点,按不同工况利用概率神经网络(PNN)对高炉煤气发生量进行分类,依据分类结果并结合HP滤波、Elman神经网络(ENN)、最小二乘支持向量机(LSSVM)各自的性质,建立了PNN-HP-ENN-LSSVM模型,对高炉煤气的发生量进行分类预测,并用企业实际数据验证. 结果表明,随机抽取多组测试结果中的2组,1#高炉80个点、2#高炉60个点的分类准确率分别为95%和93%,模型预测平均相对误差分别为1.0%和1.1%,适合高炉煤气发生量预测. Wilcoxon符号秩检验也验证了所提建模方法的有效性.     

基于动态神经网络的高炉炉壁不完备温度检测信息软测量方法

针对高炉炉壁温度检测系统中由于传感器故障导致的检测信息不完备问题,提出一种基于动态神经网络的不完备检测信息软测量方法。首先,依据高炉结构和炉壁温度传感器位置分布建立温度传感器位置描述模型和分区域温度检测模型;其次,根据热传递学分析炉壁分区域温度检测模型中各个传感器之间存在的相关性,并采用最大互信息非参统计量方法从传感器检测序列上定量的计算分区域温度检测模型中各传感器间的相关度;最后,依据相关性分析结果,结合温度传递规律,提出炉壁不完备温度检测信息软测量模型,采用Elman神经网络对模型的结构和参数进行辨识。通过高炉冶炼现场采集的数据仿真计算表明,提出的方法具有较好的准确度与检测精度,能够满足现场的检测精度要求,具备广泛的应用价值。     

A chaos‐based iterated multistep predictor for blast furnace ironmaking process

The prediction and control of the inner thermal state of a blast furnace, represented as silicon content in blast furnace hot metal, pose a great challenge because of complex chemical reactions and transfer phenomena taking place in blast furnace ironmaking process. In this article, a chaos‐based iterated multistep predictor is designed for predicting the silicon content in blast furnace hot metal collected from a pint‐sized blast furnace. The reasonable agreement between the predicted values and the observed values indicates that the established high dimensional chaotic predictor can predict the evolvement of silicon series well, which conversely render the strong indication of existing deterministic mechanism ruling the dynamics of complex blast furnace ironmaking process, i.e., a high‐dimensional chaotic system is suitable for representing the blast furnace system. The results may serve as guidelines for characterizing blast furnace ironmaking process, an extremely complex but fascinating field, with chaos in the future investigation. © 2009 American Institute of Chemical Engineers AIChE J, 2009     

高炉风口直吹管预燃煤粉模拟实验和计算

本文对作者提出的风口直吹管预燃煤粉的数学模型进行了实验验证．应用该数模对高炉喷煤直吹管预燃煤粉进行了数值计算和预测．根据计算结果，直吹管可预燃一部分煤粉，提高煤粉在风口区的总燃烧率．     

基于VMD-BP神经网络模型的天然气管道工况检测研究

通过对小波变换、可变模态分解(VMD)、经验模态分解(EMD)及BP神经网络等多种算法在天然气管道中应用的学习研究,提出一种基于VMD-BP神经网络的天然气管道工况判断模型。首先对管道信号进行可变模态分解,再将分解后的特征信号通过BP神经网络算法进行网络训练测试,进而对管道工况做出判断。     

自然冷却含钛高炉渣中钛的提取与分离

对自然冷却含钛高炉渣中钛的提取与分离进行了研究,提出了钛的两段富集路线,即先用盐酸浸出含钛高炉渣,初步分离钛、硅与其他可溶性杂质;所得酸浸渣再作高温热处理结晶分离硅与钛. 研究结果表明,盐酸浸出可获得含TiO2约33%, SiO2约36%的一次浸渣,TiO2主要来自钛液水解生成的偏钛酸(H2TiO3)与原渣中未反应的钙钛矿(CaTiO3). 热处理过程中偏钛酸中的TiO2被还原为Ti3O5并从熔体中结晶析出,Ti3O5含量约85%,平均粒径为20 mm. 添加少量锐钛型TiO2可使Ti3O5的晶体尺寸增大,平均粒径达36 mm,因此可以通过重选的方法分离Ti3O5相与富含硅物相. 计算出钛的理论收率约为39%.     

Identification of multiscale nature and multiple dynamics of the blast furnace system from operating data

Very often, there are several kinds of different scale structures, such as atomic/molecular microscale, device/boundary mesoscale and working procedure/operation unit macroscale, etc., referred in the operation of a blast furnace system. However, not enough attention has been paid to the multiscale feature of the blast furnace system by traditional analytic methods which are the average ones over a fixed scale. For this reason, the current work performs a multiscale identification and further makes a dynamical analysis on the blast furnace system from the time series sets of two important components in the blast furnace hot metal, i.e., silicon content and sulfur content, collected from a pint‐sized blast furnace. The results render a strong indication of multiscale characteristic and multiple dynamics, i.e., randomicity, chaos, and limit cycle but with different rates of contribution to the whole system, contained in the blast furnace system. Furthermore, compared with the original blast furnace system, every subscale structure has lower complexity. All of these can serve as guidelines to carry out modeling, control and optimization on complex blast furnace system from the viewpoint of multiscale in the future, and may throw more light on understanding and characterizing its complex dynamics. © 2011 American Institute of Chemical Engineers AIChE J, 2011