深水泵叶轮磨蚀特性的加权多步混沌法

以某水厂1～6号机组采用的日本荏原公司500VYM水泵大修数据为基础,分析了长江水系含沙水体对抽水泵叶轮磨蚀的原理及危害。提出采用混沌理论的方法对叶轮磨蚀特性进行预测,为各机组开机调度,大修时间,人员与经费安排,昂贵备件的购置等提供决策支持。     

浅谈在电解铝车间中间通道提升梁工作原理及计算机在设计中的应用

正电解槽、铝电解多功能机组是电解铝生产及操作工艺过程中的关键设备,处于高温、强磁、噪声、高粉尘、有害气体的环境中。对于关键设备的大修就带来了相当的困难,现场就地大修不但质量难以保证而且维修时间长,工人劳动强度大、安全存在隐患等现象发生。同时就地大修时也严重影响车间生产的正常进行。这样采用集中大修通过采用专用设备在专门的大修车间里进行大修与维护就显得非常重要。而集中大修需要把要修的设备转运到大修车间进行,根据国外的经验转运铝电解多功能机组及阴极车等需要设计专门     

基于Delaunay三角剖分的半径补偿新算法

合理的半径补偿算法能有效提高逆向工程的最终精度.在分析了现有半径补偿算法及其相应优缺点的基础上,针对三角网格法,通过Delaunay三角剖分思想的引入,提出了一种基于Delaunay三角剖分的半径补偿新算法,并对其中三角剖分的优化准则、边界点的处理等关键技术进行了详细的阐述,最后以增压器叶轮为例,实现了叶轮叶面测量数据的半径补偿.     

一种基于遗传算法的地铁车辆大修排产算法

地铁车辆大修作业排产需考虑检修台位、设备、人员等多种因素。为了在既有资源条件下降低检修设备、场地的空闲等待时间,提高检修车间的检修吞吐量,文章以某企业大修车间为背景,对轨道交通车辆大修过程进行分析总结,提出了一种基于遗传算法的地铁车辆大修排产算法,从场地、设备、时间角度优化检修资源配置。该算法利用评价函数将列车大修排产问题转化为优化检修流程资源配置问题,借助遗传算法内在的并行性和全局寻优能力对检修流程资源进行优化组合,并以得到的最优染色体作为列车大修排产的最终结果。文章分析了该排产算法的复杂度及适用范围,并进行了车辆大修排产实验。实验结果显示,该排产算法能够在1 h内得到排产方案,相较耗时数天的人工排产方法,其大大减轻了人员劳动强度,有效提高了设备利用率;且通过合理配置检修车间的检修区资源,车辆大修总体耗时约能减少40%。     

基于记忆模式的NO_x支持向量回归预测研究

低NO_x排放是电站锅炉燃烧优化的主要目标之一,影响燃煤锅炉NO_x排放因素众多且复杂,对锅炉燃烧过程NO_x浓度进行准确预测是低NO_x燃烧优化的基础。机组全工况运行时表现出强时变性,静态预测模型难以保证预测精度,考虑到观测样本的时效性,模拟记忆模式对观测数据进行重采样,进而基于支持向量回归算法构建NO_x排放预测模型,构造一种基于记忆模式的支持向量回归算法。以某机组热态试验数据为基础,对算法进行了仿真分析,结果表明,该算法在保证回归建模精度的同时,在训练速度、稳定性以及泛化性能等方面较传统支持向量回归算法更有优势。     

基于EEMD与GWO-SVM的石化机组轴承故障诊断

针对石化机组轴承做故障分类时，传统支持向量机的分类性能受自身参数选择的影响识别准确率不高的问题，提出一种基于集合经验模态分解和改进支持向量机的石化机组轴承故障诊断。首先利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）与样本熵（sample entropy,SE）对原始信号进行特征提取，采用灰狼算法优化支持向量机（gray wolf optimization algorithm support vector machine,GWO-SVM）的方法得到最优参数，构建石化机组轴承故障诊断模型。最后以实际石化机组数据集进行诊断分析，并通过与未优化的支持向量机和传统优化算法的支持向量机进行对比，表明该文所提方法的有效性和优越性。     

模糊神经网络控制在风力发电系统中的应用

风速超过额定值后,需要有效调节风电机组吸收功率并限制叶轮载荷不超过设计的限定值.在分析风力发电系统原理的基础上,采用自适应模糊神经网络控制器控制桨距角,使机组能保持在额定功率附近发电,仿真结果表明了本文提出方法的有效性.     

基于小波变换的红外图像增强算法研究

针对目前夜间红外图像质量低、噪声大,无法为后续的分析提供支持等问题,提出一种基于小波变换的红外图像增强算法对红外图像进行增强.首先采用二维FWT滤波器组通过小波变换将低质量、缺陷明显的夜间红外图像分解成高频和低频两部分,对高频部分采用改进NL-means算法和改进维纳滤波算法进行降噪,通过改进直方图均衡化防止过度增强.试验结果表明,采用本研究算法进行图像增强,能够提高将近30％的图像对比度和将近40％的信噪比.     

某核电厂汽轮机中压调节阀故障研究与处理

为了妥善自主处理某核电厂汽轮机中压调节阀故障及查找原因,系统性梳理与分析了同类机组运行经验及当前机组的阀门改进项。采用现场试验的方法,分析故障机组阀门的试验数据,确认了液压油质、比例阀控制为非致因因素;分析在近期大修商运机组的新旧比例阀性能比对试验的数据,进一步确认了新比例阀在该机组上的工作性能弱于旧比例阀。通过分析在调试机组接入比例阀接口装置测量得到的压降数据和尝试调整减压阀定值,可复现与消除故障。结果证明了减压阀定值设定不当是导致阀门故障的原因。该研究为后序机组阀门故障处理提供了借鉴。     

基于机器学习算法的脑卒中疾病早期预测模型研究

采用支持向量机(SVM)、随机森林(RF)和逻辑回归(LR)等机器学习方法对脑卒中患者进行分类研究,构建脑卒中疾病预测模型,以期为疾病发生提供早期预警.对kaggle网站下载healthcare-dataset-stroke-data的数据通过SMOTE智能过抽样算法构建均衡数据集,运用支持向量机、随机森林和逻辑回归算法构建脑卒中预测模型.将SMOTE算法优化前后的预测结果进行比较分析,并采用支持向量机、随机森林和逻辑回归算法对优化后的数据集构建疾病预测模型,其结果的准确率、精确度、召回率和ROC值都有明显提高.仿真实验结果可知SMOTE+随机森林算法预测模型的准确率、精确度、ROC值都优于支持向量机和逻辑回归预测模型,可用于脑卒中疾病的早期预测,为医疗手段干预赢得时间,对降低脑卒中的发病具有重要意义.