余热排出系统管道热疲劳分析模型及寿命预测

余热排出系统管道发现的热疲劳裂纹问题关系到压水堆的安全。本文基于开源有限元软件Code_Aster,采用Lagoda-Macha-Sakane模型预测了余热排出系统管道材料304L不锈钢的疲劳寿命,并根据预测结果提出了改进的Lagoda-Macha-Sakane模型。采用改进的Lagoda-Macha-Sakane模型对余热排出系统管道的热疲劳寿命进行了预测,结果表明预测热疲劳寿命与试验热疲劳寿命吻合。     

基于概率统计的页岩气探明可采储量评估方法探讨——以川渝地区某页岩气开发区块为例

由于页岩气开发自身的特点以及从投产井获得的资料十分有限,技术和经济关键参数存在较大的不确定性,因此在评估页岩气开发项目可采储量时,可采储量的大小及其经济性也存在较高的不确定性和风险。为了定量描述和分析页岩气可采储量的风险,该文从概率统计的角度出发,建立基于改进ARPS双曲递减产量预测模块和国内财税机制现金流评价模块的一体化评估模型。通过对页岩气开发初期区块的实例评估可知,采用概率分布来定义技术和经济关键参数的范围以及描述页岩气可采储量评估结果的范围,相对于确定性法,能获得更多的信息：1)一体化评估模型在模拟后获得不同概率下的技术可采储量及其对应的产量预测剖面,可以定量描述技术可采储量结果存在的风险;2)经济评价模拟不仅给出满足规范要求的经济可采储量结果,而且定量说明项目经济性存在的风险;3)页岩气可采储量不确定性法评估是一项持续的技术工作,需要根据开发井数的不断增加、单井生产动态变化以及项目实际经济条件变化适时更新,以反映页岩气项目的实际开发状况。     

分车型的高速公路短时交通流量预测方法研究

针对混合交通流中车辆类型的不确定性和随机性,导致了直接对总车流量进行预测时难以获得较高的预测精度问题,提出一种分车型的流量预测方法.依据各种车型的车流量变化规律不同的特点,选用改进的时间序列算法对大型车和拖挂车的流量进行预测,选用二次指数平滑法对小客车和中型车的流量进行预测;然后通过车辆折算系数将各车型的流量预测值进行加权求和,从而得到总车流量预测值;最后利用渝武高速公路上微波车检器的实测数据对提出的预测方法进行了实验验证,并与非参数回归预测方法和卡尔曼滤波预测方法进行了对比.实验结果表明,无论在工作日还是节假日,分车型的流量预测方法均具有更高的预测精度,该结果为进一步提高高速公路管控能力建立了基础.     

基于支持向量机的干气制乙苯反应器出口温度预测模型研究

鉴于化工过程往往机理复杂、耦合性强、高度非线性,难于建立其机理模型,这时就需要采用经验建模的方法。支持向量机是一种新的机器学习方法,其基于结构风险最小化原则,用支持向量机建模不需要考虑对象机理,且对非线性问题有很好的效果,是一种良好的经验模型,己被应用于不少化工问题中。在本文中我们把支持向量机这一新颖算法应用于干气制乙苯反应器出口温度预测模型中,简要介绍了支持向量机的一些基本理论,在此基础上详细研究支持向量机在干气制乙苯反应器出口温度预测模型建模中的应用。首先,选择支持向量机的类型为ε-SVR,通过四种核函数在实际预测中误差的比较选择径向基(RBF)核函数作为本文支持向量机模型所用的核函数,之后应用交叉验证的方法选择最佳参数C=4,γ=0.0051543,最后建立预测模型并对训练集和预测集分别预测,预测结果相关系数在90%以上,说明模型精度达到要求。对支持向量机和遗传算法优化的BP神经网络算法的建模效果进行综合比较和讨论,得出支持向量机与传统建模方法相比有更好的预测准确率的结论。     

Stacking集成学习模型在混合式成绩分类预测中的应用

针对现有单一算法模型在成绩预测时存在泛化能力不强的问题, 提出一种基于多算法融合的Stacking集成学习模型, 用于混合式教学中学生成绩的预测. 模型以多项式朴素贝叶斯、AdaBoost和Gradient boosting为初级学习器, 逻辑斯蒂回归为次级学习器组成两层融合框架. 通过混合式教学过程中所产生的学习行为数据对模型进行验证. 实验表明, Stacking集成学习模型在测试集上分类预测准确率达到76%, 分别高于多项式朴素贝叶斯、AdaBoost、Gradient boosting和逻辑斯蒂回归4个单一算法模型5%、6%、9%和6%. 与单一算法模型相比, Stacking集成学习模型有着较强的泛化能力, 能更好地预测学生成绩, 为混合式教学的学习预警提供参考.     

关节点处增加截面的三维虚拟人皮肤变形方法

实时逼真的三维虚拟人的皮肤变形技术是计算机动画的重要研究方向之一。基于切面轮廓线进行操作的交叉截面皮肤变形方法由于速度快及良好的连续性被广泛地使用。但在自由度变化大的关节处难以表达细微的皮肤结构。基于此,在自由度变化较大的关节处通过增加截面的方法进行补偿来表现细微的皮肤变形,取得了预期的效果。该方法解决了关节处皮肤变形的失真效果,并且没有降低实时性,获得了理想的皮肤变形效果。     

基于信息融合算法的LF炉钢水温度预测

LF炉钢水温度的控制对钢的质量和连铸操作的顺行都很重要,而LF炉钢水温度的预报是LF炉钢水温度控制的前提。针对LF炉冶炼过程中物理化学反应过程及传热过程的复杂性,以宝山钢铁股份有限公司300 tLF炉为研究对象,在分析了影响LF炉钢水温度的主要因素的基础上,应用基于BP神经网络的信息融合算法,开发了用C语言编写的预测程序,预测了LF炉的钢水温度。实验表明,此算法可以提高预测的速度和精度,预测结果为误差不大于±5℃的炉次大于90%。     

热压缩形变不均匀性的影响因素及取样方法的研究

 采用有限元方法对热压缩物理模拟过程进行了模拟,分析了接触静摩擦系数、形变量、应变速率对热压缩方向应变及应变速率均匀性的影响,对不同取样位置及分析方向的形变均匀性进行了分析,并观察相对应的原奥氏体晶粒,进行验证。结果表明,试样热压缩方向的应变及应变速率由心部向端部逐步减小,距试样中心1/4位置处最接近设定的应变及应变速率;接触静摩擦系数对试样热压缩方向形变不均匀性影响显著,形变量、应变速率对形变不均匀性的影响较小;推荐自热压方向1/4位置处取样,该处应变及应变速率基本符合设定条件,且形变均匀性最好。     

一种发动机滤清器的焊接变形与工艺控制研究

一种发动机滤清器几何尺寸较大,在焊接过程中会产生较大的焊接变形,但设计要求焊后的平面度、端面平行度不大于2.5mm,很难满足要求。通过分析该产品的结构特点和变形影响因素,采取了设计焊接结构,优化焊接顺序和利用组合夹具等措施,有效控制了焊接变形并满足使用要求。     

基于最小二乘支持向量机算法的测量数据时序异常检测方法

将最小二乘支持向量机方法引入火电厂DCS的测量数据时序异常检测领域,该方法很好地建立了火电厂DCS的测量数据时序预测模型,具有预测真实值能力强、全局优化及泛化性好等优点。将该方法应用于某600 MW超临界火电机组DCS测量数据中,经过训练后的LS-SVM模型对再热蒸汽温度数据的检验样本进行不良值检测与真实值预测,均方根误差和平均相对误差分别为0.067%和0.050%,均方根误差是BP网络模型、RBF网络模型的8.756%和8.272%,平均相对误差是BP网络模型、RBF网络模型的7.541%和7.236%。应用结果表明,最小二乘支持向量机方法优于多层BP与RBF神经网络法,能很好地满足异常检测与真实值预测要求。