基于文化鲸鱼优化算法的特征权重优化分配方法

为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm,WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm,CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果.以基于案例推理的预测模型为例,使用加州大学欧文分校(University of California Irvine,UCI)标准数据集对特征权重的不同分配方法进行了对比实验,结果表明该方法分配权重后的预测精度最优,在涉及特征权重分配的机器学习领域具有一定应用价值.     

基于IBAS-NARX神经网络的锂电池荷电状态估计

在使用神经网络方法估计锂电池荷电状态时,传统荷电状态适应度评价函数存在仅考虑均方误差等网络权值参数的缺点,忽略了拓扑参数对模型的影响.故本文提出在适应度评价函数设计中综合考虑输入/输出时序相关性、隐层神经元数量等模型拓扑参数和网络权值参数的加权影响,并将其引入带外部输入非线性自回归神经网络建模方法的锂电池荷电状态估计中,进而基于改进天牛须搜索算法实现了上述模型拓扑参数与网络权值参数的协同辨识优化.仿真结果表明,本文所提出方法能够提高多种复杂工况下的锂电池荷电状态估计精度,在DST标准工况和WLTC标准工况下锂电池荷电状态的均方根误差分别达到3.38×10?3和8.75×10?4,相比于未经改进的天牛须搜索算法优化NARX神经网络在均方根误差上估计精度分别提升了42.4％和20.5％.     

银氧化锡触头制备工艺对比及其电弧侵蚀特性综述

介绍了银氧化锡触头在不同制备工艺下的基本原理以及合成方法,从每种合成方法的基础上提出了改良制备工艺,并介绍了近些年使用的新型制备工艺,分析了每种制备工艺的优缺点.总结了银氧化锡的电弧侵蚀机理与模型、电弧侵蚀形状外貌特征以及抗电弧侵蚀特性.并对未来银基材料的发展方向以及研究新的复合材料提出了展望.     

人工气候老化后状态调节时间对芳纶纤维拉伸测试的影响

依据GJB 8496—2015标准中的拉伸方法,对人工气候老化前及老化后不进行状态调节、状态调节1 h、状态调节24 h、状态调节48 h、状态调节96 h后的芳纶纤维的拉伸强度进行测量、比较,从而得到结论:芳纶纤维在人工气候老化后,样品的性能有一定程度下降。在刚刚结束老化后立即进行测试,性能下降达到峰值,待状态调节24 h以后,其老化后性能逐步达到一个相对稳定的状态。建议在实际测试中,人工气候老化后的样品应该在老化结束后,放入恒温恒湿间调节24 h以后再测试。     

计及综合能源系统全寿命周期碳排放和碳交易的电转气设备和光伏联合优化配置

综合能源系统(IES)能够提高能源利用效率,合理配置低碳设备可有效降低碳排放,促进碳中和.提出了一种计及IES全寿命周期碳排放和碳交易机制的电转气(P2G)设备和光伏(PV)容量联合配置方法.对基于某分布式能源站的IES进行设备建模,构建了IES全寿命周期碳排放模型,给出了P2G设备和PV的全寿命周期碳排放计算方法;以基于阶梯罚金机制的碳交易成本、含用水成本和考虑分时电价的购能成本以及设备成本之和最小为优化目标,建立了P2G设备和PV的联合优化配置模型.基于某分布式能源站的实际参数进行算例分析以验证所提方法的正确性和有效性,并探讨了碳交易机制对优化配置结果的影响.     

我国树脂自硬砂技术的应用和发展

我国树脂自硬砂技术的应用和发展机械部第一设计研究院曹善堂１基本情况树脂自硬砂新工艺在我国应用已有１０多年的历史，在机床、泵阀、重型机械、石油机械、造船、军工等行业的铸件生产中得到不同程度的推广应用，成功地生产灰铁、球铁、碳钢、合金钢以及有色金属铸件，...     

船用碳锰钢锻件近表面密集性缺陷分析

我公司生产的船用碳锰钢锻件存在近表面密集性缺陷,部分因超声检测不合格导致报废。通过采取提高过热度等措施,大幅地提高了船用锻件的超声检测合格率。     

低成本钢尾渣-矿渣基矿山充填料的优化开发

 为实现多固废协同利用、降低充填成本,在矿渣基全粒级细尾砂胶结充填料基础上,以流动性和抗压强度为表征,利用热闷钢渣磁选尾渣(钢尾渣)替代部分矿渣作为胶凝材料,脱硫灰和水泥熟料替代部分专用添加剂作为外加剂,采用正交试验探寻掺量规律,优化固体填充料配比,开发钢尾渣-矿渣基软性矿山充填料,并研究了外加剂与胶材比、灰砂比等因素的影响。对比分析了矿渣基准组、钢尾渣-矿渣基准组(B1)、强度最优外加剂组分钢尾渣-矿渣组(B7)等3组充填料的微观形貌及XRD图谱以探究其水化机理。结果表明,钢尾渣替代矿渣量增加、外加剂与胶材比减小,充填料浆流动性改善,但充填体抗压强度下降。强度正交试验结果表明,钢尾渣掺量大小决定强度低高,脱硫灰掺量宜高于水泥熟料。进一步调整外加剂组分配比,在灰砂比为1∶6、钢尾渣替代矿渣为20%条件下,找出B7组外加剂组分为脱硫灰、水泥熟料分别替代30%、20%专用添加剂,B7组料浆扩展度为143 mm,充填体形貌为富铁绿泥石胶结假方体钙硅灰石,28 d抗压强度达2.13 MPa,较基准组低0.19 MPa,较B1提高0.26 MPa。该替代方案满足现场充填C2级强度的要求,改善流动性并显著降低了充填成本。优化的外加剂组分配比在灰砂比为1∶4条件下同样具有强度优化作用,但较灰砂比为1∶6条件下低。     

钢铁冶金过程铁前工序绿色智能制造的进展与展望

随着“碳达峰”“碳中和”“低碳冶金”等概念的提出,钢铁行业的绿色智能制造已成为大势所趋。铁前工序是钢铁冶金过程的前端工序,也是主要的能源消耗环节。因此,实现铁前工序的绿色智能制造具有重要的经济价值和环保意义。围绕钢铁冶金过程铁前工序绿色智能制造,以“智能碳使用”的低碳冶金技术为核心,综述铁前工序运行状态智能感知、运行参数智能控制、运行性能智能优化和智能协同管控4个方面的研究进展。运行状态智能感知是获取难以检测运行状态信息的主要手段,包括运行状态监测和运行状态识别。运行参数智能控制是实现铁前工序运行状态正常的前提,包括基于人工经验的智能控制、基于参数预测的智能控制和面向多目标集成智能控制。运行性能智能优化是提升运行状态的运行性能的主要措施,包括操作参数智能优化和运行指标智能优化。钢铁冶金过程智能协同管控着重研究感知、控制和优化技术的协同融合。最后,分析当前存在的机遇与挑战,铁前大数据分析和运行状态智能感知、铁前工序一体化智能协同管控和铁前工序全流程性能提升与优化控制或将成为铁前工序绿色智能制造的前景方向。     

钢中贝体预相变过程的研究

用扫描俄歇显微探针（ＡＥＳ）分析了６５Ｓｉ２Ｍｎ钢中温转为孕育期内碳原子的成变变化。结果表明，在中温转变孕育期等温时，奥氏体晶界附近及晶内均形成可稳定的贫碳区。贝氏体预相变的实质是碳原子向晶界及其他晶体缺陷扩散偏聚而形成贫碳区的过程。中温转变孕育期内形成贫碳区具有热力学及动力学可能性。