循环流化床锅炉膜式水冷壁的热应力分析

为研究循环流化床锅炉膜式水冷壁的热应力问题,通过数值模拟的方法对顶棚拐点处水冷壁的温度、变形量和热应力进行分析。研究表明:向火侧到背火侧水冷壁的温度梯度变化较大,水冷壁的变形量极不均匀,在水冷壁管与鳍片接触处出现应力的集中。水冷壁减薄后,最大热应力先减小再增大,在减薄厚度为1.5 mm后热应力迅速增大,鳍片磨损减薄后水冷壁热应力增加速度逐渐变大,当热应力超过材料的许用应力时极易发生爆管。水冷壁减薄量超过自身厚度的21.4%时考虑对水冷壁管进行更换。对水冷壁最大热应力与鳍片减薄量间的规律拟合成函数关系式,对判断水冷壁的热应力是否超限,具有重要意义。     

锂离子电池胀气行为及改性策略的研究进展

电池胀气是电池系统中的一种常见现象。电池胀气是影响锂离子电池性能恶化的重要原因之一,它造成了电池容量的不可逆损失。详细总结了锂离子电池胀气产生的几大主要因素：电解质分解、水含量超标和高温等物理因素;归纳了产气对电池性能的影响,并提出了最新的材料改性、电解液优化和工艺控制等缓解或抑制电池胀气的方法。     

M701F4机组一键自启停(APS)方案设计

本文通过对东方-三菱M701F4型燃气轮机联合循环机组一键自启停方案的研究,结合燃机顺序控制及联合循环配置方案并借鉴实际工程经验,对该型燃机联合循环单轴机组的一键自启停整体方案及主要控制流程进行梳理,对M701F4一拖一单轴联合循环机组的自启停系统(APS)提出了初步的设计方案。通过介绍一键自启停的总体设计、断点设置和功能分组,分析了实施的大致思路与主要困难。最终目的为实现机组APS,减少机组启、停过程中的人工干预,提高机组自动化运行和控制的水平,为最终实现机组“无人值守”提供必要条件。     

基于CNN-BiGRU-Attention的非侵入式负荷分解

随着智能电网的迅速发展,为了有效提高电能的使用率,合理规划电能资源,建立全国范围内的智能用电和负荷监测系统,非侵入式负荷监测(NILM)和分解问题一直受到广泛关注。为提高非侵入性负载分解性能,提出一种基于耦合神经网络的非侵入式负荷分解方法。首先,对数据集进行归一化和预处理。其次,构建一种将卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的混合深度学习模型,对数据的空间特性和时序特性进行充分挖掘,并加入注意力机制,关注重要信息,剔除冗余特征。最后,采用国内自测数据集进行试验,使用不同的评价指标对该耦合神经网络进行评估,并与其他的常用分解模型进行对比。试验结果表明,所提方法的均值绝对误差与绝对误差和相较于其他分解方法都有所降低,均值绝对误差平均下降了35.9%,绝对误差和平均下降了39.9%。     

太阳能驱动的氢-冷-热-电综合能源系统性能分析

基于可再生能源的综合能源系统具有清洁低碳与安全高效的特点。提出一种以抛物面槽式太阳能集热器驱动的综合能源系统,该系统包括质子交换膜电解池、有机朗肯循环和吸收式制冷子系统。根据能量梯级利用原理和热力学分析理论,建立综合能源系统的稳态数学模型,分析热力参数变化对系统性能的影响规律。结果表明,在设计条件下,质子交换膜电解槽制氢效率、有机朗肯循环发电效率和吸收式制冷效率分别为58.65%、12.20%、36.93%,制氢功冷联供总效率为55.58%。系统总效率随着涡轮机入口温度升高先增加后减少;随着发生器出口温度升高而增加。另外,增加工作压力和膜厚度会导致电解槽电压升高和电解槽效率下降。研究结果可为以抛物面槽式太阳能集热器驱动的多联供系统的建立和评价提供参考。     

基于CNN-GRU组合神经网络的变压器短期故障预测方法

为挖掘变压器运行状态参量间的关联关系,量化外部环境对变压器运行状态的影响,提出了一种基于卷积神经网络和门控循环单元组合神经网络的变压器短期故障预测方法。首先,通过关联规则挖掘变压器状态参量间的相关性,结合变权思想进行综合状态评估,引入指数函数建立表征变压器运行状态的故障率模型,并将其作为预测状态参量。其次,考虑外部环境对变压器运行状态的影响,分别从日期因素、气象因素和生产工艺因素构建变压器故障预测特征集。然后,利用卷积神经网络在高维空间提取特征集与故障率间的特征向量,将结果输入门控循环单元进行优化训练,从而预测变压器故障率的发展趋势。最后,通过某海上平台变压器的故障预测趋势分析,验证了所提方法的可行性与有效性。该方法与长短期记忆模型、GRU模型、CNN-LSTM模型和支持向量机模型相比,具有更高的预测精度与更高的预测效率。     

软件定义网络中一种快速无循环路径迁移策略

针对软件定义网络中数据平面转发设备的分布式部署及异步操作导致的路径迁移缓慢及故障等问题,提出了一种快速无循环路径迁移策略。首先,提出了一种基于节点排序的快速循环检测算法。该算法通过对比流的新旧路径上相邻节点的位置差异,可快速判定路径迁移过程中是否存在转发循环以及检测循环发生位置。然后,提出了一种基于节点松弛依赖关系的贪婪更新机制。该机制利用快速循环检测算法发掘出新旧路径上公有交换机之间存在的松弛依赖关系,进而保证了迁移过程每轮更新的交换机数量最大化。仿真实验结果表明,相比于现有迁移方案,所提策略在不同网络状态下均可有效避免迁移循环且获得最佳更新时间开销。     

面向精准价格牌识别的多任务循环神经网络

为了促进智能新零售在线下业务场景的发展, 提高作为销售关键信息价格牌的识别精度. 本文对价格牌识别问题进行研究, 有效地提高了价格牌的识别精度, 并解决小数点定位不准确的难题. 通过深度卷积神经网络提取价格牌的深度语义表达特征, 将提取到的特征图送入多任务循环网络层进行编码, 然后根据解码网络设计的注意力机制解码出价格数字, 最后将多个分支的结果整合并输出完整价格. 本文所提出的方法能够非常有效地提高线下零售场景价格牌的识别精度, 并解决了一些领域难题如小数点的定位问题, 此外, 为了验证本文方法的普适性, 在其他场景数据集上进行了对比实验, 相关结果也验证了本文方法的有效性.     

基于残差的门控循环单元EI北大核心CSCD

传统循环神经网络易发生梯度消失和网络退化问题.利用非饱和激活函数可以有效克服梯度消失的性质,同时借鉴卷积神经网络中的残差结构能够有效缓解网络退化的特性,在门控循环神经网络(Gated recurrent unit,GRU)的基础上提出了基于残差的门控循环单元(Residual-GRU,Re-GRU)来缓解梯度消失和网络退化问题.Re-GRU的改进主要包括两个方面:1)将原有GRU的候选隐状态的激活函数改为非饱和激活函数;2)在GRU的候选隐状态表示中引入残差信息.对候选隐状态激活函数的改动不仅可以有效避免由饱和激活函数带来的梯度消失问题,同时也能够更好地引入残差信息,使网络对梯度变化更敏感,从而达到缓解网络退化的目的.进行了图像识别、构建语言模型和语音识别3类不同的测试实验,实验结果均表明,Re-GRU拥有比对比方法更高的检测性能,同时在运行速度方面优于Highway-GRU和长短期记忆单元.其中,在语言模型预测任务中的Penn Treebank数据集上取得了23.88的困惑度,相比有记录的最低困惑度,该方法的困惑度降低了一半.     

基于WCGAN的矿物浮选泡沫图像光照不变颜色提取

浮选泡沫表面颜色是选矿生产指标(精矿品位)最为快速便捷的直接指示器. 然而, 泡沫图像信号因受多种可变光照的交叉干扰而不可避免存在严重色偏, 导致浮选指标难以准确评估. 本文将传统的基于光照估计的图像颜色恒常问题转换为一种结构保持的图到图颜色(风格)转移问题, 提出一种基于Wasserstein距离的循环生成对抗网络(Wasserstein distance-based cycle generative adversarial network, WCGAN)用于泡沫图像光照不变颜色特征在线监测. 在标准颜色恒常数据集和实际的工业铝土矿浮选过程进行实验验证, 结果表明, WCGAN能有效实现各种未知光照条件下(色偏)图像到基准光照条件下的颜色转换, 转换速度快且具有模型在线更新功能. 与传统的基于生成对抗学习的颜色转换模型相比, WCGAN能更好地保持泡沫图像的轮廓和表面纹理等结构信息, 为基于机器视觉的矿物浮选过程生产指标的在线监测提供了有效的客观评价信息.