玻璃钢横向切割机运动机理分析

本文根据玻璃钢的材料特性和机组流水线连续生产的要求,对玻璃钢横向切割机的通用规律进行了分析。作者并就具体设计中的问题,对横切机构的传动方案进行了探讨。      

S Zorb精制汽油辛烷值优化模型及工业应用

针对S Zorb精制汽油研究法辛烷值(RON)损失较大的问题,以某石化企业S Zorb装置近3年的运行数据为基础,采用最大互信息系数(MIC)和Pearson相关系数并结合BP神经网络,从包括原料油性质、吸附剂性质、产品性质和操作变量在内的273个变量中筛选出22个建模变量,构建了结构为21-14-1的汽油RON预测模...     

西安某纺织厂空调自控区域划分方法、策略优化及节能研究

通过对西安某纺织厂空调自控系统进行研究，发现该纺织厂自控系统区域划分不够精确，不能将纺织自控系统的“增小减大”节能原则充分体现，且实际运行节能空间有限，二次回风使用不合理也会浪费能源。通过对西安地区全年的气象参数包络线和纺织车间不同季节温湿度控制范围同时，提出一种空调自控区域划分方法，给出了纺织空调冬季、过渡季、夏季和夏季炎热区域的焓值分界线，并结合该种分类方法提出了一种节能型纺织空调自控策略，即充分利用不同季节室内外温湿度不同，通过风窗的开启，来减少风机和水泵的运行频率，进而达到节能运行的目的。同时相比在纺织厂二次风不合理的情况，计算出在夏季4个月只用一次风比用二次风节约电费约16.86万k Wh。因此，优化自控策略和进行运行调整对纺织空调节能运行是非常有益的。     

石灰岩尾矿制备多孔陶瓷及其性能研究

为了研究石灰岩尾矿的再利用，以石灰岩尾矿为原料，经破碎、过筛后，加入其总质量5%的水混合均匀后压制成型，再于空气气氛下分别经750、800、850和900℃保温2 h制备多孔陶瓷试样，研究了热处理温度对试样物相组成、显微结构及物理性能的影响。结果表明，当热处理温度由750℃升高至850℃时，试样中方解石完全分解，出现石灰相及硅酸钙相，同时钙黄长石及铝酸三钙的衍射峰数量增多且相对强度增大。此外，试样中的颗粒间间隔增大，显气孔率逐渐增加，而体积密度和常温耐压强度减小。随热处理温度进一步升高至900℃时，试样的物理性能及物相组成未发生明显变化。试样经850℃热处理后具有最佳的综合性能，其主物相为石英、石灰、钙黄长石、铝酸三钙及硅酸钙，在显气孔率为(45.5±0.1)%时，仍具有(30.9±0.6) MPa的常温耐压强度。     

闭式叶轮多轴数控铣削编程技术研究

针对闭式叶轮难加工的问题,基于NX提出了一套适用于闭式叶轮加工的多轴数控铣削编程策略。在粗加工阶段,通过作辅助面、线的方法提取流道的中心曲线,生成了安全、高效的粗加工刀具路径;在精加工阶段,通过B样条曲面理论对原始的流道曲面进行参数化重构,生成了具有统一u、v方向的驱动曲面,实现了精加工刀具路径对流道曲面的完整覆盖;在VERICUT中,通过搭建的DMU60机床仿真模型对生成的刀具路径进行验证。验证结果表明,使用该策略编制的闭式叶轮粗/精加工刀具路径无碰撞、干涉、过切、欠切等问题,可以用于生产实践。     

安全关键的信息物理系统中时序行为的组合与精化

信息物理系统（cyber physical systems, CPS）通常被应用于安全关键的场景中，需要进行实时监控，并计算反馈信息，实现对外部环境的自动控制与管理.基于模型驱动的开发方法是针对实时的、异构的CPS进行开发的，而模型的可组合性是其中的核心关键点.针对时序行为的可组合问题，首先通过时序约束语言（clock constraint specification language, CCSL）建立系统的时序行为需求模型，在此基础上通过迁移系统描述CCSL的时序行为语义，并给出其组合操作方法及可组合性的形式化定义.进一步地，对时序行为进行精化操作，给出从时序行为需求模型到任务执行模型的转换方法.同时，基于L*方法对模型行为进行学习，实现组合验证以缓解状态爆炸问题，并验证精化后模型的可组合性.最后通过仿真实验及主从智能小车实例对精化与验证方法进行评估.相关数据显示，精化与组合验证方法在处理时间和内存使用上具有一定的性能优势.     

浆态床渣油加氢机理与全局资源优化耦合模型研究与应用

炼油厂全流程设计过程中，如何通过机理模型获得准确的工艺装置操作预测值，并将其有效地整合至全流程优化模型中，是算法耦合与计算的难点。浆态床加氢裂化工艺是一种典型的复杂重油加工处理方法，但在炼油厂设计与规划过程中，如何高效地实现浆态床产品分布的准确预测和全流程优化是现有优化软件及算法的难题。本研究建立了浆态床渣油加氢机理模型，并将其与非线性混合整数规划的全局资源优化算法及软件集成，实现了机理模型与运筹规划算法的耦合，为炼油厂设计与规划提供了更高效的设计工具。利用所提出的模型与算法实现了炼油厂全流程的优化，综合商品率提升2.44百分点。     

基于联邦学习的含不平衡样本数据电力变压器故障诊断

基于海量样本数据的深度神经网络可以显著提升电力变压器的故障诊断效果，但实际环境中各变压器本地数据被“数据孤岛”隔离，难以进行集中式深度训练。联邦学习可以实现多源数据的共同建模，但各变压器的非独立同分布不平衡数据会使算法性能严重下降。针对上述问题，提出一种基于联邦学习的含不平衡样本数据电力变压器故障诊断机制。与传统深度学习集中训练方式不同，文中采用多个参与者分布训练方式。每个参与者采用LeNet-5深度神经网络进行本地训练，中央服务器将本地模型进行聚合，同时引入改进的数据共享策略对云端共享数据进行选择性下发，以降低非独立同分布数据的不平衡性。实验结果证明，该机制实现了各变压器独立且不平衡数据的协同训练，对变压器故障类型的诊断精度可达到97%。     

基于波形变换的超低频正弦电源控制策略研究

这里提出一种基于二阶广义积分器(SOGI)锁相环波形变换与准比例谐振(QPR)+比例积分(PI)双环控制的超低频正弦全波脉动控制策略,能消除静态误差和零点漂移,并提高波形正弦度。基于此,这里首先设计了单桥臂的低频直流脉动电路拓扑,能够实现能量可逆流动,为输出波形的直流脉动变换提供有利条件;其次,通过SOGI锁相环进行波形变换,将超低频正弦全波脉动直流信号变换为超低频正弦交流信号,使直流控制转换为交流控制,并结合QPR+PI双环控制,实现了系统的无静态误差控制,且提高了系统的动态性能。最后,通过仿真和实验证明了控制策略的可行性和有效性。     

氢自养还原菌同步降解水中4-溴酚及硝酸盐

基于摇瓶研究了以H₂为电子供体的氢自养还原菌降解4-溴酚(4-BP)的可行性；并在此基础上研究了4-BP浓度、硝酸盐(NO₃^--N)浓度及氢分压对4-BP的去除影响；最后研究了4-BP加入前后的微生物菌群变化。结果表明，提高初始4-BP浓度会降低其去除效果；作为一种优先电子受体，NO₃^--N会与4-BP争夺电子供体H₂，增大初始NO₃^--N浓度导致4-BP去除效果下降；提高氢分压会使得单位浓度NO₃^--N及4-BP获得更多的电子供体，提升两者还原速率；加入4-BP后，改变了微生物的生长环境，使得具有脱卤能力的Thauera丰度提升，达到42.8%。当系统中存在H₂时，具有正常活性的氢自养还原菌，在脱卤酶作用下4-BP释放Br^-从而被降解。