基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

TRIZ理论在解决回转式空气预热器低温腐蚀以及堵灰问题中的应用

回转式空气预热器冷端传热元件的低温腐蚀、堵灰现象在国内外非常普遍,且受到众多电厂的关注,该问题会严重影响到锅炉的安全运行,导致诸如排烟温度增高、热风温度降低、阻力增大、漏风率上升等问题。根里奇·阿奇舒勒创立的TRIZ理论是一种综合的创新方法,可促进发明创造并得到优异的创新产品,它能够帮助我们系统地分析问题,发现问题的本质以及矛盾,从而得到问题实质解。本文针对回转式空气预热器低温腐蚀以及堵灰问题,采用TRIZ理论进行了深入分析。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

超低排放改造后烟气余热利用设备存在问题及防治措施

随着火电厂超低排放改造的普遍应用，低温省煤器等烟气余热利用设备获得了广泛应用。本文针对烟气余热利用设备在实际工程应用中所存在的低温腐蚀、磨损、积灰堵塞以及振动等问题，分析了形成原因及主要影响因素，提出了选用耐低温腐蚀性能优异的材料制造换热器，合理设计受热面结构型式，控制烟气流速和受热面金属壁温，加装吹灰设备以及导流板和防振隔板等防治对策，有效地解决了烟气余热利用设备所存在的低温腐蚀、磨损、积灰堵塞以及振动等问题。     

纤维增强复合材料结构局部形状与环境腐蚀速率的关系研究

纤维增强复合材料(FRP)结构在外部环境作用下,不同位置的腐蚀速率并不一致,与该位置处FRP形状和环境作用有关。由于FRP结构形状多变的特点,常在梁柱交界处、FRP型材棱角处存在内凹角和外凸角,这些位置结构的腐蚀往往最为严重。本文对环境作用下FRP结构棱角处腐蚀速率的差异进行了理论分析和数值模拟。利用菲克定律下的扩散规律和有限元软件,计算了构件棱角不同角度与扩散速率的关系。定义并计算了棱角处于不同角度时的局部影响系数,结果表明,内部凹角对结构的腐蚀呈减弱影响,外部凸角对腐蚀呈放大效应。利用粒子抛射沉积与环境沉积的相似性,采用蒙特卡罗方法建立了不同粒子数目的粒子抛射沉积模型。定义并计算了角部的环境富集系数,分析发现凹角处会对环境产生汇集作用,凸角对环境分布影响相对较小。综合考虑了棱角对扩散速率的影响和环境富集的影响,定义并计算了结构形状影响系数,结果表明,结构物表面凸出和凹陷处更易受到环境腐蚀,结构耐久性设计时应考虑在棱角进行特殊防护设计。通过计算的结构形状影响系数可以为耐久性定量设计提供计算支持。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

综放高瓦斯矿井煤层瓦斯涌出量综合预测

为了成功预测竹林山煤矿综放高瓦斯矿井大采高工作面煤层瓦斯涌出量,以主采3号煤层为主要研究对象,针对3号煤层以往开采情况,通过布设测点测量其煤层瓦斯含量和了解相邻矿井瓦斯含量,采用分源预测法、回归法及统计法等预测方法得到了3号煤层瓦斯含量的分布规律,并绘制了3号煤层的瓦斯含量等值线图。对矿井不同生产时期的瓦斯含量进行预测,得到了生产前期、中期及后期采区的最大绝对瓦斯涌出量和最大相对瓦斯涌出量,说明了竹林山煤矿各个时期均属于高瓦斯矿井。