基于模型预测控制算法的智能密度控制系统在选煤厂的应用

为解决三河口选煤厂重介质旋流器分选过程中PID控制对合格介质密度控制调节能力有限等问题，采用系统辨识构建合格介质密度与精煤灰分数学模型，建立了基于模型预测控制(MPC)算法的智能密度控制系统，提高了合格介质密度控制精度，改善了重介质旋流器分选效果。现场应用表明：该系统在合格介质密度控制中应用效果良好，有效抑制了重介质选煤环节随机性干扰，实现了合格介质密度的稳定、动态调节，使精煤质量得到了显著提高，大大降低了精煤灰分波动幅度，稳定了产品质量，提高了经济效益。     

DSJ-1000带式输送机装置改进及应用

DSJ-1000型带式输送机具备高效低耗、耐用抗干扰强的热点,其长期使用中,由于投产年限较长,在构造设计方面较为落后,不利于煤炭的安全运输,因此,麦捷矿针对装减速机高速轴磨损套、机头快捷传动装置和胶带防飘带跑偏装置进行了设计优化,对该型号输送机的长期服役有了进一层的保障.     

响应面法优化白芷中欧前胡素的提取工艺

采用高效液相色谱法测定欧前胡素的含量，以水提液中欧前胡素提取率为实验指标，在单因素试验的基础之上，以提取温度、提取时间、液料比为考察因素，利用Box-Behnken Design响应面法进行三因素三水平试验设计。响应面法优选出白芷中欧前胡素的最佳提取工艺为提取温度72℃、液料比8倍、提取时间1.5 h,在该条件下欧前胡素提取率为0.97%。本研究优化的白芷中欧前胡素的提取工艺方便、稳定。     

数学建模在化工生产中的应用——评《化工生产技术》

化工行业是国家经济发展的重要支柱产业,现代化科学技术的发展需要以数学作为支撑,从而将数学广泛应用于化工生产实践当中,对于提升化工行业的生产效率及产品质量等方面具有重要的作用。当前,化工行业想要获得可持续健康发展,依然要依赖于数学的发展,为了能够达到不断优化操作的目的,快速发展完善的计算机技术为数学建模在化工生产当中的应用提供了强大的支撑。     

—种基于特高压工程的图像识别算法研究

阐述提出一种基于特高压工程的图像识别算法，通过对原始图像高斯低通滤波、平滑、亮度拉伸以及增强预处理，降低原始图像噪声，并且使图像亮度增强，探讨选取色调、饱和度以及亮度作为图像特征向量，利用模糊数据自相关函数对特高压工程图像特征进行提取。在此基础上对将图像特征向量映射到图像上，并且对特高压工程图像特征进行匹配，识别到图像中的目标。     

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

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。