印度120万t/a球团工程造球设备选型计算

造球又称滚动成型,它不仅是球团矿中重要的基本工序之一,也是球团矿生产中主要工序的第一道工序。通过介绍印度120万t/a球团工程造球设备的选型与计算方案,对比国内其他球团厂生产技术经济指标,结合印度该球团厂实际生产情况,证明该选型计算是合理可靠的,可以完全满足产能要求,为类似规模的球团厂造球设备选型计算提供了借鉴和参考。     

汽车关键结构对车顶抗压强度影响规律研究

首先建立某微型车有限元模型,根据FMVSS 216a《乘用车顶抗压强度》法规标准,进行顶部抗压强度试验仿真模拟分析。通过能量变化曲线,验证仿真模型的准确性。通过对汽车车身关键部件(A柱、B柱的上下端、顶盖横梁)进行大量仿真试验,研究其厚度对车顶抗压强度的影响规律。根据正交试验结果分析,得出关键部位的影响大小为B柱上端A柱下端前挡风横梁顶盖横梁A柱上端B柱下端;其中起主要关键作用的是B柱的上端部位。对汽车车身关键支撑结构(A柱、B柱、顶盖横梁)进行优化设计,得出最佳优化方案,提高车顶抗压强度与安全裕度。     

基于遗传算法与仿真联合的车间调度方案优化

以车间生产系统仿真模型为仿真器，以改进的遗传算法模块为优化器，通过Socket实现联合求解调度优化问题。结果表明，优化的调度方案相比实际完成时间减少19.4%；相比考虑实际因素的仿真时间减少14.3%。通过遗传算法与仿真模型的联合求解，找到了较优的调度方案，实现了生产能力的有效提升。     

基于多智能体的PC构件生产线智能调度系统

智能调度系统是PC构件智能生产线的关键部分,本文通过分析PC构件生产线调度系统的动态复杂性,提出了一种基于多智能体(Multi-Agent)的PC构件生产线智能调度系统。该智能调度系统由配料Agent、配模Agent、输送Agent、养护Agent四大模块组成,建立了基于黑板会话的数据交互模型和任务竞标规则,并重点设计了基于KNN(K近邻算法)机器学习的能耗评估算法和基于配方的综合评估调度算法。最后,通过Python进行KNN能耗评估算法试验仿真,证实了该评估算法的准确性较为理想,通过WINCC的Simulation仿真模块,对订单堆积度进行随机变量配置,动态展示了动态权重系数的综合调度评估算法,并给出了基于HMI配方的可行性方案。     

滚动轴承振动性能序列动态预报研究

为了对轴承振动性能序列进行动态预报,将自助法与最小二乘法进行有效融合,提出了一种基于自助-最小二乘线性拟合的轴承振动性能序列动态预报模型。首先,采用自助法对紧邻的10个振动数据进行了模拟抽样,构造出了当前状态下多组振动侧面信息,将每组轴承振动信息利用自助-最小二乘法进行了线性拟合;然后,运用最大熵原理获得了拟合系数a和c的概率密度函数、真值及估计区间,进而得到了滚动轴承振动时间序列的真值拟合与区间拟合;通过不断更新紧邻的10个振动数据,实现了滚动轴承振动性能真值与区间的动态预报;最后,采用某轴承3个服役时间段的振动性能案例,对轴承振动性能序列动态预报模型的准确性进行了验证。研究结果表明：采用预报模型获得的预报值与实际值可保持良好的一致性,其最大预报误差仅为14.73%,同时预报区间差值小、精度高;该振动性能序列动态预报模型可较好地对应用于工程实际中的轴承进行健康监测及安全诊断。     

基于阀芯位移软测量的数字阀智能驱动方法研究

针对数字阀在目前驱动方法控制下存在动态响应慢、静态线性可控区间小、电能损耗较高等问题,提出一种基于阀芯位移软测量的数字阀智能驱动方法。建立数字阀机理模型,分析数字阀动态响应过程,得到驱动电压和阀入口压力是影响数字阀响应速度的关键参数;建立阀芯位移软测量模型,通过有限元仿真和试验修正温度对位移软测量模型的影响,精度达到92.04%;基于关键参数对数字阀动态响应的影响规律,提出一种智能驱动方法,阀芯位移软测量值作为多级工作阶段精准切换的条件,维持阶段驱动信号智能调节以适应压力的变化;搭建数字阀性能测试试验平台,验证智能驱动方法的有效性。结果表明,相较单电压驱动方法,智能驱动方法下阀芯启闭时间最高缩短43.9%,占空比-流量特性曲线线性区间最高提升20%,饱和区间均在10%以内,电能损耗降低66%。该智能驱动方法有效提高了数字阀的动静态特性,降低了线圈电能损耗。     

基于PSO-BP神经网络的盾构刀具配置研究

盾构刀具在盾构机掘进过程中起着关键的作用,其配置选型是否合理决定着工程的成败。为了对盾构刀具进行合理的配置,根据盾构刀具的配置原则,针对盾构刀具配置的地质适用性,在粒子群优化算法(Particle swarm optimization,PSO)与神经网络算法(Back propagation,BP)的基础上提出智能配置方法。建立地质条件与盾构刀具类型之间的关系模型,并利用成功的盾构施工案例作为样本数据对该模型进行训练,训练后可以利用模型智能推荐盾构刀具配置方案。利用工程案例进行测试分析,将测试结果与实际配置方案进行对比,并与BP神经网络测试结果进行比较。测试结果表明,基于PSO-BP神经网络算法不但能够很好地实现盾构刀具配置方案的合理推荐,并且在计算精度和训练时间两个方面PSO-BP神经网络算法比BP神经网络算法都有显著提高。     

全局视角下的Web服务系统模型及推荐策略

考虑到当前的服务推荐策略大多缺乏对系统整体发展需求的关注,结合服务新增、失效等动态要素构建了服务生态系统仿真模型;从全局发展的视角出发,提出了服务系统综合发展指标体系;结合服务系统模型和综合发展指标体系,设计了能够保障系统中服务多样性、减小服务失效率的推荐策略,该策略将服务分为新服务、保护服务和普通服务并分别设计推荐机制;在基于实际数据构建的仿真模型上进行测试,验证了推荐策略的有效性。     

自动化码头智能运输机器人差速调序控制仿真分析

文中针对自动化集装箱港口装卸作业中交通拥堵和效率低下的问题,在传统智能运输机器人无差速调控策略基础上,提出一种适用于自动化码头智能运输机器人的差速调序策略。该策略通过控制智能运输机器人行驶过程中的车速,调整智能运输机器人到达岸边集装箱起重机作业位置的时间,以保证集装箱装船次序。最后,利用专业仿真软件Anylogic建立码头模型,对差速调序方案与无差速方案进行分析比较。仿真结果显示,差速调序策略相较于无差速策略在排队时间,装卸效率等指标上提升了55.77%和5.3%。研究表明,与无差速方案相比,差速调序策略可以有效提高码头作业效率,解决码头拥堵问题。     

基于支持向量回归积和改进粒子群算法的特定区间盾构机作业参数选取

为实现特定区间盾构机作业参数更准确的选取,提出了基于支持向量回归积(e-SVR)和改进惯性权重降低速度粒子群优化(IIWDSPSO)算法的盾构机作业参数选取模型。基于e-SVR构建掘进参数、地层参数、几何参数与地表沉降值之间的非线性关系模型,并基于实际盾构施工数据与人工神经网络模型、随机森林模型进行性能对比分析;通过10组仿真实验分析惯性权重降低速度对算法性能的影响,基于分析改进的粒子群优化算法优化特定地层参数和几何参数区间的掘进参数。结果表明,e-SVR模型对盾构施工数据样本具有更好的拟合和泛化能力,所提出的IIWDSPSO算法具有更好的准确性、稳定性和收敛概率。实际工程应用结果也验证了所提模型求解出的特定区间掘进参数能使地表沉降值相对更小,得到的掘进参数能够为实际工程提供更准确和可靠的参考。     

基于小波去噪和LSTM模型的短时交通流预测

针对现有的部分交通流预测模型仅面向单一路段进行,模型输入数据未预处理的问题,采用启发式阈值算法对小波分解后的原始交通流数据进行去噪处理,通过对路网内各路段交通流数据相关性系数计算,构造出路网交通流数据压缩矩阵。数据去噪将数据对模型的干扰降到最低,同时路网数据相关性分析又使预测在路网层面上进行了考量。利用长短时记忆(LSTM)网络在时序数据处理方面的优势,将压缩矩阵输入构造好的LSTM模型进行短时交通流预测。利用去噪处理数据和原始数据分别训练LSTM-1和LSTM-2模型,通过仿真实验,设置不同预测时间将本文提出的预测方法和其他4种模型对比,验证了相较于其他4种模型预测的准确率平均可提升10.278%,预测的准确率达到了95.58%,说明这是一种高效率的短时交通流预测方法。     

Internal leakage rate prediction and failure diagnosis of buried pipeline ball valve based on valve cavity pressure detection

— Ball valve is a key fluid control equipment used extensively in oil and gas pipelines. The online detection and failure diagnosis of the internal leakage of the ball valve is of great significance to ensure the safety operation of natural gas transmission pipelines. This paper proposes a prediction method of the internal leakage rate and a diagnosis method of the failure mode of the buried pipeline ball valve based on valve cavity pressure detection. Firstly, the valve cavity pressure signal generated by the internal leakage of the ball valve is detected by the pressure sensor, and the valve cavity pressure signal is denoised by wavelet threshold denoising. Then, the back propagation (BP) neural network has the disadvantage of unstable learning ability, so the BP neural network is optimized by chaos sparrow search optimization algorithm (CSSOA-BP). Finally, the prediction model of the ball valve internal leakage rate and the diagnosis model of the ball valve failure mode are established by using CSSOA-BP neural network and the characteristic parameters of the valve cavity pressure signal. To verify the performance of the prediction model and the diagnosis model of CSSOA-BP neural network, the predictive results and diagnostic results are compared with those of the sparrow search algorithm optimization BP (SSA-BP) neural network and BP neural network. The experimental results show that the maximum prediction error of CSSOA-BP neural network is the smallest, which is 13.6%. The accuracy of the diagnostic results of CSSOA-BP neural network is the highest, which is 83.3%. It indicates that the proposed method can achieve better predictive results of the ball valve internal leakage rate and more accurate diagnostic results of the ball valve failure mode.     

基于综合智能计算的数控系统误差补偿

提出一种基于综合智能计算的数控系统位置控制方法,其基本思想是,在现有的数控系统内部嵌入一个神经网络的小型系统(采用插件形式嵌入),利用综合智能计算,得出系统补偿误差,实现对数控系统误差补偿的智能控制。综合智能计算通过应用粗集理论对决策表进行属性约简,利用主元分析进行数据压缩及特征提取,以降低BP网络的输入维数,缩短网络的训练时间,并利用蚁群算法对BP网络参数进行全局搜索,实现网络快速收敛到全局最优值。试验仿真表明,此方法可有效提高系统补偿精度和实时性。     

面向船舶试航问题的技术知识超网络专家推荐方法

针对船舶试航问题解决过程中存在的专家依赖性强,现有专家推荐方法准确度较低,专家查找困难等问题,从技术问题解决过程的技术活动视角,提出一种基于技术知识超网络模型的专家推荐方法,通过计算技术问题解决过程中知识属性之间的关联度,构建由专家子网、对象子网、知识子网组成的技术知识超网络模型,运用超网络中贝叶斯(Bayesian)推理方法计算技术专家与试航问题间的相关度,并推送相关技术专家。以国内某大型船厂的技术知识和试航问题为实验素材,通过实验比较,表明该方法能更有效地进行船舶试航问题的专家查找,并提高专家推荐的精确度,从而验证了该方法的可行性和有效性。     

航空产品工程网络计划关键路径算法研究

针对航空产品工程计划中工序作业时间小样本输入条件的特征,提出了一种基于灰色系统理论的工序作业时间预测方法。该方法根据工序作业时间历史积累的数据,建立灰色预测模型,将工程计划中具有灰色特性的不确定性工序作业时间白化为确定值。在此基础上提出了时距折算原理,将4种搭接关系和搭接时距通过时距折算模型转化为一般时距,从而将搭接型网络计划转化为一般网络计划,推导出复杂航空产品工程计划网络时间参数计算模型,并得到关键路径和关键工序判定准则。最后,给出了航空产品工程计划网络关键路径搜索算法,通过一个算例说明了算法的有效性。     

Residual life predictions for ball bearings based on self-organizing map and back propagation neural network methods

This paper deals with a new scheme for the prediction of a ball bearing's remaining useful life based on self-organizing map (SOM) and back propagation neural network methods. One of the key components needed for effective bearing life prediction is the set-up of an appropriate degradation indicator from a bearing's incipient defect stage to its final failure. This new method is different from the others that have been used in the past, in that it uses the minimum quantisation error (MQE) indicator derived from SOM, which is trained by six vibration features, including a new designed degradation index for performance degradation assessment. Then, using this indicator, back propagation neural networks focusing on the degradation periods can be trained. Thanks to weight application to failure times (WAFT) technology, a useful life prediction model for ball bearings has been developed successfully. Finally, a set of accelerated bearing run-to-failure experiments is carried out, with the experimental results showing that the new proposed methods are greatly superior to those, based on L10 bearing life prediction, currently being used.     

基于多模型融合的内河船舶航行轨迹预测方法

内河航运是现代综合运输体系的重要组成部分,实时和高精度的船舶轨迹预测方法能够有效规避水上交通事故、增强船舶自动化与智能化监管能力。针对现有内河船舶轨迹预测方法精度不高的问题,以提高船舶轨迹短期预测精度为目标,综合使用待测船舶近期船舶自动识别系统(AIS)数据和历史AIS数据,基于轨迹与航速和航向间的内在联系以及内河航道特点,构建了面向航速和航向预测的时域卷积网络模型、船舶轨迹动力学方程模型、自适应双隐层径向基函数网络等模型,提出了基于多模型融合的船舶轨迹预测方法。实验结果表明,所提方法轨迹预测精度有明显提高,并能满足实时性要求。     

酰肼类及磷酸类润滑油添加剂CoMSIA-QSTR抗磨损性能模型构建

采用比较分子力场分析(Comparative Molecular Field Analysis,CoMFA)和比较分子相似性指数分析(Comparative Molecular Similarity Indices Analysis,CoMSIA),对36种酰肼类及部分磷酸类润滑油添加剂的抗磨性能进行摩擦学三维定量构效关系的研究,在静电场和立体场分别建立添加剂的CoMSIA模型,对比分析2种模型的稳定性和预测能力。结果表明:在静电场构建的CoMSIA模型的预测能力较好,表明分子静电场对该类型类化合物的抗磨性能影响最大;基于该模型构建的三维等高线图可较为直观地解释静电场对化合物抗磨性能的影响,即当官能团或原子的电负性和所在区域性质一致时,抗磨性能最好。因此在特定区域引入带有正电荷或负电荷的基团或原子将有助于提高化合物的抗磨效果。     

稳恒磁场作用下摩擦制动尖叫发生率及其预测分析

为了研究稳恒磁场作用下制动尖叫发生率随制动工况的变化规律,提出一种基于长短时记忆(LSTM)网络的摩擦制动尖叫发生率的预测模型。设计制动尖叫信号的测量方案,并开展大量的模拟制动试验;通过LSTM门控循环单元的深度学习网络,构建对不同制动工况下制动尖叫发生率的智能预测模型;通过预测模型及摩擦界面的微观特性分析稳恒磁场对制动尖叫行为的影响规律及机制。结果表明：建立的模型可以实现对制动尖叫发生率的准确预测;稳恒磁场可有效降低制动尖叫发生率,但当磁感应强度增大到一定阈值后,磁场对摩擦行为的影响程度趋于饱和,制动尖叫发生率也逐渐趋于稳定。研究结果为探索发展基于磁场的制动器制动尖叫主动抑制技术提供了理论基础和数据模型。     

IEEE 1451网络化智能传感器的通用建模方法及应用

为提高网络化智能传感器的互操作性,在分析IEEE 1451标准传感器的定义和功能需求的基础上,利用统一建模语言(UML),分别从静态用例建模、动态顺序描述和系统部署3个层面构建了一系列面向网络化测控的通用型智能传感器系统模型,搭建了一款可用于在线检测绝缘子污秽状况的网络化智能传感器。相对于从传感器原型开始开发,该方法减少了60%以上的开发时间。实验结果表明,利用UML统一建模方法可以有效描述基于IEEE 1451标准的网络化智能传感器的简化模型,为后续研制及优化高性能的智能传感器提供理论参考和模型基础。建立的传感器模型具有通用性和可扩展性,能关联不同的物理接口;结合实际需求,可在该模型的基础上快速扩展构建所需的网络化智能传感器,能实现传感器的"即插即用"和实现良好的网络互操作性。