课程文献中心 更多>>

关键词： 压缩式热泵技术   烟气余热回收   能效比提升   磁悬浮压缩机  

摘要： 新型压缩式热泵技术,尤其是磁悬浮和高效变频压缩式热泵,在燃气锅炉烟气余热回收中展现出卓越的能效提升和环境效益,通过详细分析这些技术的工作原理、技术特点以及主要类型,文章阐明了其在提高能效比、稳定性和环境友好性方面的性能优势,经济分析进一步证实,尽管面临较高的初始投资,这些技术能通过减少运行和维护成本实现良好的经济回报,展望未来,这些热泵技术预计将在节能减排和可持续发展策略中扮演关键角色。

关键词： 高温热泵   双螺杆压缩机   离心压缩机   水蒸气压缩机  

摘要： 热泵技术是一种节能技术,能够有效应对全球变暖,降低碳排放。工业热泵回收供热过程的废热加热水或空气,可减少电力消耗及碳排放。工业热泵节能环保,供热稳定,已广泛应用于生产及生活的各个阶段。分析了国内外工业余热高温热泵的压缩机类型及特点,针对中大容量的双螺杆压缩机及离心压缩机,分析其应用及技术现状。螺杆式热泵压缩机在高蒸发温度时应采用开启式结构,高冷凝温度时可采用高速无油方案;离心式热泵压缩机除高效的叶轮外,应关注耐高温电机与无油润滑轴承。螺杆式水蒸气压缩机关注转子热变形及轴封问题,向大温升方向发展。

关键词： XL-MIMO   信道估计   混合场   伍德伯里变换   理查森迭代  

摘要： 针对在超大规模多输入多输出(extreme large-scale multiple-input multiple-output,XL-MIMO)系统中如何高效估计混合场信道状态信息(channel state information,CSI)和信道稀疏度不易获取的问题,提出一种联合混合场信道估计方案和同时加权正交匹配追踪(simultaneous weighted orthogonal matching pursuit,SWOMP)算法,在未知混合场信道稀疏度的情况下能够有效估计混合场信道状态信息。在算法设计过程中,采用伍德伯里变换替换SWOMP算法中的矩阵求逆,没有降低算法计算复杂度,因此提出基于理查森迭代方法变换的低复杂度SWOMP算法。将低复杂度SWOMP算法与现有算法进行比较,仿真结果表明,该方案和算法的设计具有更高的估计精度。

关键词： 综合管廊   火灾预警   关联规则   Apriori算法   PyroSim  

摘要： 随着城市的快速发展,城市地下综合管廊得以快速建设。由于其主要用于承载城市的电、气、热等资源,因而导致火灾风险大。针对此问题,本文提出一种基于改进Apriori算法的地下综合管廊火灾预警技术。该技术以STM32单片机为主控器,并且采用多种传感器获取管廊内数据。上位机方面采用LabView软件为用户端提供实时的数据监测画面以及报警信息显示。通过试验数据验证所提出的改进算法能够较原算法节省约60%的时间,并且其精确度可以保持在90%以上。针对不同类型火灾需要不同数据挖掘关联规则,本文以地下管廊电气线缆火灾为例,通过PyroSim软件建立火灾模型获取的火灾数据由本文所提算法进行关联规则挖掘,最后得到早期线缆火灾的3个特征,即线缆火灾的预警依据。

关键词： 路径规划   强化学习   鲸鱼优化算法   适应度函数   局部最优  

摘要： 为解决机器人在路径规划中路径过长与后期寻优停滞的问题,提出了一种学习型多策略改进鲸鱼优化算法(reinforcement learning multi-strategy improvement whale optimization algorithm,RLMIWOA),并在欧式距离的基础上引入了障碍物信息与拐点信息,构建了路径规划适应度函数。首先,引入自适应帐篷映射初始化,使得初始化种群更加均匀;其次,引入了非线性收敛策略平衡算法的开发和探索阶段;然后,通过采用非线性加权因子对最优个体进行扰动,避免了其他个体对最优个体的“盲从”;最后,通过采用强化学习结合ε-精英逐维反向学习策略和动态局部最优逃生策略,提高了算法的收敛效率和跳出局部最优的能力。实验结果表明:RLMIWOA算法可以高效地找到最优路径,在路径搜索方面具有显著的优势。

关键词： 天然气净化   硫磺回收   尾气处理   二氧化硫排放   预测模型   集成学习算法  

摘要： 目的精确预测天然气净化厂尾气处理装置烟气中二氧化硫(SO_(2))排放质量浓度。方法利用某天然气净化厂2018—2023年每小时44000条尾气处理日报数据构建数据集,进行数据处理,并利用重要性分析方法提取27个重要特征。针对烟气中SO_(2)排放质量浓度的预测任务,采用了随机森林(Random Forest)、梯度提升(Gradient Boost)和极值梯度提升(XGBoost)3种集成学习算法,以及基于径向基(RBF)内核的支持向量机(SVM)替代仿真模型进行建模。结果3种集成学习模型比SVM单模型的预测效果更为精准,而Random Forest模型展现出最佳性能,决定系数为0.89,均方误差为1250.59,相对于8800个真实测试集样本数据,其预测偏差为9.86%,相比于Random Forest模型(数据未处理),其决定系数提高了61.82%。结论Random Forest模型在准确预测尾气处理装置SO_(2)排放质量浓度方面具有实际生产应用价值,可为后续尾气处理装置的工艺参数优化提供可靠的模型支持。

关键词： 无人机   数据采集   航迹规划   深度强化学习   协同任务  

摘要： 在复杂动态环境下,针对无人机执行协同数据采集任务时,出现的航迹规划问题求解不确定性高、多机协同难度大、机间碰撞严重等挑战,提出了一种面向多无人机辅助数据采集的强化学习协同航迹规划(reinforcement learning-based cooperative trajectory planning for UAV aided data collection,RL-DC)算法.该算法通过集中式训练分布式执行框架,实现多无人机安全高效协同数据采集和航迹优化.通过设计竞争候选节点队列机制,避免多架无人机同时服务一个节点导致的信号干扰和飞行安全问题,并通过奖励重塑优化规划轨迹,提高数据采集效率;同时采用网络结构优化和混合优先经验回放,提高无人机在复杂环境下的学习效率,提升决策能力.实验结果表明,所提出的RL-DC算法在各种任务环境中的成功率均能达到90%以上,节点服务率均大于98%,性能优于其他同类算法.

关键词： YOLOv8s   C2fFR   多尺度上下文融合   Inner-SIoU  

摘要： 针对复杂背景下烟雾火焰目标与背景混淆,导致烟雾火焰检测精度低等问题,提出一种面向复杂背景下烟雾火焰检测的YOLOv8s改进模型。特征通道之间具有高度相似性,为了有效利用跨不同通道间的冗余,提高模型对烟雾火焰目标和背景的区分,设计了C2fFR(C2f with partial rep conv)轻量级特征提取模块。设计了MCFM(multi-scale context fusion module)多尺度上下文融合模块,来捕捉并利用上下文信息,增强特征的表示。使用Inner-SIoU损失函数,解决边界框不匹配的问题,提高模型对高IoU样本的回归能力。实验结果表明,改进后的YOLOv8s烟雾火焰检测模型相比于基线模型YOLOv8s,mAP@50提升了4.6个百分点,mAP@50:95提升了2.3个百分点,模型参数量降低了18.9%,计算量降低了8.1%,FPS为93帧/s,与其他主流检测算法相比也具有较好的检测性能。

关键词： 露天矿山   爆破振动   振动速度   预测模型   Bi-LSTM   深度学习算法  

摘要： 针对传统公式对爆破振动预测精度不高的问题,构建了基于Bi-LSTM(双向长短期记忆网络)算法的露天矿山爆破振动速度预测模型。该模型可以在两个方向上处理时间序列数据,同时捕获过去和未来的上下输入信息与输出数据之间的依赖关系。以马钢集团高村铁矿露天矿山爆破开采监测数据为依据,选取相关数据为输入参数,并将Bi-LSTM预测结果与萨道夫斯基公式预测结果进行对比。结果表明:萨道夫斯基公式预测的爆破振动速度平均误差为26.87%,Bi-LSTM算法预测的爆破振动速度平均误差为8.95%;Bi-LSTM模型预测结果与实测结果具有较高的吻合度。后期将以其他矿山的监测数据为依托对模型进行训练,以提高Bi-LSTM模型的泛化能力,并通过迁移学习植入矿山安全实时监测预警平台。

关键词： 路径规划   RRT算法   RRT-D算法  

摘要： 针对传统RRT(rapidly exploring random tree)算法在复杂环境下收敛速度慢、存在重复采样、缺乏目标导向性和规划的路径质量不高的问题,提出一种贪婪搜索和目标导向的RRT算法(RRT-D算法),在传统RRT算法的基础上,改进节点的采样方式和父节点的选取策略,取消步长限制,通过贪婪式的搜索方式一次生长10个候选节点,选取符合条件的且距离目标点最近的候选点作为子节点生长到树中,提高了算法的搜索能力,降低了路径代价;用动态减少重复搜索区域的方式减少了无效搜索;每次采样后判断采样点能否与目标点直接相连,增加了采样的目标导向性,提高了搜索效率,遍历全树构成无向图时,可根据总采样点数量,通过限制无向图边的长度来减少边的数量,由Dijkstra算法搜索代价最小的路径;最后由分段三次Hermite插值函数对路径进行平滑处理。试验结果表明,与传统RRT算法相比,RRT-D算法不仅大幅缩短了规划时间,而且得到的路径代价更小、更加平滑,节点的利用率更高,验证了RRT-D算法在路径规划中的优势。