闭式循环柴油机技术综述

基于采用海水吸收ＣＯ２的闭式循环柴油机系统,综合分析了系统实现的一般原则和目前的技术状况,并提出了系统实现中存在的问题及其解决的思路。     

闭式循环柴油机水处理系统技术初探

扼要介绍了闭式循环柴油机的原理，重点对其突破性技术－－水处理系统进行了详细介绍，并分析了它的组成原理及实现，进一步探讨了降低系统噪音及系统中高压泵改进设计的问题。     

前馈神经网络开发工具的研究

本文应用面向对象编程的Ｃ＋＋语言，建立了一个功能全面的前馈神经网络开发工具（ＢＰＮｅｔｗｏｒｋＴｏｏｌ，ＢＰＮＴ），该工具具有构造各种结构的前向网络，修改学习参数，编辑训练样本，进行网络训练，检验网络性能以及存取网络数据等功能，为前馈神经网络的研究和应用提供了一个有力手段。     

闭式循环制冷机制丸的弹丸发射器的设计

国内第一套用G-M循环制冷机制造氢(氘)冰丸的多管弹丸发射器主体设计业已完成。该发射器采用原位冷凝法同时冷凝25支枪管生成25粒氢或氘丸。G-M循环制冷机的选用大大方便了发射器的运行,增加了设备的可靠性,降低了运行成本,并保证运行的灵活性。介绍发射器设计的主要原则、目标、工程结构布局和参数的选择以及可能的扩展方向。     

一个柴油机驱动的复合制冷循环

介绍了一个用柴油机驱动的复合制冷循环，即用柴油机主机带动压缩式循环，同时利用柴油机排气和缸套水的热量作源驱动吸收式循环。热力学分析和数值计算表明，此复合循环由于实现了不同品位热源的合理利用，减少了不可逆损失，其能效比普通式循环或直燃式吸收循环可分别提高19％和58％。     

基于前馈神经网络的自适应回声消除方法

回声消除常用的LMS算法收敛性差，而收敛性好的RLS算法计算量大。文章中提出一种全新的求解方法：基于前馈神经网络的自适应回声消除方法。把回声消除模型中求解滤波器系数的问题转化为前馈神经网络神经元权值的训练问题，并运用误差反向传播算法(BP算法)得出神经元权值的递推公式。经仿真计算，能较好地实现回声消除，与原传统算法LMS和RLS计算比较：该方法能得到非常高的计算精度和明显优越的收敛性能，而计算量只有RLS算法的一半。     

基于AE-ANFIS的船舶柴油机故障诊断

柴油机作为船舶主要动力设备,在船舶行业应用极其广泛,但其工作环境恶劣,极易发生故障。为减小船舶航行时柴油机故障带来的经济损失,有必要对其进行故障诊断。通过柴油机实验台架模拟不同类型故障,并在柴油机缸盖处使用振动加速度传感器采集故障信号,选取在1缸缸盖处采集的信号作为样本数据进行数据分析。由于采集的原始信号是多激励源合成信号,其中包含传播噪声、环境噪声,为降低噪声对识别精度影响,首先使用变分模态分解(Variational Mode Decomposition,VMD)对信号进行分解降噪,把原始一维数据分解成能反映柴油机运行状态的多维数据;接着使用自编码器(Auto-Encode,AE)对分离信号进行特征提取,以降低分解信号间的干扰,提高识别准确率;再使用自适应模糊神经网络（Adaptive Fuzzy Neural Network,ANFIS）建立故障诊断模型,并将所提取特征作为诊断模型输入;最后根据诊断模型的识别准确度评价以上方法的可行性。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题，分析了输出扭矩的影响因素，在实验室试车台记录数据的基础上，利用小波分析方法对带噪声的原始信号进行预处理，运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型。     

基于可控参数的前馈神经网络出水总氮预测模型研究

当前,出水总氮(TN)稳定达标是我国城镇污水处理厂面临的关键问题.本文基于我国城镇污水处理厂主流工艺——序批式活性污泥工艺(SBR),构建了一种基于可控参数的前馈神经网络(FFNN)出水总氮预测模型.与已有预测模型相比,本模型具备以下两个特点:①采用可控参数(表面气速与缺氧段时长)代替溶解氧作为模型主要输入参数,明显提...     

基于多信息的柴油机缸套磨损故障诊断研究

采用了模糊神经网络模型，对柴油机缸套磨损故障以及缸套破坏性磨损故障进行了诊断研究．通过缸套磨损故障的模拟实验，获取柴油机机身振动和铁谱分析等多源多雏故障信息，并对融合故障信息进行预处理，解决了模糊神经网络输入矢量的模糊特性化、输出矢量的隶属函数及网络的学习训练问题，对缸套不同磨损故障进行了诊断．研究表明，这种基于多信息的诊断方法减小了故障诊断的不确定性，提高了诊断精度．     

闭式氮水预冷系统水质恶化的原因分析与处理

35000 m3/h空分设备氮水预冷系统采用密闭式循环水系统,但由于采用了不饱和补充水,使循环水水质的pH值降低、铁离子含量增高。通过采取提高循环水的饱和性和碱度、更换输水管路材质、清除铁锈等措施,彻底解决了问题。     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法．利用模糊C-均值聚类法对测量空间进行分割，再利用模糊规则对分割后的子空间分别采用BP网络进行逼近，从而获得不同子空间故障输出与测量输入的非线性动力学特性．计算机仿真表明该网络具有良好的泛化性能，方案可行．     

基于信息融合的柴油机缸套磨损故障诊断研究

针对柴油机缸套磨损故障进行模拟实验,获取了柴油机机体表面振动、铁谱分析故障信息,并对多源多维故障信息进行预处理,解决了模糊神经网络的输入矢量的模糊特性化、输出矢量的隶属函数、学习样本的选择及网络的学习训练等问题;在上述工作的基础上,建立了柴油机缸套磨损故障诊断的模糊神经网络模型.为验证诊断模型的有效性,选取了四组分别来自不同故障类别的数据作为检验样本,运用模糊神经网络模型进行诊断,其诊断结果与实际情况十分吻合.研究表明,基于多信息的模糊神经网络模型能较有效地对柴油机缸套磨损故障进行诊断,此方法能减小故障诊断的不确定性,提高诊断精度.     

闭式跨临界CO2热泵烘干系统最优工况研究

目的 对跨临界CO2热泵驱动的闭式干燥系统展开理论研究,得到CO2闭式热泵中最优工况的计算方法和原理。方法 通过建立CO2循环与空气循环热力学耦合的数学模型,计算干燥循环中空气的温度、焓值、相对湿度、含湿量,以及跨临界CO2热泵系统中工质的温度、压力、焓值等参数。通过调整冷凝干燥后空气温度,以热泵烘干系统的COP为评价依据,探究空气循环与CO2热泵循环的耦合机理。结果 获得了CO2循环系统最优排气压力随闭式空气循环系统在不同工况下的变化规律,并基于所建立的计算程序,获得了典型工艺参数下的热泵系统的热力学参数,为关键设备(风机、换热器、压缩机等)选型及系统控制方法提供了理论依据。结论 研究表明,在CO2热泵冷却器出口状态为临界状态时,系统的COP达到最优。     

基于深度循环神经网络的社交网络用户情感研究

目的 将深度学习与社交网络、情感计算相结合,探索利用深度神经网络进行社交网络用户情感研究的新方法和新技术,探索模型在用户需求分析和推荐上的应用.方法 自动筛选和挖掘海量社交网络数据,研究具有长时记忆的非先验情感预测方法,对网络中海量的用户数据、人与人之间关系进行建模,为关联时间序列创建LSTM模型,并结合其相互关系融入统一的大型深度循环网络中.具体包括:基于注意力模型的社交网络异构数据处理;基于深度LSTM的长时记忆建模,研究子网络选取、深度LSTM设计,以及针对社交网络的大型网络结构设计;基于社交网络情感模型和强化学习的推荐算法.结果 提高了分析的准确度,降低了对先验假设的依赖,减轻了人工情感模型的工作量和偏差,增强了对不同网络数据的普适性;供深度模型使用.结论 研究成果促进了深度学习与情感计算的结合,可推动网络用户行为分析和预测的研究,可用于个性化推荐、定向广告等领域,具有广泛的学术意义和应用前景.     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进ＢＰ算法的神经网络对柴油机进行故障诊断。首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以６－１３５ＺＣ柴油机为例,将实验数据输入网络验证。结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的。     

基于模糊神经网络的烟度检测系统的研究

本对全流消光式烟度检测系统中的不确定因素进行校正，归结为模糊规则，并用模糊神经网络来提取这种规则，实现了烟度检测系统的误差校正。仿真分析表明，模糊神经网络应用于烟度的检测是可行的。     

船用柴油机PID神经网络控制系统的设计

给出了PID-NN控制器的结构形式、计算公式，并将其应用于船舶柴油机的转速控制系统中。从仿真结果可知，该算法的控制性能和鲁棒稳定性良好，具有较好的自学习和自适应性。     

基于AMESim柴油机油耗测量系统的仿真与优化

针对柴油机油耗测量系统,采用AMESim软件对系统进行建模与仿真,通过软件的批处理功能得到热交换器各参数对系统出口温度影响的变化曲线,分析发现:提高换热器的换热效率、减少换热液体体积以及缩小换热器出口与发动机进口温度差有利于提高系统灵敏性,但系统的稳定性表现较差,对此,提出系统的优化方案。优化仿真结果表明:油气分离器安装在回油支路回油压力调压阀之后,系统的稳定性得到了明显改善,为系统的设计与进一步优化提供参考。     

基于神经网络的柴油机故障诊断

传统的柴油机故障诊断与处理方法主要都是以定期保养和事后维修为主,缺乏针对事故的预见能力,且效率比较低,成本较高。这就为人工智能技术在柴油机故障诊断上的应用开辟了广阔的空间。本文主要以非线性并行分布处理为主的神经网络为研究理论,通过对建立的BP网络模型,RBF网络模型和Elman网络模型进行了比较,发现这三种网络虽然各有特点和优势,但均适用于特定条件下的故障诊断要求。