基于支持向量机的激光甲烷浓度量化研究

可调谐半导体激光吸收光谱(TDLAS)技术对甲烷气体探测及甲烷浓度的准确量化具有重要意义。由于激光甲烷信号较为微弱,传统甲烷浓度量化模型在复杂工况下存在量化误差大的问题。针对此问题,基于径向基核nu-支持向量回归机(RBF-nu-SVR)构建了激光甲烷遥测浓度量化回归模型,并与传统模型、多项式核及线性核的nu-支持向量回归机、BP神经网络等模型进行了对比研究。结果表明：所构建的RBF-nu-SVR模型在测试集上展现了较强的泛化性能,平均绝对百分比误差(MAPE)和皮尔逊相关系数(R²)分别为9.155和0.99947,提升了TDLAS对甲烷气体的探测精度。且由于采用的是原始数据,不需要进行二次谐波提取,简化了结构。     

基于可调谐二极管激光吸收光谱技术在线监测机动车尾气排放CO和CO2的方法

基于可调谐二极管激光吸收光谱学(TDLAS)技术的原理,在分析了在线监测机动车尾气排放的污染气体浓度的特殊性的基础上,研究了烟羽的影响以及在线监测中浓度反演的方法,研制了TDLAS实验系统,用该系统对北京市学院路监测点和大羊坊高速公路收费站监测点进行了机动车尾气CO和CO2的实时在线监测,并对监测数据进行了统计和分析.实验表明,TDLAS技术具有灵敏度高、选择性好、响应速度快等特点,适合于机动车尾气排放CO和CO2的在线监测.     

高温CO2介质中N80钢的腐蚀行为

目前,对油气田环境中N80钢高温CO₂腐蚀的研究不多。采用高温高压腐蚀失重法研究了N80钢在60³50℃内、CO₂分压为2 MPa的多元热流体水样中的腐蚀状况,对其腐蚀产物形貌及成分进行了观察分析,并探讨了其腐蚀机理。结果表明:100℃时N80钢的二氧化碳腐蚀速率出现极大值,而在200℃左右腐蚀速率有极小值。温度对N80钢CO₂腐蚀产物的形貌和组成有较大影响,80¹00℃的腐蚀产物出现规则晶体,晶体粗大且堆积较疏松,120¹80℃的腐蚀产物晶体排布得越来越致密,200℃以后腐蚀产物发生了变化,CO₂腐蚀的主要产物由FeCO₃变成了Fe₂O₃。     

CO2激光对熔石英损伤修复的研究进展

CO2激光对熔石英损伤修复的机理主要是通过激光的热效应使表面发生熔融,对损伤处起到弥合作用使元件的表面结构趋于完整。近几年CO2激光修复的方法按激光扫描方式可以分为光栅式扫描法和振镜扫描法。利用逐渐提高功率的扫描方式可以有效减少修复过程中气泡的产生,用高温退火的方式可以完全消除或者消除大部分修复后产生的应力,这取决于损伤点的尺寸。多种处理工艺相结合的方法可以有效提高修复后的损伤阈值。     

地铁站站厅低温送风方式对CO2浓度的影响研究

地铁站作为应用很广泛的公共空间,乘客在换乘空间内的舒适性体验受到关注。因此,基于低温送风系统的节能性,利用 CFD 软件研究某地铁站站厅低温送风方式与常规送风方式对 CO₂ 浓度分布的影响。对比分析两种送风工况下,竖直方向上(X=15m)和水平方向上(Z=1.5m)的温度场、速度场、湿度场以及 CO₂ 浓度场的分布特征。得出以下结论：(1)低温送风方式下,站厅人体活动区域温度温更低,有利于提高人体的热舒适性;(2)两种送风方式下的空气流速分布较为相似,空调工作区的送风速度基本稳定在 0.1m/s～0.3m/s;(3)低温送风工况下的室内空气相对湿度普遍都要低于常规送风工况,表明低温送风方式的除湿能力更强,在两者都满足设计要求的情况下,低温送风方式有利于提高人体的热舒适度;(4)两种送风工况下站厅 CO₂ 浓度场分布相似且都符合设计标准。低温送风工况下,竖直高度 CO₂ 浓度稳定在 0.57%,水平方向稳定在 0.67%;常规送风工况下,竖直高度 CO₂ 浓度稳定在 0.6%,水...     

CO2饱和NaCl溶液中Cl-浓度对2Cr13不锈钢腐蚀行为的影响

Cl-对金属及合金有强烈的点蚀作用,易引起局部腐蚀失效,造成严重的经济损失。探究其腐蚀机理有利于预防Cl-对金属的腐蚀。通过极化曲线、交流阻抗等电化学测试方法,结合扫描电镜(SEM)、X射线衍射(XRD)等检测手段,研究了60℃下CO2饱和NaCl溶液中Cl-浓度对2Cr13不锈钢腐蚀行为的影响,并讨论了其腐蚀机理。结果表明:在CO2饱和NaCl溶液中,Cl-存在多种影响作用,如腐蚀催化、增大H+活度、降低CO2溶解度等;随着Cl-浓度的增大,2Cr13不锈钢的再钝化能力变差,点蚀诱发敏感性增强,腐蚀速度呈现先增大后减小的变化趋势,NaCl浓度为60 g/L时,2Cr13不锈钢的腐蚀速率最大。     

二维材料构筑的CO2分离膜研究进展

二维材料由于其独特的纳米片结构,已广泛应用于设计高气体渗透通量和选择性的分离膜中.石墨烯类、二维金属有机骨架、二维过渡金属碳化物/碳氮化物等二维材料中构筑的纳米及纳米尺度孔道为分子输运提供了特殊的通道,它们是高渗透性和高选择性分子筛分的根本原因.本文综述了近年来二维材料基CO₂分离膜的研究进展,包括材料种类、分离膜的制备方法、分离性能及分离机制,并对二维材料基CO₂分离膜的应用前景进行了总结与展望.     

基于红外吸收光谱技术的CO2同位素测量研究进展

全球气候变暖形势加剧,温室气体排放是关键因素之一。二氧化碳作为主要温室气体,对其高精度监测技术是实现温室气体追踪的基础。在此基础上监测二氧化碳同位素组份,不仅可以实现高精度浓度监测,还能够区分不同排放源的碳循环过程贡献,实现人为排放和自然排放的追踪和溯源。发展高精度二氧化碳同位素监测技术对提升碳排放清单准确性,优化碳减排措施等具有重要意义。在自然界中,碳同位素气体浓度通常为大气浓度的10^-6倍,并受测量条件的影响,这导致了碳同位素测量难度加大。综述了红外吸收光谱技术测量二氧化碳稳定同位素浓度的研究进展,分析了高灵敏度稳频光腔衰荡光谱技术的原理及研究进展,并展望了稳定同位素光谱研究的未来方向。光腔衰荡光谱技术作为新兴光学检测技术,克服了传统方法测量精度不足、灵敏度低等缺陷,或成为新一代温室气体及同位素丰度测量标准方法。     

大功率CO2激光原位直接反应合成TiN/Ti 复合材料的研究

使用大功率CO₂激光原位直接反应合成TiN /Ti 复合材料, 分析了材料的微观结构、物相组成、成分及显微硬度分布。结果发现: 氮化层是富钛结构的, 由TiN 相和α-Ti 构成, TiN 以枝晶形式在氮化层均匀分布。材料横截面显微硬度连续变化。氮化层的氮化程度随激光作用时间的增加而增加, 辐照的激光能量密度越高, 氮化层的厚度越大。激光功率密度, 激光扫描速度, 氮气喷射压强分别为3. 35×105W·cm-2, 300mm·min-1, 0.35M Pa 时, 材料表面硬度值达到Hv1600, 氮化层的厚度有350Lm。      

木质素热解中CO和CO2形成机理的理论研究

采用密度泛函理论方法(B3LYP)对含苯基的各种木质素模型化合物的脱羰基反应和脱羧基反应进行了理论研究。设计了8种模型化合物 R1-R8的8条脱羰基反应路径(1)-(8)和8种模型化合物 R9-R16的8条脱羧基反应路径(9)-(16)。计算了不同温度下各热解反应途径的标准热力学和动力学参数。计算结果表明,反应路径(1)-(4)的脱羰基反应能垒明显高于反应路径(5)-(8),CO 更可能通过苯基(对羟苯基、愈创木基和紫丁香基)乙醛的脱羰基反应而形成;反应路径(9)-(12)的脱羧基反应能垒低于反应路径(13)-(16),CO2的形成更可能通过苯基(对羟苯基、愈创木基和紫丁香基)甲酸的脱羧基反应而完成。     

基于RBF神经网络的睡眠分期方法研究与应用

目的 提出一种基于径向基函数(Radial Basis Function,RBF)神经网络的睡眠分期方法,设计一套能够根据用户身心恢复状态调节唤醒时间的智能唤醒系统,以优化用户睡眠时长,减轻醒后不适感。方法 基于心率变异性和睡眠分期等相关理论知识,通过低功耗心率带采集人体心电信号,选取最优小波变换对采集到的心电信号精准去噪,对径向基函数神经网络进行反复训练后,筛选出10个关键的特征向量,以构建睡眠分期模型。睡眠分期信息通过STM32处理器传输到手机客户端,系统根据预先设计的优化唤醒机制在用户身心恢复到最佳状态时将其唤醒。结果 基于睡眠分期模型的算法平均识别准确率可达88.9%,卡帕(Kappa)系数为0.839,相较于其他算法,该算法具有较高的准确率。结论 该智能唤醒系统的采集成本较低,算法简便高效,其唤醒机制科学合理,可以使用户舒适醒来,对改善用户醒后状态具有重要意义。     

记忆径向基神经网络在冷轧液压自动位置系统的优化控制

针对冷轧液压自动位置控制系统多变量、强耦合、高阶次和时变性等特点,提出一种引入记忆因子的径向基函数神经网络在线自适应调节PID参数的系统。为提高网络精度,利用改进的混洗蛙跳算法离线全优化记忆径向基神经网络,在获得网络结构的同时得到初始参数,避免网络模型训练的繁琐,并利用测试函数证明优化后的网络具有良好的逼近能力。然后利用优化后记忆径向基神经网络的自校正功能在线细调PID参数,仿真结果表明,该控制系统跟踪快、超调小、适应性强,控制品质优于传统PID和普通径向基神经网络PID控制方法。     

基于傅里叶红外光谱仪的高温含水烟气中低浓度一氧化氮精确测量研究

随着国家超低排放政策的深入,对烟气中污染物浓度精确测量提出了更高的要求.基于傅里叶红外光谱仪建立了高温含水条件下一氧化氮(NO)气体精确测量系统,在191℃条件下测量了含5％ ～ 20％水蒸气与摩尔分数为5 ～ 40 μmol/mol NO混合前后的吸收光谱,通过修正混合物中H2O的吸光度来精确确定NO浓度,并评价了系...     

基于双热传导方程的高温燃气温度传感器设计方法

介绍了一种实用型的高温燃气温度传感器,从工况条件出发,阐述了该温度传感器的总体结构设计、敏感元件设计、绝缘瓷管选取、屏蔽罩设计以及外壳设计.在屏蔽罩的关键结构尺寸设计中,提出了一种基于双热传导方程的模型,对高温燃气温度传感器的设计方法进行优化,并在热校准风洞上对设计结果进行了试验验证.结果 表明:在常压条件下,所设计的...     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

润滑油对CO_2气体冷却器性能的影响

本文对含有PAG润滑油的CO2气体冷却器建立了理论模型,通过人工神经网络对含油的CO2对流换热系数进行预测,通过与实验结果进行比较,验证了模型的准确性。进一步分析和计算结果表明:气冷器的热效率随管道的长度的增加而增大,但增幅逐渐放缓。对于实际使用的气冷器,考虑设备运行的经济性,应合理设计气冷器的长度。对于小管径的气冷器(Dh≤2mm),少量的润滑油(ω≈1%)即会明显削弱气冷器的传热系数与热效率;但对于大管径的气冷器(Dh≥4 mm),少量的润滑油对气冷器的影响不明显。在实际小管径气冷器运行过程中,要尽量降低进入气冷器中的润滑油含量,以保证气冷器较高的换热性能。气冷器的热效率随CO2侧压力的增加而增大,但增幅逐渐变缓。CO2侧压力越接近临界压力,由于润滑油的存在导致气冷器热效率降低的幅度越大,并且气冷器的管径越小,降低幅度越明显。     

基于粒子群优化算法和BP神经网络的变频压缩机功率预测

本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型。利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率。本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度。结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1. 11%、2. 64%,3种测试方法下的平均相对误差均小于1%,拟合程度在0. 9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力。     

基于粒子群优化与卷积神经网络的电能质量扰动分类方法

针对传统电能质量扰动分类方法中人工选取特征困难、步骤繁琐和分类准确率低等问题,提出了一种基于粒子群优化(particle swarm optimization,PSO)算法与卷积神经网络(convolutional neural network,CNN)的扰动分类方法。首先,利用reshape函数将各电能质量扰动信号的一维时间序列分别转成行列相等的二维矩阵,并对这些二维矩阵进行适当划分,形成训练数据集和测试数据集;其次,基于CNN构建电能质量扰动的分类模型;再次,采用PSO算法对该分类模型的参数进行优化,使用训练数据集对优化后的电能质量扰动分类模型进行训练;最后,使用测试数据集对经过训练的电能质量扰动分类模型进行测试,根据输出标签得到各类电能质量扰动的分类结果。仿真结果表明：该分类模型可以自行提取电能质量扰动数据的特征,相较于其他电能质量扰动分类模型,其对电能质量扰动信号的分类准确率更高。     

一种基于神经网络的硅基光伏组件运行温度在线软测量方法

硅基光伏组件的运行温度对组件电气性能和发电效率具有显著影响,是光伏系统建模和性能评估的重要参数,它的精确计算对于光伏系统分析和最大功率跟踪等算法的应用等具有重要意义。通过对组件运行温度经典计算方法进行实例验证,发现该算法在不同季节、天气条件下的精度不一致,使得光伏电站发电量的计算与实际状况存在较大误差。针对这一问题,提出了一种基于多层反向传播（back propagation,BP）神经网络的硅基光伏组件运行温度在线建模方法,它分别以实测太阳辐照度、环境温度和输出功率作为模型输入,以组件运行温度作为模型输出,实现了组件运行温度的在线软测量。通过实际运行数据的对比表明上述方法是有效的,在条件允许时,也应该将风速作为模型输入之一。     

基于红外热图像的沥青路面温度离析区域检测方法

提出一种基于红外热图像的沥青路面温度离析区域检测方法。将红外热图像中沥青路面的温度和改进后的灰度图像边缘分割模型相结合,建立了沥青路面温度离析区域的检测模型,利用对偶法对模型中的参数进行求解,将BP神经网络优化和最小二乘拟合相结合,确立了红外热图像中沥青路面温度和模型中灰度之间的关系,实现了沥青路面温度离析区域的检测。最后通过仿真实验验证了提出方法的可行性,为道路工程建设以及科研等领域的红外热图像的处理提供了理论依据。