课程文献中心 更多>>

关键词： 煤泥水   煤泥水浊度识别   视频分帧   YOLOv5   损失率   精确度   召回率   置信度  

摘要： 煤泥水高效处理是煤炭洗选加工的关键环节，为解决现有煤泥水沉降处理过程中药剂添加不准确的问题，提出了一种利用视频分帧处理算法和YOLO算法实现煤泥水澄清层浊度识别的方法：采用分帧处理算法将采集到的浊度为100～1 000 NTU的煤泥水样本视频分解成900张图片，结合labelimg数据标注工具，按照9∶1的比例将图片数据集随机划分为训练集和验证集;随后使用YOLOv5算法的开源***预权重训练模型对训练集进行训练，通过设置交并比、置信度和训练轮数，以损失函数、精确度和召回率为评价指标，并根据检测结果的置信度大小来评估模型目标分类的性能。结果表明：所提出的识别算法在训练过程中损失率持续下降并稳定至0.001，不同浊度下的识别精确度从0.1左右持续升高并稳定在0.98，召回率从0.2左右持续升高并稳定在0.99，最优置信度可高达0.98。该方法对不同浊度范围煤泥水都具有良好的识别效果，具有一定的适应性和泛化能力;同时，相同浊度下的识别精确度相对稳定，具有较好的鲁棒性，这表明该方法具有较高的准确性和稳定性。研究成果可为煤泥水动态检测提供新思路，进而有助于促进煤泥水处理领域的智能化进展。

关键词： Markov processes  

摘要： Aiming at the problems of poor noise robustness and insufficient model training of traditional deep learning models in small-sample and strong noise environment, a method based on adaptive maximum second-order cyclostationarity blind deconvolution (ACYCBD) combined with Markov transition field (MTF) and MobileViT was proposed for rolling bearing fault diagnosis. Firstly, the impact signal of bearing faults under strong noise background was enhanced by a parameter-adaptive CYCBD algorithm to reduce the influence of strong background noise, then, MTF was used to transform the preprocessed one-dimensional bearing vibration signal into a two-dimensional feature image with temporal correlation, and finally, the MTF image was input into the Mobile ViT network for training to get fault diagnosis results, which is applied to the Southeast University Gearbox Dataset and Shenyang University of Technology Laboratory rolling bearing dataset to verify the fault identification accuracy of the proposed method in small sample strong noise conditions. Results show that, in the small sample strong noise conditions, for ACYCBD preprocessed data, the trained model has a higher accuracy. Compared to the data preprocessed by maximum correlated kurtosis deconvolution, variational mode decomposition, ensemble empirical mode decomposition, the accuracy increased by 1.73%, 1.99%, and 2.2%, respectively. After using MTF for modal transformation, the accuracy is 2.59%, 3.12%, and 2.72% higher than that of Gramian angular field, continuous wavelet transform and RP, respectively. Compared with other deep learning models, the method proposed in this paper has higher anti-interference ability and generalization performance under the above conditions. © 2024 Chinese Vibration Engineering Society. All rights reserved.

关键词： Large eddy simulation  

摘要： The airflow generated noise inside a simple expansion chamber muffler was predicted by combining Large Eddy Simulation (LES) and Morhing acoustic analogy in the present work, and the good agreement was observed between the predictions and measurements. Research indicates that wall pressure fluctuations are dominated by hydrodynamic pressure fluctuations within the distance of three pipe diameters in the outlet pipe, and wall pressure fluctuations beyond the distance of six pipe diameters downstream are dominated by sound pressure fluctuations. The airflow generated noise is mainly attributed to the vortex generated by structural change in the muffler. The strong influences at the longitudinal resonance frequency and antiresonance frequency of the expansion chamber are observed. © 2024 Chinese Vibration Engineering Society. All rights reserved.

关键词： 计量学   环境监测   紫外分光光度法   全自动紫外测油仪   校准  

摘要： 根据中华人民共和国国家环境保护标准HJ 970-2018《水质 石油类的测定紫外分光光度法（试行）》的测试要求，分析研究紫外分光光度法测油原理，自动化和集成化设计进样系统、萃取系统、吸附过滤系统和检测系统，研制出新型全自动紫外测油仪。重点介绍仪器结构、原理、使用及维护。通过参考JJF（闽）1141-2023《紫外测油仪校准规范》对仪器进行校准，在（0.0～16.0）mg/L测量范围时，仪器测量线性为0.9999;在测量值不大于2 mg/L时，以1.0 mg/L为例，测得仪器示值误差为−0.042 mg/L;在测量值大于2 mg/L时，以4.0 mg/L、8.0 mg/L和16.0 mg/L为例，测得仪器示值误差分别为−3.6%、−2.2%和−1.7%。此外，还对仪器重复性、最小检出浓度、零点漂移和示值漂移等项目进行了校准。通过以上各项校准实验验证仪器性能指标优良。环保工作者通过使用全自动紫外测油仪，能够降低工作强度，提高工作效率，减少有机物危害，确保环境监测工作准确高效。

关键词： 溶解氧   双向长短期记忆网络机   特征优选   仿生优化算法   耦合模型  

摘要： 河流水体中溶解氧骤增或耗竭均会引发系列环境污染、物种多样性破坏等问题，准确预测河流溶解氧（DO）浓度对河流水环境治理具有重要意义。为提高模型输入特征的可解释性及模型精度，获取河流DO浓度最优预测模型，本研究利用黄河流域山西境内水质监测站点数据，以双向长短期记忆网络（BiLSTM）为基础，结合卷积神经网络模型（CNN）和注意力机制（Attention Mechanism），基于随机森林模型（RF）进行特征优选，建立RF-CNN-BiLSTM-Attention（RF-CBA）模型，进一步利用吸血水蛭优化算法（BSLO） 、黑翅鸢优化算法（BKA）、白鲨优化算法（WSO） 等仿生优化算法，构建了BSLO-RF-CBA、BKA-RF-CBA、WSO-RF-CBA共3种优化模型，并与深度学习中CNN-A、LSTM-A、BiLSTM-A、CBA、RF-CBA模型对比，分析得到河流溶解氧预测结果，以平均绝对误差（MAE）、均方根误差（RMSE）、均方误差（MSE）、决定系数(R2)、全绩效指标（GPI）和相对误差（MAPE）评价不同模型精度，结果表明：1)RF模型通过对影响河流DO特征值进行排序、筛选，可消除冗余特征对水质预测模型的影响，提高预测精度。2)利用仿生算法优化RF-CBA模型的神经元数量、学习率、正则化系数等参数，模型模拟精度进一步提升，总体上捕捉到了DO波动的时间序列特征，模型表现出强稳定性和泛化能力。3)BSLO-RF-CBA模型模拟精度最高，对DO变化捕捉能力突出，具有更强的捕获全局依赖关系的能力，推荐用于河流溶解氧预测模型。该模型具备扩展至不同河流溶解氧等污染物浓度预测的能力，为河流水体污染预警与系统化管理提供技术支撑。

关键词： 碰撞系统   路径积分法   恢复系数   概率密度  

摘要： 对于碰撞系统，物块在碰撞面的速度会发生突变，即系统在碰撞面具有非光滑性，导致无法直接求解该系统的概率密度函数。利用Ivanov非光滑变换，将碰撞系统转化为连续系统，并利用计算机数值仿真系统的相图，直观展示了碰撞系统在碰撞面的非光滑性。研究了系统在不同的恢复系数下，Ivanov非光滑变换前后碰撞系统的相图，发现即使当恢复系数远远小于1时，变换前后系统解的拟合度仍然很高，即Ivanov非光滑变换具有优良特性。在此基础上，利用路径积分法结合Ivanov非光滑变换数值求解分析了碰撞恢复系数和噪声强度对碰撞系统概率密度函数的影响。最后利用蒙特卡洛算法模拟验证了该方法的正确性。

关键词： 高速列车   受电弓   开/闭口运行   列车空气动力学   气动声学  

摘要： 车速超过0.3马赫数后受电弓及腔的耦合系统成为主要气动噪声源之一，带来弓腔耦合噪声问题，影响列车运行舒适性。本文针对时速400 km/h高速列车开展开/闭口工况下的弓腔耦合系统气动发声特征及声辐射特性研究，采用三维非定常可压缩N-S方程和LES湍流模拟方法求解高速列车受电弓绕流流场，采用K-FWH积分方程计算远场辐射噪声。研究结果表明，开/闭口工况下受电弓区域等效声源占比特征相同，即底部绝缘结构占比居中，中部杆系结构占比最多，顶部受流结构占比较少。闭口工况下三部分分别占比11.1%、87.9%、1%，开口工况中三者占比分别为12%、86.6%、1.4%。闭口工况下的表面等效声源主频率峰值能量和总能量均大于开口工况。开/闭口工况下峰值频率均为1600 Hz，峰值能量分别为5.11×1010N2/s2和1.11×1011N2/s2，总能量分为5.16×1012N2/s2和1.19×1013N2/s2。闭口工况下远场辐射噪声大于开口工况。两种受电弓工况的最大声压级均在相对受电弓纵向位置[-8, 8] m范围内，其中闭口受电弓最大声压级为8 m处的88.1 dBA，开口受电弓最大声压级为4 m位置处的85.6 dBA。研究根据所得声辐射特性，提出开口受电弓安装方式有利于降低气动噪声，为时速400 km/h等级高速列车降噪提供理论指导和技术支持。

关键词： 供应链管理   渠道策略   定价   绿色投入   展厅现象  

摘要： 基于消费者效用理论和博弈论,本文研究了绿色生产制造商的渠道结构选择策略以及供应链成员对价格、绿色技术的投资水平等的最优决策。在考虑消费者产品偏好(如消费者对直接渠道产品的接受程度、消费者对产品绿色度的偏好)的情况下,探讨了制造商在零售渠道的基础上开辟直接渠道的可能性。研究表明:随着消费者对直接渠道产品接受度的增加,供应链完全合作模式下的制造商会由零售渠道策略转向双渠道策略,并最终转向直接渠道;而在非合作模式或部分合作模式(仅绿色成本合作)下的制造商则会由零售渠道转向双渠道策略;产品绿色度和市场需求随着消费者环境意识的提高而增加,随着单位绿色开发技术成本增加而减少。本文进一步发现了制造商开设直接渠道是为了诱使零售商降低其零售价格以增加市场需求,制造商开设的直接渠道则起到展厅的功能;在实施绿色成本共担策略的情景下,制造商会增加开通双渠道的可能性,同时合适的成本共担比例能提高供应链的环境和经济效益。

关键词： 开放系统动力学   量子速率极限时间   量子失协   引力猫态  

摘要： 在环境噪声影响下，考虑了一对分别被限制在双势阱中通过引力相互作用耦合的有质量粒子系统的量子态动力学行为。采用几何量子失协的方法，研究了稳定经典场与衰减场噪声对该有质量粒子系统量子态关联动力学的影响；用量子速率极限时间来描述量子态演化加速的潜力，结果发现：改变系统与环境各项参数可以调控量子速率极限时间，实现有质量粒子系统量子态动力学演化的加速。增强两粒子间的引力耦合强度能加速量子态演化；衰减场的衰减率在一定程度上也能调节系统量子速率极限时间从而达到加速量子态演化的目的。引力耦合强度会影响两粒子系统量子失协振荡的频率。值得注意的是，在衰减场噪声影响下，有质量粒子系统量子失协与量子速率极限时间相对应地表现出随时间的振荡行为，量子失协的增加对应着量子速率极限时间的减小，即系统量子失协的增加有利于量子态演化的加速。