化学渗透脱挥发分模型在碳基固体原料热化学转化领域应用进展

化学渗透脱挥发分模型(Chemical Percolation Devolatilization, CPD)用于快速升温条件下煤炭脱挥发分的模拟，可以预测不同煤种热解过程中焦油、半焦和轻质气体的实时产率。模型基于晶格模型构建煤炭化学结构，具有煤种适用性广、输入参数少的特点，得到广泛关注。首先介绍了CPD模型的发展历程、煤炭模型构建方法和热解反应路径假设与动力学参数计算等，进而综述了CPD模型在煤炭、油页岩和生物质等碳基固体原料热化学转化领域的应用进展。为提高CPD模型在煤炭热转化领域的准确性和适用性，我国学者根据中国煤种结构分析建立了更准确的晶格参数计算方法。通过改进CPD模型中热解反应路径并修正动力学参数使模型更接近真实热解过程，通过对煤颗粒内部温度梯度分布修正及算法改进使得模拟更接近实际热解工况。在油页岩热转化方面，相关学者从油页岩中干酪根化学结构出发，结合油页岩热解特性建立了用于描述其热转化的CPD模型。通过分析生物质的结构特点和反应特性建立了生物质CPD模型，并从化学结构、热解反应路径以及动力学参数等方面进行改进来扩展模型的适用性。CPD模型虽然已得到了广泛应用，但根据煤炭元素...     

基于CAPE—OPEN标准的单元模型的建立

通过建立基于CAPE—OPEN标准的闪蒸罐模型和热力学平衡反应器模型．介绍了建立单元模型所需的组件和方法。以COCO组件和Aspen Plus为工具，探讨了如何建立单元模型、设置物性包以及物性包组件间的互操作性，并且对建立的两种单元模型的计算结果和Aspen Plus的计算结果进行了比对。     

利用基于模糊综合评判的数据包络分析优化分离序列

提出了一种分离序列综合的方法，该方法建立在模糊综合评判的数据包络分析模型基础上。利用相对隶属度函数建立了模糊综合评判模型，在此基础上采用DEA3数据包络分析评价了模糊综合评判模型。通过引入虚拟最优单元，DEA3模型能够对所有决策单元排序。从而，通过DEA3分析就可以得到最优方案。计算也表明，不能忽略系统输入、输出的选择和隶属度函数对DEA方法寻优能力的影响。     

工作站在轮胎结构优化设计及力学分析中的应用

简要介绍了工作站在轮胎结构设计及力学分析中的应用，如建立轮胎几何模型、材料模型及有限元模型，并通过分析解算、处理有限元分析结果完成轮胎结构优化设计，为轮胎结构设计人员在轮胎结构优化设计、力学分析等工作中提供了一个强有力的方法和工具。     

最新橡胶工艺原理（二十二）

模型硫化是将胶料充入模腔中，通过加热进行成型和硫化的加工方法。使用模型的硫化方法有模压硫化法、移模硫化法、注射模压硫化法和液体注射(LIMS、RIM)等硫化方法，而这些方法在胶料制备方式、向模型供料方法、硫化过程产生的最高剪切速率、模型内胶料压力的达到值和温度等方面均有差异。     

基于轻量化卷积神经网络的高分辨率遥感图像地物分类研究

近年来深度学习技术得到快速发展，其逐渐被应用于高分辨率遥感图像的地物分类中。深度学习方法通过自动学习遥感图像中的高层次特征进行地物信息提取，较传统方法能取得更好的分类效果。Transformer架构已逐渐成为遥感图像的信息提取领域主要的深度学习模型，具有对图像的分类精度高的优点，但其模型往往结构复杂、计算量大、推理速度慢，导致应用场景受限。本文提出了一个轻量化卷积神经网络模型方法（ConvNeXt-Tiny+Multilayer Perceptron,ConvN-T+MLP）用于遥感图像地物分类，旨在保持或提高模型分类精度的同时降低模型复杂度。实验结果表明，本文提出的Conv N-T+MLP模型在具备较低计算量和参数量的同时，提高了遥感图像的地物分类精度，体现出模型的轻量性、高效性。     

用于Texaco气化炉同轴射流计算的不同湍流模型的比较

应用商业CFD软件Fluent，分别采用Spalart-Allmaras模型、标准k-ε模型、RNG k-ε模型、Realizable k-ε模型和RSM模型对气化炉同轴射流冷态实验台进行了数值模拟，并通过不同模型计算结果与实验结果的对比，讨论了各模型受网格质量、网格类型和边界条件的影响。通过对比发现，S-A模型和标准k-ε模型受网格质量影响最小，但准确性不高；RSM模型受网格影响较大；而RNG k-ε模型和R k-ε模型在网格划分合理的情况下，能够给出合理的结果。     

人工智能在电化学水处理过程中的应用

近年来，通过人工智能建立的模型可以对工业过程进行精确调控，人工智能应用于电化学水处理技术过程得到了广泛关注。在电化学水处理过程中，人工智能模型可以降低电化学过程的能耗，获取最优能效比。本文对人工智能在电化学水处理的应用进行了综述、分类和归纳，并介绍了其应用方法，概述了人工智能应用于电化学水处理过程的特点、优势以及局限性，比较了用于电化学水处理的人工智能建模与响应面模型、回归模型和经验动力学模型的优劣。进而提出了人工智能在工程应用上的改进思路，为相关研究提供了参考。     

基于轻量化网络的陶瓷辊道窑火焰图像识别方法

针对热电偶在陶瓷辊道窑高温环境下容易腐蚀老化，导致其温度检测精度下降的问题，提出采用计算机视觉火焰检测代替热电偶的陶瓷辊道窑温度智能检测方法。该方法是一种基于新型轻量化卷积神经网络，通过减少网络深度，以及采用大卷积核的设计，避免模型的过拟合现象，减少了模型的复杂度和推算时间，使模型实现了检测准确性的提升。实验结果表明：该新型轻量化卷积神经网络相比原始MobelinetV2模型，识别特征平均准确率提升了4.58%、平均相对误差减少了0.0918%、运算时间减少了41.89%。显然，该新型网络模型使运算速度和分类性能大大提高。     

固液界面高分子吸附研究(Ⅰ)──模型的建立和检验

从常用密堆积格子模型导出了高分子溶液中自由高分子链节的几率表达式，在此基础上，通过类比的方法，建立了固液界面层中自由高分子链节的几率表达式，与DiMarzio-Rubin的高分子统计矩阵方法相结合，从而建立了基于密堆积格子的固液界面吸附模型．模型预测的高分子在界面层中的浓度分布与MC计算机模拟结果进行了比较，表明基于RevisedFreed和Guggenheim模型的固液界面吸附模型的计算结果比基于Flory-Huggins理论的模型计算结果，更接近于MC模拟值．     

基于PWA融合模型的注塑过程保压段建模及控制策略

注塑过程是典型的批次过程，由注射、保压、冷却等阶段构成。保压段是决定制品质量的一个重要阶段，且具有较大的非线性和时变性。分段仿射(piece-wise affine, PWA)模型能够有效描述保压段的特性，但是PWA模型硬切换方式会导致输出跳变问题，因此提出一种基于时间划分的PWA融合模型，在子模型切换过程中引入切换区间，通过线性加权方法进行模型融合，并采用基于分离最小二乘的辨识方法进行参数估计。在此基础上，设计了基于内模整定的多模型PID控制方法。注塑机实验结果表明了算法的有效性。     

泵出型螺旋槽油气密封泄漏特性及参数影响研究

以泵出型螺旋槽油气密封为研究对象，基于油相和气相连续性方程推导并建立了油气密封流场求解的双相雷诺模型，采用有限体积法离散和编程求解获得了油气密封介质流场分布，对比分析了商用软件VOF模型、单相雷诺模型和双相雷诺模型在求解油气密封流场中的计算精度和效率，研究了密封间隙、油气比、转速、介质压力等运行参数和密封环尺寸对油气密封流场和稳态性能的影响，重点探讨了油气密封近零泄漏特性及其关键影响因素。结果表明，提出的双相雷诺模型求解方法是一种高精度、高效率的油气密封流场数值模拟方法，具有与商用软件VOF模型近似的精度，但计算时间降低1个数量级；油气密封的介质泄漏特性和近零泄漏压差主要受到密封间隙、转速和端面宽度的影响，通过上述参数的合理取值有望实现油气介质的零泄漏。     

基于在线聚类的多模型软测量建模方法

针对石化行业中软测量建模样本的特性，提出一种基于在线聚类和v-支持向量回归机(vSVR)的多模型软测量建模方法。在vSVR建模过程中，通过在线聚类算法改善vSVR模型参数选择算法的稳定性，并用vSVR参数的先验知识和KKT条件实现模型参数的快速寻优，提高了模型的学习效率和精度。该建模方法在加氢裂化分馏塔装置的轻石脑油终馏点在线预测系统中取得了良好的效果。     

重金属生物吸附的吸附模型

排污系统中的重金属通过生物的方法进行吸附除掉，是一种重金属回收和再利用的较为有效治理方法。本研究通过热平衡的机理分析，采用普通的物质吸附模型，通过大量的实验数据处理，得到了重金属吸附脱俯的数学模型。该模型具有较好计算与实验数据的吻合性。但是实验结果也表明，生物吸附模型不适用于计算在生物质中的重金属离子脱附量，即重金属生物吸附模型没有满足可逆性。这一点在使用该模型时需要给予考虑。因此吸附的机理分析还需要结合实践过程的热力学平衡数据来进行分析回归。     

注塑机模板的实用计算模型

本文通过对注塑机合模机构实际工作情况的分析，提出了模板可简化为两端固定的普通梁的基本假设．并采用有限元方法和回归分析法，推出了注塑机前、后模板新的实用计算模型．经厂家实际使用证明，该计算模型简单、实用可靠，可以在注塑机模板设计中应用。     

建立挤出过程教学模型一种新方法的探讨

本文以“黑箱子”理论为基础，运用正交实验法、数理统计方法和回归分析方法与挤出过程的有机结合，探讨一种建立挤出过程宏观的、统一的、实用的数学模型的方法。这种方法从实验的选择、数据的整理、误差的验算、多元非线性方程的求解、模型的平衡、模型的放大直到建立完整的数学模型，形成了一整套的建模方法。通过实践，这种建模方法是可行的，计算精度是比较高的，可应用在生产实验中     

因子分析及其在过程监控中的应用

概率主元分析（PPCA）模型是因子分析（FA）模型的一种特殊形式，而主元分析（PCA）模型是PPCA模型的一种特例。PPCA和PCA已经在过程监控中得到了成功的应用，但是这两种方法的约束条件较多，而FA约束条件少，因此更能反映数据的本质特征。本文将FA引入工业过程监控，通过期望最大化（EM）算法建立FA模型，然后提出基于FA的监控指标，并讨论了因子个数的选择方案。在田纳西-伊斯曼（TE）过程中的应用结果以及与PCA、PPCA监控结果的对比表明了该方法的优越性。     

基于潜变量自回归算法的化工过程动态监测方法

从建立潜变量自回归（AR）模型的角度出发，提出了一种基于潜变量自回归（LVAR）算法的化工过程动态建模与监测方法，旨在提取动态潜变量的同时给出各潜变量的AR模型。LVAR算法在最小化潜变量的AR模型残差的约束下，通过同时搜寻投影变换向量与AR系数向量，实现了对动态潜变量的特征提取及其AR模型的建立。此外，LVAR算法通过先提取动态潜变量后提取静态成分信息的方式，有效地区分了采样数据中的自相关性与交叉相关性。在对比实验中，通过比较分析LVAR方法与其他三种典型的动态过程监测方法在经典化工过程对象上的故障监测结果，验证了LVAR方法在动态过程监测上的优越性与可靠性。     

天然气水合物预测及管线注醇工艺优化计算

管线中有水合物生成时会造成管线堵塞，仪表失灵、压力升高等事故，严重影响气田的安全生产，通过注入甲醇抑制剂可以有效减小管线的冻堵概率。现场研究发现，目前注醇工艺盲目粗放，导致甲醇消耗量过大，通过对水合物生成热力学模型进行研究，采用C++编程语言计算试验压力下水合物的生成温度，与实验数据进行对比，确定最佳的水合物预测方法Makogon模型；以此模型为基础计算管线实际运行时的水合物生成温度，然后结合管线产水量、产气量等运行数据采用John Carroll模型计算甲醇抑制剂的消耗量。最后通过现场试验，验证了计算成果的实用性和经济性。     

基于深度残差网络的化工过程故障诊断

本工作提出了一种基于深度残差网络(DRN)的化工过程故障诊断方法，可从大量化工过程运行数据中自动提取故障特征。模型采用快捷连接缓解传统深度神经网络训练困难的问题，且使用批归一化(BN)方法，可有效缓解梯度消失/爆炸的问题。以田纳西?伊斯曼(TE)过程为实验对象对所提方法进行诊断性能评价实验，并与以往的基于传统深度学习模型的TE过程故障诊断方法进行对比，进一步探究了模型层数、BN技术和残差结构对故障诊断率的影响，最后，通过t分布随机邻域嵌入(t-SNE)方法对网络部分层的输出进行可视化。结果表明，模型对21种工况取得了94%的平均故障诊断率和0.30%的平均假阳率，表现出更加卓越的诊断性能。输出层的二维散点图显示了清晰的聚类，表明所提出的DRN模型能够对故障进行准确诊断。