基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

硝酸还原技术在煤制乙二醇装置中的应用及评价

煤制乙二醇装置在运行过程中,存在硝酸等原料消耗高、生产废水难以处理的问题。通过引入硝酸还原技术,经过小试、中试及工业化应用,取得了良好的效果,有效降低了原料消耗及运行成本,彻底解决了生产废水难以处理的问题,为煤制乙二醇工艺的成熟及环保发展创造了良好的条件。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

基于参数优化VMD的齿轮箱故障特征提取方法

为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解成若干IMF分量,从中选择包络熵较小的分量进行信号重构,并对重构信号进行包络解调运算,从重构信号的包络谱中提取故障频率特征。结果表明,利用此方法对实测信号进行处理,成功降噪、提取齿轮箱故障特征,并且比利用经验模态分解方法降噪效果更好,提取的故障特征更加明显。     

应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。     

基于BP神经网络技术的红土镍矿还原焙烧-磁选工艺条件的优化

还原焙烧—磁选工艺可有效提取红土镍矿中的镍和铁等有价金属，由于影响红土镍矿还原焙烧—磁选效果的因素较多，导致工业生产中的选矿指标不稳定。为进一步提高还原焙烧—磁选工艺处理红土镍矿的效果，本研究以青海某镍矿为原料，采用正交试验与BP神经网络相结合的方法，对还原焙烧—磁选工艺的还原剂用量、焙烧温度、料层厚度、焙烧时间及磁场强度等因素进行了优化。结果表明:通过BP神经网络模型优化后的试验条件为还原剂用量9.5%、焙烧温度1 070℃、料层厚度10.0 mm、焙烧时间65 min及磁场强度2.5 kA·m-1，在此条件下可获得产率为30.29%的镍粗精矿，比采用正交试验最优因素组合条件所得的镍粗精矿产率提高了2.83%。      

基于多尺度特征融合的供输弹早期故障诊断

对于供输弹系统早期故障信息易被湮没难以识别的问题,提出了基于多尺度特征融合的早期故障识别方法。首先通过变分模态分解(VMD)对振动信号进行分解得到不同时间尺度的分量信号,然后对各分量信号分别提取盒维数、信息熵特征,并进一步通过主分量分析(PCA)对上述两种特征进行融合,得到累计贡献率的前3个主分量组成的融合特征,最后通过概率神经网络PNN分别对上述三种特征进行分类比较,结果表明融合后的特征对供输弹系统3种工况有更高的正判率,对供输弹系统早期故障预兆更敏感,能对供输弹系统早期故障作出有效诊断。     

Fe-Zn基废脱硫剂制备铁碳材料及其对废水微电解性能

以Fe-Zn基废脱硫剂、煤、Na ₂CO ₃为原料进行高温炭热还原反应，制备了铁碳材料，实现了Zn和S的分离，有望能实现废脱硫剂的综合利用。考察不同工艺条件（配比，温度，时间）对铁碳材料品质，Zn单质分离效率和Na ₂S的收率影响。结果表明： 反应温度≥900℃，煤∶废脱硫剂≥1，Na ₂CO ₃∶废脱硫剂≥1.5，反应时长≥2 h，Zn、S的分离回收效率可达到95%以上。且900℃制备的铁碳材料比表面高达193.6 m ²/g，介孔孔体积为0.028 cm ³/g，炭均匀附着于铁骨架。微电解-芬顿联用降解有机废水实验表明：仅微电解或微电解-芬顿联用（H ₂O ₂=COD=1500 mg/L）时，自制铁碳材料的稳定化学需氧量（COD）去除效率（41.78%、73.56%）都高于商业铁碳（8.43%、48.43%)。本文实验结果表明废脱硫剂与煤和碳酸钠混烧可实现废脱硫剂中Zn与S的分离回收，成功获得了比表面高、去除COD性能好的铁碳材料。     

表面活性剂对辅助制备高效燃料电池阴极催化剂的影响

通过改变表面活性剂种类,利用水热法制备了不同形貌Fe-ZIF-8前驱体,并利用透射电子显微镜对其形貌进行表征,高温热解后得到Fe-N-C氧还原催化剂,并利用旋转圆盘电极测量其电催化性能。结果表明,表面活性剂可以改变材料的尺寸和形貌,采用十六烷基三甲基溴化铵(CTAB)能获得较小颗粒尺寸和规则的立方体形貌,且能提高催化剂氧还原反应的动力学电流密度。