基于动态BP网络的实验电炉温度控制系统

针对一类不允许出现超调的工艺参数,提出了采用动态BP网络对工艺参数进行控制,可以达到良好的效果。并以实验电炉为对象,用工控机对其炉温进行控制,结果表明,采用动态BP网络进行控制,可以无超调地无限逼近给定值,控制精度高,控制时间较短。因此可以认为,用动态BP网络对这一类工艺参数的控制是有效的。     

基于小波网络的加氢裂化反应器模型的研究

以年产80万吨催化加氢反应装置为背景，在充分分析其机理特性的基础上，采用神经网络与小波函数相结合，其中网络结构采用神经网络，节点函数采用小波函数，建立小波网络，并采用梯度法优化小波网络参数。从而建立了反应器的模型。仿真结果表明，该小波网络模型具有较高的模拟精度。     

超声导波检测技术的发展、应用与挑战

回顾了近三十年的超声导波技术发展及应用,阐述了导波的频散现象及其求解方法,深入分析了导波激励的力学加载原理和模态选择原则。论述了导波的传感激励方法与装置,并比较了各种激励接收方法的特点与应用场合。对超声导波在板类、管类和复合材料中的应用进行了评述,并从提高缺陷检测能力的角度,介绍了时间反转法和相控阵法在超声导波技术中的应用。最后总结了当前导波技术面临的机遇与挑战。     

一种自带修正因子的酸碱度复合控制系统

由于酸碱度调配过程的非线性和大滞后性以及系统的实时和精度要求,传统的控制方法无法得到高质量的控制效果。而模糊控制不依赖对象的数学模型,但对稳态误差却很难从根本上加以消除,考虑到PI控制对稳态误差有很好的清除作用,故系统采用了一种自带修正因子的Fuzzy-PI复合控制策略。     

聚脲防腐管道中超声导波的缺陷检测研究

聚脲涂料作为近些年发展起来的新型防腐材料,现已广泛应用于管道内外壁的防腐保护。为了克服传统超声波检测效率低的短板,提出了超声导波检测技术对聚脲防腐管道中裂纹损伤的检测应用设想,利用数值仿真的方式对此展开研究。通过分析聚脲防腐管道的解析模型,借助有限元分析软件Abaqus,建立黏弹性-弹性复合材料的三维圆柱模型,并模拟不同激励频率下L(0,2)模态导波在其中的传播状态。结合频散和衰减特性两方面的研究,获取优化的激励频率,并对聚脲防腐管道进行不同类型缺陷检测的仿真分析和实验验证。研究结果表明,数值仿真结果与实验验证基本吻合,说明了超声导波对聚脲防腐管道的缺陷检测方法有效,同时也可实现对缺陷定位分析。     

基于PZT的新型柔性梳状表面波传感器研究

针对厚壁管道表面缺陷检测,研究了一种基于PZT的柔性梳状表面波传感器。首先,采用有限元仿真的方法对钢板和厚壁管道上等间距梳状表面波传感器的阵元间距、阵元宽度、阵元个数、阵元长度进行了优化,以及阵元个数和阵元长度对传感器指向性的影响进行了研究,并通过优化选取背衬材料、设计背衬厚度,改善了表面波信号的拖尾现象;其次,根据仿真结果研制了新型柔性梳状表面波传感器,并进行了性能测试实验,实验结果与仿真结果吻合较好。通过仿真优化,得到当传感器阵元间距为λ_R(λ_R为相应表面波波长),阵元宽度为λ_R/2,阵元个数为5时,传感器表面波信号拖尾较小,能量较为集中。实验表明,根据仿真参数研制的梳状表面波传感器具有良好的指向性,并且能够实现厚壁管道表面缺陷的检测。     

合成氨装置制氢转化炉上猪尾管系技术改造

阐述了某合成氨装置制氢转化炉技术改造设计情况;解析了改造设计过程中的难点;通过对管道强度（壁厚）计算,对猪尾管形状、管道布置方式、管道应力进行综合和优化,从而确定了改造设计方案;分析了改造后开车运行中出现问题的原因,提出了相应改进措施;从工艺流程、材料和应力、管道布置、管架设计等方面总结了转化炉上猪尾管系技改设计经验。     

燃煤锅炉水位神经元网络优化控制

根据大型汽包锅炉的特点 ,提出了一种燃煤锅炉水位神经元网络优化控制方法。给出了作为模型预估器的神经网络GA -BP算法流程及GA算法实现 ,提出了最优控制指标选择原则及控制指标表达式。经计算机对某电厂 2 0 0MW机组汽包锅炉的工业对象进行仿真研究表明 ,该控制方法具有良好的抗干扰能力。     

基于智能比例算法的实验电炉温度控制系统

在工业生产中，经常会遇到被控参数不允许出现超调的工艺要求。对于这一类参数的控制，常规的PID调节显然不能满足要求。虽然单纯的比例控制在比例度设置足够大的条件下可以满足这一要求，但是有较大的静态误差，满足不了稳态精度的要求。为此，采用智能比例控制算法，通过对实验电炉的温度控制，达到较为满意的结果。     

加氢精制神经元网络模型的研究

文章采用径向基函数神经元网络建立了加氢精制反应器数学模型。选用高斯核函数作为其网络核函数 ,网络中心参数的求取采用K -means方法 ,网络中心数目的确定采用统计F检验方法 ,网络输出层权值的求取采用递推最小二乘方法。经过现场实测数据检验证明 ,建立的RBF神经元网络模型对加氢脱硫率和脱氮率具有良好的预估精度