乳白玻璃生产中节能优化的探索

针对日用玻璃陶瓷生产过程的能耗环节进行探索,优化配方使其更适合于电熔炉的生产工艺,通过对配方中各氧化物引入的原料进行优化,降低原料整体熔点,增加出料量,最终达到降低能耗、减少成本的目的 ,提高企业在行业中的竞争力.     

基于小波分析的水质变化及预测研究——以涡河为例

以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

非常规气藏储层改造体积评价方法研究

为精确描述非常规气藏压裂后的复杂流动特征及定量评价储层改造体积（SRV），利用自主研发的缝网重构算法“破裂树生长法”建立压后缝网模型，并以此为基础提出了使用拟稳态流动时特定的压力等值线来确定SRV范围的定量评价方法，最后以长宁201井区为例进行了矿场实例分析。该方法根据微地震监测点的位置，重构出微裂缝网的连通关系。在复杂微裂缝网的基础上建立离散裂缝地质模型并进行生产数值模拟，根据数值模拟结果的压力分布精确划定SRV的范围。利用该方法计算出长宁201井区的SRV体积为0.052 1 km3，以该缝网模型的数值模拟产量预测结果符合实际生产规律，方法实用性较好。     

基于模型预测控制的半潜漂浮式风机协调控制方法研究

研究漂浮式海上风力发电考虑输出功率与机械载荷的协调控制，有助于提高深远海风机运行的经济性和安全性。为实现漂浮式风机的多目标控制，以NREL 5MW半潜漂浮式风机为研究对象，在Matlab/Simulink平台上设计并搭建增益调度多模型预测控制器(gainschedulingmulti-model predictive controller,GM-MPC)。基于各稳态工况下风机开环动态性能的分析以及模型线性化处理，建立半潜漂浮式风机控制模型，与高保真FAST模型仿真对比，验证了所建控制模型的准确性。在实现模型预测的基础上，根据实际风机工况和约束条件，以为减少功率波动、塔架载荷和执行器动作次数为目标，优化求解出每一时刻下的最优控制量，从而实现GM-MPC的滚动优化。为证明控制器的有效性，在多种风-浪联合载荷的工况下，与基于蚁群优化算法的独立变桨控制策略进行了对比实验。结果表明，所设计的控制策略使半潜漂浮式风机在满足功率平稳性的同时降低了机组的机械载荷，使其能适应深远海环境下的复杂运行工况。