柴油机工作过程计算中排放物模拟与实验研究

为了提高原有的柴油机工作过程计算模型模拟能力,在分析柴油机有害排放物生成机理的基础上,提出了排放物中NOx、HC和CO的预测子模型.在工作过程计算中,燃烧过程采用现象学准维燃烧模型;用广义Zeldowich不平衡原理建立NOx的数学模型;采用化学平衡和反应动力学原理建立HC和CO的数学模型.用该模型对LD485型直喷柴油机的排放物进行了模拟计算,得到了3种排放物在缸内的生成过程,分析了不同转速下对这些排放物生成规律的影响.用13工况法进行了实机排放测量.结果表明,排放物的生成量随转速升高而升高,模拟计算结果与采集得到的数据吻合较好.     

流化床内干化污泥燃烧污染物排放特性研究

采用小型电加热流化床焚烧实验台, 对干化污泥燃烧的污染物排放特性进行了研究. 实验通过改变干化污泥中水的质量分数(7.3%, 28.4%和41.5%), 不同的炉膛温度, 石灰石的添加以及污泥和煤混烧等多种工况对污染物的排放特性进行了研究. 研究结果表明, 当污泥含水质量分数由41.5%降为7.3%, CO和N2O的排放质量浓度分别提高了一倍和四倍; 相反, 丙烷、己烷和苯胺等有机污染物的排放质量浓度明显下降, NOx的排放质量浓度降低了70%; 煤对污泥燃烧二恶英的排放有明显抑制作用, 并且二噁英的排放质量浓度和HCl的质量浓度有很明显的关联; 此外, 石灰石能促进NOx生成, 但抑制N2O生成, 而对二恶英的排放质量浓度几乎没有影响     

保单调插值的奇异混合三角/双曲B样条

为了使得插值曲线保单调,设计了两类新的平面参数曲线及其保单调插值算法.计算奇异混合函数,把三角/双曲多项式B样条曲线与奇异多边形通过奇异混合函数混合,无需解方程组或繁琐的迭代,得到自动插值给定平面点列且C2(或G1)连续的带形状参数的复合曲线,尤其能得到摆线、螺旋线、双曲线、悬链线等各类超越曲线.通过把插值曲线的导矢分量转化为类Bernstein多项式,并且利用Bernstein多项式非负的充要条件,得到插值曲线单调的充要条件,获得形状参数合适的取值范围. 该方法简单方便,所得参数范围保证了插值曲线保单调.     

220 t/h水煤浆锅炉NOx排放特性的研究

为了解水煤浆锅炉NO_x排放规律和降低NO_x的排放,对一台220 t/h水煤浆锅炉进行了一系列实验研究.提出了优化浆温和雾化蒸汽压力、适当降低预热空气温度和优化吹灰次数和时间等优化运行方式来实现水煤浆燃烧的低NO_x排放.结果显示燃料型NO_x是水煤浆燃烧过程中NO_x生成的主要来源,锅炉负荷、过量空气系数、温度、吹灰以及水煤浆特性等都对NO_x的生成有复杂的影响,在不影响燃烧的情况下,低氧量运行有利于降低NO_x排放质量浓度.     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

制造/再制造模式下的产品精度建模研究

分析了制造/再制造模式下的产品精度信息特点, 将公差项目分成互参考公差和自参考公差2大类, 以TTRS为理论基础, 在产品模型中增加了公差信息描述; 研究了功能失效与精度散失的关系, 分析了再制造零件精度模型的建立过程, 提出了制造/再制造模式下产品精度建模过程; 采用该建模方法对发动机活塞和汽缸内壁组成的圆柱副进行了实例研究,给出了该圆柱副的产品公差模型, 并将仿真分析获取的圆柱副精度散失信息添加到产品公差模型中,形成制造/再制造模式下的发动机汽缸运动副产品精度模型; 该建模方法能够为产品制造/再制造提供所需的各种信息, 并能方便地在CAX系统中实现.     

基于位置和程度指标的结构损伤识别研究

为提高结构损伤识别的精度,提出基于动、静态数据融合的位置指标和完全基于频率的位置指标,并采用学习速率自适应调整的新型BP神经网络学习算法,其特点是在网络迭代过程中根据网络学习误差来调整学习速率的取值,该方法有效地克服了传统BP网络学习过程中容易陷入局部极小和收敛速度慢、学习效率不高的缺点,进一步讨论了参数输入方式对网络识别效果的影响,分别采用两步诊断法和一步诊断法进行损伤识别.结果显示,两步诊断法对损伤位置和程度的识别正确率较高,而一步诊断法识别效果却不令人十分满意;减少位置指标和程度指标的输入个数对损伤识别结果有显著的影响.     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

基于回卷恢复的数控系统实时容错调度策略

针对数控系统对时间确定性和可靠性的要求,建立混合关联任务集描述模型,提出了基于回卷恢复机制和最佳优先（BF）算法的容错调度策略.该策略对数控系统关键任务的执行过程进行周期性分段验证,通过保存正确的检查点状态,使得出现瞬时故障时任务可以从检查点开始继续执行,从而以较低的计算损失达到容错的效果.与传统的实时容错调度算法相比,基于回卷恢复机制的容错调度策略能很好地适用于数控系统多类型任务并存和任务间相互约束的特点,同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.该算法应用于数控系统的有效性在实例分析和算法模拟研究中得到验证.     

基于适应加权非对称AdaBoost HMM的三维模型分类算法

针对三维模型的分类问题,提出了一种适应性加权非对称AdaBoost隐马尔克夫模型（HMM）分类算法.算法中提出了由三维模型表面的绝对法向量表示的两种新特征,将经过归一化和姿态调整的三维模型划分为若干部分,各部分对应HMM的一个状态,对各部分提取特征并用主成分分析（PCA）降维,对模型的4种特征对应的弱分类器使用非对称AdaBoost算法进行boosting. HMM的结构及参数初始值由模型姿势调整的可能形式及观测顺序确定,训练过程中参数用期望最大化方法计算,最后使用加权相似度计算对三维模型分类.分析及试验结果表明,与基于分布函数的分类算法相比,该算法明显提高了正确率.适应性加权后,分类正确率可进一步提高.     

金属纤维燃气红外线燃烧器在热水锅炉上的应用

为热水锅炉研制了新型金属纤维燃气红外线燃烧器.经测试,热水锅炉烟气中NOx排放浓度一般小于30 ppm,CO排放浓度小于50 ppm,热效率可提高5%.该锅炉样机是一种新型节能、低污染产品,可作为宾馆、商厦、公寓、学校等建筑的生活用热水供应及空调(采暖)的热源.     

循环流化床锅炉的特点、现状及在我国的发展前景

指出了循环流化床燃烧锅炉具有NO排放低、脱硫效果好、能烧劣质煤且燃烧效率高、负荷调节能力强等优点,介绍了近年来在国内外的发展状况,并从我国的以煤为主要能源结构的状况和对环境保护越来越高的要求出发进行分析,指出循环流化床锅炉在我国具有广阔的发展前景。     

350MW燃煤锅炉燃烧过程和NOx排放的数值研究

采用IPSA两相流动模型、煤粉燃烧综合模型以及后处理的NOx生成模型,对一台350MW锅炉煤粉燃烧过程和NOx排放进行了数值计算,得出了炉内燃烧器区域以及炉膛出口的烟气温度场和燃烧产物的组分浓度分布．炉膛出口处模拟结果与锅炉热态试验数据进行了比较,两者吻合情况较好．另外,重点分析了炉内煤粉燃烧过程和NOx排放沿燃烧器出口中心线和炉膛高度方向上的生成规律,得出了NOx的主要生成区域,并指出了降低NOx排放的控制技术．     

基于SVR-GA的燃煤锅炉NOx含量软测量研究

燃煤锅炉脱硝反应器入口NOx浓度是锅炉燃烧过程中的一个重要参数,针对常规NOx分析测量仪存在的精确度较低的问题,通过支持向量回归(SVR)算法建立锅炉的NOx排放预测模型,选取均方误差(MSE)作为模型的评估函数,利用遗传算法(GA)对模型参数进行优化,编制程序对NOx排放量进行预测。以某300MW燃煤机组现场数据为基础进行仿真验证,结果表明,在与SVR、BPNN等方法的对比中,GA-SVR所建立的模型在NOx排放量的预测中取得了更优的效果。     

回转干馏炉内油页岩停留时间模型建立及其预测

为了提高估算MRT精度,文中采用支持向量机算法对求解MRT问题进行了建模,并在一定约束条件下,利用Gridregression.py寻找回归最优参数方法对支持向量机模型的参数进行了优化,获得了最优的模型参数.支持向量机模型将操作参数和结构参数作为输入量,MRT作为输出量,用实验数据对模型进行了校验和参数的寻优,利用优化...     

Application of support vector machine in the prediction of mechanical property of steel materials

1. IntroductionThe mechanical properties of steel materials [1] areimportant to steel quality, which is influenced by themicrostructure, chemical content, and all kinds of fac-tors in manufacturing. The main parameters of themechanical properties include …     

基于变尺度混沌蚁群算法的飞灰中的碳质量分数优化

为了降低燃煤锅炉飞灰中的碳质量分数,利用支持向回归(SVR)建立了大型四角切圆燃烧锅炉的碳质量分数模型.利用大样本量的热态实炉碳质量分数实验数据对模型进行了训练和验证,利用变尺度混沌蚁群算法结合该模型对锅炉的运行参数进行优化.计算结果表明:SVR模型具有很好的泛化性和预测精度;变尺度蚁群算法能实现全局寻优,降低飞灰中的碳质量分数,而且具有很高的稳定性和鲁棒性,其快速的收敛寻优能力也非常适于在线应用;支持向量机与变尺度蚁群算法的结合使用可以有效地实现燃烧优化,降低飞灰中的碳质量分数是控制锅炉飞灰中碳质量分数的有效工具.     

基于支持向量机的夹层结构水声性能预测建模

支持向量机是近几年发展起来的机器学习的新方法，它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。选用典型的三明治结构并制备玻璃钢/吸声橡胶/玻璃钢夹层复合材料，通过改变吸声橡胶层的厚度，得到一系列夹层复合吸声材料试件，并在水声材料声脉冲管测试系统中测得试件的吸声系数和声压反射系数。在这些实验数据的基础上，利用最小二乘支持向量机（LS-SVM）研究了材料不同厚度和频率与其吸声和反射系数对应关系的建模，结果表明最小二乘支持向量机用于材料水声性能的预测建模是一种非常有效的方法。     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。